GAO 的发现电子健康信息交换是指在医疗保健提供者之间以及医疗保健提供者与患者之间以电子方式交换医疗记录和其他健康信息的能力。 《经济和临床健康健康信息技术 (HITECH) 法案》在 2021 年之前向各州提供联邦增强型医疗补助配套资金，以支持推进电子交换的某些努力。几乎所有州都使用了这些资金，并且大多数州都确定了其他来源来维持这些努力。调查数据显示，近年来医院和医生之间各种电子交换方法的使用有所增加。然而，GAO 发现，截至 2021 年，小型和乡村医院报告的使用率低于其他医院。例如，参见按医院规模划分使用情况的图表。 2021 年按规模划分的急症护理医院常用的交换方法 受访的利益相关者
今天，我给大家带来了一个悲伤的故事，一个加密货币贷款机构承诺为储户提供安全和高回报，但事实证明，它的承诺就像它的名字一样空洞。 Donut Inc. 是一家自称“DeFi”贷款机构，其网站上有一个“储备证明”部分。这是为了向客户保证，他们的存款与平台的流动资产一一匹配。我坚定地认为，“储备证明”报表如果没有相应的负债报表就无法证明任何事情，因为存款并不是唯一的负债形式，而抵押资产无法支持存款。但在这种情况下，“储备证明”比无用更糟糕。它实际上是虚构的。它隐藏了 Donut 客户真正可怕的情况。截至今天，“储备证明”的内容如下：就其本身而言，这根本不能证明任何事情。这只是公司所谓的“管理资产”的
Does Coffee Increase Lifespan?
一项由哈佛健康公开的2022年观察性研究声称，喝咖啡可以大大降低您的死亡风险。是真的吗？最近的记忆中没有研究（或十个）声称咖啡会给您带来癌症吗？好吧，事实证明，观察性研究对于研究这样的事情不是很好。咖啡会增加寿命吗？首次出现在偶然的经济学家中。
Pursuing excellence in the Marine Corps
“有一个目标，找到它，然后实现它，”中士说。布鲁克·M·汤普森 (Brooke M. Thompson)，密歇根州克罗斯威尔人，荣获海军和海军陆战队嘉奖奖章。汤普森是海军陆战队战斗机攻击中队 (VMFA) 242 的一名航空电子技术员，她获得了多项训练资格，在领导飞机维护的同时志愿加入了无数支队，为 F/A-18D 大黄蜂的过渡做出了贡献，事实证明她是她所在部队的重要资产将飞机升级为最新的第五代隐形 F-35B 飞机，通过启动 F-35B 飞机的危险材料正确处置计划，提升整个 MCAS Iwakuni 的安全标准，以及许多其他任务，以确保 VMFA-242 的成功运行能力...
Why Is Reswitching Empirically Rare?
图 1：随着技术进步，机器的经济寿命变化探索模型参数扰动在技术选择分析中的影响，为我提供了这个问题的答案。我不确定这篇文章中的论点有多完善。这个问题是由实证结果提出的，特别是 Han & Schefold 和 Zambelli 的结果。我之前曾对 Zambelli 发表过评论。Heinz Kurz 最近质疑了这些结果的可靠性。数据来自广泛使用固定资本的经济体。人们可以预期，目前不会再生产的旧工厂将投入运营并获得准租金。尽管如此，经验工资曲线却出奇地接近直线，而重新转换和其他“反常”现象似乎很少见。Bertram Schefold 认真对待他的实证结果。他一直在探索当投入产出系统的系数在某种意义
Black Swans in Artificial Intelligence
本文是我即将出版的新书的片段，您可以在此处订阅：https://www.danrose.ai/book理解数据的一个重要概念是黑天鹅的概念。黑天鹅理论是由统计学家、《随机致富的傻瓜》一书的作者 Nassim Nicholas Taleb 创造的。我强烈推荐这本书。多年来，人们普遍认为黑天鹅并不存在。由于从未观察到黑天鹅，因此它们不存在于任何数据中。如果你当时押注于你看到的下一只天鹅是黑色的可能性，你可能会押注这种事件不会发生。事实证明，有很多黑天鹅。它们只是还没有被观察到。当我们发现澳大利亚时，它们第一次被发现，那里到处都是黑天鹅。换句话说，数据只代表已知和观察到的世界，而不是现实世界。这也是
USAG Wiesbaden’s DFMWR is fully Green Boot certified
德国威斯巴登 - 事实证明，美国陆军驻威斯巴登驻地在节约能源和减少生态足迹方面的共同努力取得了成功...
Hospitals Often Charge Uninsured People More Money
健康保险：美国医院患者的圣杯。虽然它不是完美的，但它通常在患者的底线上会产生很大的影响。这不仅是因为它有助于支付账单 - 事实证明，当您没有健康保险时，您可能会从医院获得更大的账单[…]邮政医院经常向无保险人收取更多的钱，首先出现在附带的经济学家上。
Air Force Operational Energy has breakthrough year
事实证明，2021 年对空军作战能源来说是关键的一年，因为项目获得了前所未有的支持——使许多期待已久的计划获得批准并进入下一阶段的发展。
Understanding Deep Learning Algorithms that Leverage Unlabeled Data, Part 1: Self-training
深度模型需要大量的训练样本，但标记数据很难获得。这激发了利用未标记数据的重要研究方向，而未标记数据通常更容易获得。例如，可以通过爬取网络获取大量未标记的图像数据，而 ImageNet 等标记数据集则需要昂贵的标记程序。在最近的实证发展中，使用未标记数据训练的模型已开始接近全监督性能（例如 Chen 等人，2020 年，Sohn 等人，2020 年）。本系列博客文章将讨论我们的理论工作，该工作旨在分析使用未标记数据的最新实证方法。在第一篇文章中，我们将分析自我训练，这是一种非常有影响力的半监督学习和领域自适应算法范式。在第 2 部分中，我们将使用相关理论思想来分析自监督对比学习算法，这种算法对于
Understanding Deep Learning Algorithms that Leverage Unlabeled Data, Part 1: Self-training
深度模型需要大量的训练样本，但标记数据很难获得。这激发了利用未标记数据的重要研究方向，而未标记数据通常更容易获得。例如，可以通过爬取网络获取大量未标记的图像数据，而 ImageNet 等标记数据集则需要昂贵的标记程序。在最近的实证发展中，使用未标记数据训练的模型已开始接近全监督性能（例如 Chen 等人，2020 年，Sohn 等人，2020 年）。本系列博客文章将讨论我们的理论工作，该工作旨在分析使用未标记数据的最新实证方法。在第一篇文章中，我们将分析自我训练，这是一种非常有影响力的半监督学习和领域自适应算法范式。在第 2 部分中，我们将使用相关理论思想来分析自监督对比学习算法，这种算法对于
What has Juno found on Jupiter? Part I – Water and weather
朱诺号的发现之一是对大红斑的一些测量——这是一场巨大的木星风暴，可以容纳三颗地球大小的行星。尽管朱诺号有能力对木星大气层深处 350 公里进行成像，但事实证明大红斑比这更深。对其温度的测量表明，在前 80 公里，它比周围的大气更冷，而在 80 公里以下，它更温暖。我们不知道原因，但这可能与风暴的开始方式有关，以及它是永久性的还是会随着时间的推移而消失。大红斑已被观测了 300 多年。它是如此之大，可以容纳三颗地球大小的行星！Wikimedia Commons继续阅读全文 »
Social Justice Thrives in Cook County during Tradeoff Holiday
在这场可怕的疫情期间，一线希望是许多不便的权衡不再适用。耶鲁大学的一项研究表明，付钱让人们不工作暂时不会阻止任何人工作。也许清空监狱也可以提高公共安全。我们可以同时实现社会正义和安全。下图 1 显示了过去半年内库克县被定罪并入狱的伊利诺伊州监狱中人数。新罪犯的数量一直在 3000 到 4000 之间，直到疫情爆发才降至 1000 人。图 2 将样本限制在被定罪的杀人犯。他们一直以每年约 130 人（每半年 65 人）的速度进入伊利诺伊州监狱，直到 2020 年上半年，这一比例下降到每年约 40 人（每半年 20 人）。我希望芝加哥地区的活动家能够努力帮助保持这一进步。也许他们甚至可以为伊利诺伊
Value Stock Investing and Non-stationarity
实证研究经常发现，价值股（即账面价值与市值之比较高的股票）的表现优于市值与账面价值之比较高的成长股。虽然乍一看这似乎很奇怪，因为快速增长的公司拥有更多机会，而价值公司往往陷入困境。然而，在考虑了市场定价之后，价值股的平均回报率历来都高于成长股。说明价值效应的一个好方法是利用 Eugene Fama 教授和 Kenneth French 教授编制并发布在 French 教授网站上的数据。特别感兴趣的变量是投资组合 HML，即做多价值股和做空成长股。（HML 代表高账面市值比减去低账面市值比。French 教授在其网站上描述了 HML 的构建方式以及回报率的计算方式。）如果价值股的表现优于成长股，
Nobel prize for causal inference: why it matters
今年的诺贝尔经济学奖颁给了三位杰出的经济学家，大卫·卡德、约书亚·安格里斯特和吉多·伊姆本斯，以表彰他们彻底改变了经济学家（和社会科学家）进行实证研究的方式。具体来说，卡德因其对劳动经济学的贡献而获奖，安格里斯特和伊姆本斯则因因果推理而获奖，但这三位经济学家都为将科学方法应用于经济学做出了突破性贡献。在这个领域，我们称之为“可信度革命”。我对这三位经济学家的工作非常熟悉，因为我在学习因果推理、教授因果推理以及在自己的实证研究中引用因果推理时经常使用他们的论文。在我共同组织的一次会议上，我也很荣幸地收到了约书亚·安格里斯特对我的一篇论文（最近发表的《救助政治学》）的评论。我希望向他们三人致敬的方
很高兴看到 Kelly 等人坚持不懈，顺利进入“双底”区域并添加了正则化。回报预测中复杂性的优点 (2022)Bryan T. Kelly；Semyon Malamud；Kangying Zhou现有文献使用仅使用少量参数的“简单”模型来预测市场回报。与传统观点相反，我们从理论上证明，与参数数量超过观察数量的“复杂”模型相比，简单模型严重低估了回报的可预测性。我们通过实证证明了美国股市回报预测中复杂性的优点。我们的研究结果确立了通过机器学习对预期收益进行建模的基本原理。http://d.repec.org/n?u=RePEc:nbr:nberwo:30217&r=
这真是让我震惊。真是太有见地了。在另一个背景下，等权重组合规则！另请参阅我与 Minchul Shin 合作的论文，这些论文分别明确指出了点预测和密度预测的权重相等：Diebold, F.X. 和 Shin, M. (2019)，“机器学习用于正则化调查预测组合：部分平等的套索及其衍生物”，《国际预测杂志》，35，1679-1691。Diebold, F.X.、Shin, M. 和 Zhang, B. (2022)，“关于概率评估的聚合：欧元区通胀和实际利率的正则化预测密度混合”，《计量经济学杂志》，即将出版。工作论文，arXiv:2012.11649。HAR 模型中的预测组合难题作者：Cle
