Bootstrap dziki (wild bootstrap) w wnioskowaniu regresyjnym
Bootstrap dziki to metoda resamplingu dla modeli regresji z heteroskedastycznymi błędami, wprowadzona przez Wu (1986) i udoskonalona przez Davidsona i Flachaire’a (2008). Buduje ona rozkład bootstrapowy poprzez przeskalowanie każdej dopasowanej reszty losowym znakiem, dzięki czemu błędy standardowe i przedziały ufności pozostają ważne, gdy wariancja błędu nie jest stała lub dane są zgrupowane w klastry.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
+1 więcej
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Wild Bootstrap for Regression Inference. ScholarGate. https://scholargate.app/pl/statistics/wild-bootstrap
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Bayesowski Bootstrap (Rubin)Statystyka↔ porównaj
- Block Bootstrap (Moving Block i stacjonarny)Statystyka↔ porównaj
- Estymacja bootstrapowaStatystyka↔ porównaj
- Regresja metodą najmniejszych kwadratów (OLS)Ekonometria↔ porównaj
- Test permutacyjny (randomizacyjny)Statystyka↔ porównaj
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →