The bootstrap: To smooth or not to smooth?
Bootstrap：是否应当平滑？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：摘要讨论通用重抽样与泛函估计方法，未提供所列经济计量细分方向的直接证据。
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
Bootstrap：是否应当平滑？
- 研究问题
- 用 bootstrap 估计参数估计量的抽样误差等分布性质时，何时采用平滑 bootstrap 比标准 bootstrap 更有利？
- 方法与思路
- 作者研究分布线性泛函的估计，并以线性泛函近似一般泛函来建立判据，结合样本相关系数示例和模拟考察。
- 材料陈述的贡献
- 摘要称提出判断平滑是否有利的准则，以方差稳定化相关系数的标准误示例解释既有模拟现象，并用模拟支持近似。
- 阅读关注点
- 应核对优势判据采用的误差指标、泛函近似条件及平滑参数选择，并检查相关系数示例能否推广到其他统计量。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体判据、平滑设定和数值结果未提供，不能断言平滑 bootstrap 总是更好。
原文摘要
The bootstrap and smoothed bootstrap are considered as alternative methods of estimating properties of unknown distributions such as the sampling error of parameter estimates. Criteria are developed for determining whether it is advantageous to use the smoothed bootstrap rather than the standard bootstrap. Key steps in the argument leading to these criteria include the study of the estimation of linear functionals of distributions and the approximation of general functionals by linear functionals. Consideration of an example, the estimation of the standard error in the variance-stabilized sample correlation coefficient, elucidates previously-published simulation results and also illustrates the use of computer algebraic manipulation as a useful technique in asymptotic statistics. Finally, the various approximations used are vindicated by a simulation study.