Bootstrap Wild per l'Inferenza di Regressione
Il bootstrap wild è un metodo di ricampionamento per modelli di regressione con errori eteroschedastici, introdotto da Wu (1986) e perfezionato da Davidson e Flachaire (2008). Costruisce una distribuzione bootstrap riscalando ciascun residuo stimato con un segno casuale, in modo che gli errori standard e gli intervalli di confidenza rimangano validi quando la varianza dell'errore non è costante o i dati sono raggruppati.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). Wild Bootstrap for Regression Inference. ScholarGate. https://scholargate.app/it/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.
- Bootstrap Bayesiano (Rubin)Statistica↔ compare
- Bootstrap a Blocchi (Blocco Mobile e Stazionario)Statistica↔ compare
- Inferenza BootstrapStatistica↔ compare
- Regression with Ordinary Least Squares (OLS)Econometria↔ compare
- Test di Permutazione (Randomizzazione)Statistica↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →