Regression model

Див бутстрап за регресионно заключение

Дивият бутстрап е метод за преизбиране на извадки за регресионни модели с хетероскедастични грешки, въведен от Wu (1986) и усъвършенстван от Davidson и Flachaire (2008). Той изгражда бутстрап разпределение чрез премащабиране на всеки оценен остатък със случаен знак, така че стандартните грешки и доверителните интервали да останат валидни, когато дисперсията на грешката не е постоянна или данните са групирани.

Приложете с StatMindСкороВидеоСкороDownload slides

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Method map

The neighbourhood of related methods — select a node to explore.

+1 more

Източници

  1. Wu, C. F. J. (1986). Jackknife, Bootstrap and Other Resampling Methods in Regression Analysis. Annals of Statistics, 14(4), 1261-1295. DOI: 10.1214/aos/1176350142
  2. Davidson, R., & Flachaire, E. (2008). The Wild Bootstrap, Tamed at Last. Journal of Econometrics, 146(1), 162-169. DOI: 10.1016/j.jeconom.2008.08.003

Как да цитирате тази страница

ScholarGate. (2026, June 1). Wild Bootstrap for Regression Inference. ScholarGate. https://scholargate.app/bg/statistics/wild-bootstrap

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Цитиран в

ScholarGateWild Bootstrap (Wild Bootstrap for Regression Inference). Извлечено на 2026-06-15 от https://scholargate.app/bg/statistics/wild-bootstrap · Набор от данни: https://doi.org/10.5281/zenodo.20539026