ON THE JACKKNIFE-AFTER-BOOTSTRAP METHOD FOR DEPENDENT DATA AND ITS CONSISTENCY PROPERTIES
依赖数据的 bootstrap 后 jackknife 方法及其一致性AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要只明确依赖数据、区块重抽样和通用统计量的标准误估计，未限定时间序列或其他给定应用方向，故保留空分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
依赖数据的 bootstrap 后 jackknife 方法及其一致性
- 研究问题
- 对依赖数据的区块 bootstrap 偏差和方差估计，如何估计这些估计量自身的标准误，并保证所得标准误估计的一致性？
- 方法与思路
- 作者提出移动区块 jackknife 的一种版本，仅重新分组已有 bootstrap 重复中的统计量值，构造标准误估计并证明相关一致性。
- 材料陈述的贡献
- 摘要称，该方法适用于一大类统计量的区块 bootstrap 偏差与方差估计，并同时建立类似独立同分布问题中既有方法的一致性。
- 阅读关注点
- 应核对标准误所针对的随机量、重分组规则、区块长度与重复次数的要求，以及依赖条件和允许统计量类别的具体范围。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断具体依赖与光滑性要求或计算误差；一致性也不能直接说明中小样本标准误估计准确。
原文摘要
Motivated by Efron (1992, Journal of the Royal Statistical Society, Series B 54, 83–111), this paper proposes a version of the moving block jackknife as a method of estimating standard errors of block-bootstrap estimators under dependence. As in the case of independent and identically distributed (i.i.d.) observations, the proposed method merely regroups the values of a statistic from different bootstrap replicates to produce an estimate of its standard error. Consistency of the resulting jackknife standard error estimator is proved for block-bootstrap estimators of the bias and the variance of a large class of statistics. Consistency of Efron's method is also established in similar problems for i.i.d. data.