Regression model

Дикий бутстреп для регрессионного вывода

Дикий бутстреп — это метод ресэмплинга для регрессионных моделей с гетероскедастическими ошибками, предложенный Wu (1986) и усовершенствованный Davidson and Flachaire (2008). Он строит бутстреп-распределение путем масштабирования каждого остатка с помощью случайного знака, так что стандартные ошибки и доверительные интервалы остаются валидными, когда дисперсия ошибки не является постоянной или данные сгруппированы.

Применить в StatMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

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

+1 more

Источники

  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

Как цитировать эту страницу

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

Упоминается в

ScholarGateWild Bootstrap (Wild Bootstrap for Regression Inference). Получено 2026-06-15 из https://scholargate.app/ru/statistics/wild-bootstrap · Набор данных: https://doi.org/10.5281/zenodo.20539026