Wild Bootstrap
The wild bootstrap is a resampling method for regression models with heteroscedastic errors, introduced by Wu (1986) and refined by Davidson and Flachaire (2008). It builds a bootstrap distribution by rescaling each fitted residual with a random sign, so that standard errors and confidence intervals stay valid when the error variance is not constant or the data are clustered.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- 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
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.