Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Байєсівський бутстреп (Rubin)× | Регресія звичайно найменших квадратів (ЗНК)× | |
|---|---|---|
| Галузь≠ | Статистика | Економетрика |
| Родина | Regression model | Regression model |
| Рік появи≠ | 1981 | 2019 |
| Автор методу≠ | Rubin (1981); large-sample theory by Lo (1987) | Wooldridge (textbook treatment); classical least squares |
| Тип≠ | Resampling / posterior simulation | Linear regression |
| Основоположне джерело≠ | Rubin, D. B. (1981). The Bayesian Bootstrap. The Annals of Statistics, 9(1), 130-134. DOI ↗ | Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. ISBN: 978-1337558860 |
| Інші назви≠ | Bayesian Bootstrap (Rubin), Rubin bootstrap, Dirichlet-weighted bootstrap | ordinary least squares, classical linear regression, linear regression, en küçük kareler regresyonu |
| Пов'язані | 5 | 5 |
| Підсумок≠ | The Bayesian Bootstrap, introduced by Donald B. Rubin in 1981, is a resampling method that produces a Bayesian counterpart to the frequentist bootstrap by assigning each observation a random weight drawn from a Dirichlet distribution. It yields a full posterior distribution for a statistic and allows prior information to be incorporated. | 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). |
| ScholarGateНабір даних ↗ |
|
|