Bootstrapping a Regression Equation: Some Empirical Results
回归方程的自助法：若干实证结果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：摘要讨论一般回归标准误与能源需求应用，未明确所列细分方向所需的模型结构。
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
回归方程的自助法：若干实证结果
- 研究问题
- 在描述工业能源需求的计量方程中，bootstrap 标准误与常规渐近标准误有何差异，有限样本问题有多明显？
- 方法与思路
- 作者利用误差分布的非参数估计开展 Monte Carlo 重抽样，在能源需求回归中展示 bootstrap 标准误估计。
- 材料陈述的贡献
- 摘要称，特定有限样本问题中常规渐近标准误过于乐观，差距接近三倍；在较简单情形下可对该现象给出证明。
- 阅读关注点
- 核对重抽样单位、误差分布估计和回归设定，明确三倍差距的比较基准，以及简化证明与实证例子的联系。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；样本、误差条件和重抽样细节未说明，单个例子不能证明 bootstrap 普遍更准确。
原文摘要
The bootstrap, like the jackknife, is a technique for estimating standard errors. The idea is to use Monte Carlo simulation based on a nonparametric estimate of the underlying error distribution. The main object of this article is to present the bootstrap in the context of an econometric equation describing the demand for energy by industry. As it turns out, the conventional asymptotic formulas for estimating standard errors are too optimistic by factors of nearly three, when applied to a particular finite-sample problem. In a simpler context, this finding can be given a mathematical proof.