Bootstrap salvaje para inferencia en regresión

El bootstrap salvaje es un método de remuestreo para modelos de regresión con errores heterocedásticos, introducido por Wu (1986) y refinado por Davidson y Flachaire (2008). Construye una distribución bootstrap reescalando cada residuo ajustado con un signo aleatorio, de modo que los errores estándar y los intervalos de confianza se mantengan válidos cuando la varianza del error no es constante o los datos están agrupados.