เปรียบเทียบวิธี

	การบูตสแตรปแบบบล็อก (แบบเคลื่อนที่และแบบอยู่กับที่)	การถดถอยกำลังสองน้อยที่สุดสามัญ (OLS)	การทดสอบการสับเปลี่ยน (การสุ่ม)
สาขาวิชา	สถิติศาสตร์	เศรษฐมิติ	สถิติศาสตร์
ตระกูล	Regression model	Regression model	Regression model
ปีกำเนิด	1989	2019	2005
ผู้ริเริ่ม	Künsch (moving block, 1989); Politis & Romano (stationary, 1994)	Wooldridge (textbook treatment); classical least squares	Good (2005); Edgington & Onghena (2007); resampling tradition
ประเภท	Resampling inference for dependent data	Linear regression	Nonparametric resampling test
แหล่งต้นตำรับ	Künsch, H. R. (1989). The Jackknife and the Bootstrap for General Stationary Observations. Annals of Statistics, 17(3), 1217-1241.	Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. ISBN: 978-1337558860	Good, P. (2005). Permutation, Parametric and Bootstrap Tests of Hypotheses (3rd ed.). Springer. ISBN: 978-0387202792
ชื่อเรียกอื่น	moving block bootstrap, stationary bootstrap, blok bootstrap (moving block / stationary)	ordinary least squares, classical linear regression, linear regression, en küçük kareler regresyonu	randomization test, exact permutation test, re-randomization test, Permütasyon Testi
ที่เกี่ยวข้อง	5	5	5
สรุป	Block bootstrap is a resampling method for dependent, autocorrelated time-series data: instead of resampling single observations, it resamples whole blocks of consecutive observations so the serial-correlation structure is preserved. The moving block variant was introduced by Künsch (1989) and the stationary variant by Politis and Romano (1994).	Ordinary Least Squares is the classical linear regression method that explains a continuous outcome as a linear combination of predictors. It estimates the coefficients by minimising the sum of squared residuals, and under the Gauss-Markov assumptions these estimates are the best linear unbiased estimator (BLUE).	The permutation test is a nonparametric resampling procedure that builds the sampling distribution of a test statistic directly from the data by repeatedly shuffling the group labels. Developed in the resampling tradition and treated systematically by Good (2005) and Edgington & Onghena (2007), it requires no parametric distributional assumption and yields an exact p-value.