]> code.communitydata.science - ml_measurement_error_public.git/blob - simulations/robustness_check_notes.md
0a287a71e3c6d8be79647c53112a4e40a44095eb
[ml_measurement_error_public.git] / simulations / robustness_check_notes.md
1 # robustness\_1.RDS
2
3 Tests how robust the MLE method for independent variables with differential error is when the model for $X$ is less precise. In the main paper, we include $Z$ on the right-hand-side of the `truth_formula`. 
4 In this robustness check, the `truth_formula` is an intercept-only model.
5 The stats are in the list named `robustness_1` in the `.RDS` file.
6
7 # robustness\_1\_dv.RDS
8
9 Like `robustness\_1.RDS` but with a less precise model for $w_pred$.  In the main paper, we included $Z$ in the `outcome_formula`. In this robustness check, we do not.
10
11 # robustness_2.RDS
12
13 This is just example 1 with varying levels of classifier accuracy. 
14

Community Data Science Collective || Want to submit a patch?