On blocking rules for the bootstrap with dependent data
依赖数据自助法的分块选择规则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：摘要仅说明一般依赖数据的重抽样理论，未明确对应所列时间序列或其他经济计量方向。
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…
依赖数据自助法的分块选择规则
- 研究问题
- 对依赖数据实施分块自助法时，最优块长为何随方差、偏差及单侧或双侧分布函数等估计目标而变化？
- 方法与思路
- 作者结合直观解释和特定情形的理论论证，研究不同估计目标的最优块长阶，并据此构造经验选块规则进行数值探索。
- 材料陈述的贡献
- 摘要称不同估计目标对应不同的最优块长阶，并可利用这些量级形成简单实用的经验选择方法，但未提供完整数值结果。
- 阅读关注点
- 应核对依赖结构、最优性的损失准则、块长选择规则及其数值表现，并查阅原文确认摘要中排版不清的幂次。
- 阅读边界
- 索引摘要未注明稿件版本；块长幂次排版不清，需核对原文，不能据此重构公式；依赖条件和理论适用范围也未说明。
原文摘要
SUMMARY: We address the issue of optimal block choice in applications of the block bootstrap to dependent data. It is shown that optimal block size depends significantly on context, being equal to n1/3, n1/4 and n1/5 in the cases of variance or bias estimation, estimation of a onesided distribution function, and estimation of a two-sided distribution function, respectively. A clear intuitive explanation of this phenomenon is given, together with outlines of theoretical arguments in specific cases. It is shown that these orders of magnitude of block sizes can be used to produce a simple, practical rule for selecting block size empirically. That technique is explored numerically.