Regression model

Divoký bootstrap pro regresní inferenci

Divoký bootstrap je metoda přeresamplingování pro regresní modely s heteroskedastickými chybami, kterou zavedl Wu (1986) a zdokonalil Davidson a Flachaire (2008). Vytváří bootstrapovou distribuci přeskálováním každého rezidua s náhodným znaménkem, takže standardní chyby a intervaly spolehlivosti zůstávají platné, když rozptyl chyb není konstantní nebo jsou data shlukovaná.

Použít v StatMindJiž brzyVideoJiž brzyDownload slides

Přečíst celou metodu

Pouze pro členy

Pro přečtení této sekce se přihlaste s bezplatným účtem.

Přihlásit se

Method map

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

+1 more

Zdroje

  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

Jak citovat tuto stránku

ScholarGate. (2026, June 1). Wild Bootstrap for Regression Inference. ScholarGate. https://scholargate.app/cs/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

Odkazuje sem

ScholarGateWild Bootstrap (Wild Bootstrap for Regression Inference). Získáno 2026-06-15 z https://scholargate.app/cs/statistics/wild-bootstrap · Datová sada: https://doi.org/10.5281/zenodo.20539026