Wild Bootstrap für Regressionsinferenz
Der Wild Bootstrap ist eine Resampling-Methode für Regressionsmodelle mit heteroskedastischen Fehlern, eingeführt von Wu (1986) und verfeinert von Davidson und Flachaire (2008). Er konstruiert eine Bootstrap-Verteilung, indem jeder angepasste Residuum mit einem zufälligen Vorzeichen skaliert wird, sodass Standardfehler und Konfidenzintervalle gültig bleiben, wenn die Fehlervarianz nicht konstant ist oder die Daten geclustert sind.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Quellen
- 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 ↗
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Wild Bootstrap for Regression Inference. ScholarGate. https://scholargate.app/de/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.
- Bayesian Bootstrap (Rubin)Statistik↔ compare
- Block-Bootstrap (Moving Block und Stationär)Statistik↔ compare
- Bootstrap-InferenzStatistik↔ compare
- Methode der kleinsten Quadrate (OLS)Ökonometrie↔ compare
- Permutationstest (Randomisierungstest)Statistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →