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.
Rekod sumber
Petikan disalin secara verbatim daripada rekod sumber kaedah. Tiada pengesahan peringkat tuntutan disimpulkan daripadanya.
- 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
Tuntutan yang dikurasi
Tuntutan disimpan dalam lejar bukti, setiap satu dengan penilaiannya sendiri.
Pandangan ini tidak mencipta penilaian tuntutan apabila lejar tiada.
Kaedah berkaitan
Dijana daripada graf kaedah dan ditunjukkan sebagai perhubungan yang dicadangkan mesin — tiada tuntutan bukti disimpulkan.