Regression model

Wild Bootstrap regressioinipäätelmien tekemiseen

Wild bootstrap on uudelleenotantamenetelmä regressiomalleille, joissa esiintyy heteroskedastisia virheitä. Sen esitteli Wu (1986) ja kehitti edelleen Davidson ja Flachaire (2008). Se rakentaa bootstrap-jakauman skaalaamalla jokaisen sovitetun residuaalin satunnaisella merkillä, jotta keskivirheet ja luottamusvälit pysyvät pätevinä, kun virhevarianssi ei ole vakio tai data on klusteroitunutta.

Sovella työkalulla StatMindTulossaVideoTulossaDownload slides

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Method map

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

+1 more

Lähteet

  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

Näin viittaat tähän sivuun

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

Tähän viittaavat

ScholarGateWild Bootstrap (Wild Bootstrap for Regression Inference). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/statistics/wild-bootstrap · Aineisto: https://doi.org/10.5281/zenodo.20539026