เปรียบเทียบวิธี

	การสุ่มตัวอย่างแบบแจ็คไนฟ์ (Jackknife Resampling)	การถดถอยกำลังสองน้อยที่สุดสามัญ (OLS)
สาขาวิชา	สถิติศาสตร์	เศรษฐมิติ
ตระกูล	Regression model	Regression model
ปีกำเนิด	1956	2019
ผู้ริเริ่ม	Quenouille (1956); reviewed by Miller (1974)	Wooldridge (textbook treatment); classical least squares
ประเภท	Resampling / bias and variance estimation	Linear regression
แหล่งต้นตำรับ	Quenouille, M. H. (1956). Notes on Bias in Estimation. Biometrika, 43(3/4), 353-360.	Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. ISBN: 978-1337558860
ชื่อเรียกอื่น	leave-one-out resampling, Quenouille-Tukey jackknife, delete-one jackknife, Jackknife Yeniden Örnekleme	ordinary least squares, classical linear regression, linear regression, en küçük kareler regresyonu
ที่เกี่ยวข้อง	5	5
สรุป	The jackknife is a classical resampling method that estimates the bias and variance of a statistic by systematically recomputing it with one observation left out at a time. Introduced by Quenouille in 1956 and later reviewed by Miller in 1974, it predates the bootstrap and remains a simple, deterministic tool for assessing estimator stability.	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).