Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Дикий бутстреп для регресійних висновків× | Регресія звичайно найменших квадратів (ЗНК)× | |
|---|---|---|
| Галузь≠ | Статистика | Економетрика |
| Родина | Regression model | Regression model |
| Рік появи≠ | 1986 | 2019 |
| Автор методу≠ | Wu (1986); refined by Davidson & Flachaire (2008) | Wooldridge (textbook treatment); classical least squares |
| Тип≠ | Resampling-based regression inference | Linear regression |
| Основоположне джерело≠ | Wu, C. F. J. (1986). Jackknife, Bootstrap and Other Resampling Methods in Regression Analysis. Annals of Statistics, 14(4), 1261-1295. DOI ↗ | Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. ISBN: 978-1337558860 |
| Інші назви | wild bootstrap, wild cluster bootstrap, Wu-Liu resampling, Wild Bootstrap | ordinary least squares, classical linear regression, linear regression, en küçük kareler regresyonu |
| Пов'язані | 5 | 5 |
| Підсумок≠ | The wild bootstrap is a resampling method for regression models with heteroscedastic errors, introduced by Wu (1986) and refined by Davidson and Flachaire (2008). It builds a bootstrap distribution by rescaling each fitted residual with a random sign, so that standard errors and confidence intervals stay valid when the error variance is not constant or the data are clustered. | 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 ↗ |
|
|