Wild Bootstrap för regressionsinferens

Wild bootstrap är en omsamplingmetod för regressionsmodeller med heteroskedastiska fel, introducerad av Wu (1986) och förfinad av Davidson och Flachaire (2008). Den bygger en bootstrap-fördelning genom att om-skala varje anpassad residual med ett slumpmässigt tecken, så att standardfel och konfidensintervall förblir giltiga när felvariansen inte är konstant eller data är klustrade.