Bootstrap Standard Error Estimates for Linear Regression
线性回归的自助法标准误估计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：摘要明确研究依赖数据下的线性动态模型及移动区块自助法，直接涉及时间序列推断。
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
线性回归的自助法标准误估计
- 研究问题
- 对具有依赖数据的线性动态模型，移动区块自助法何时能一致估计最小二乘估计量的方差，并支持学生化统计量推断？
- 方法与思路
- 作者建立移动区块自助法方差估计的一致性条件，讨论其在学生化统计量自助推断中的应用，并进行模拟比较。
- 材料陈述的贡献
- 摘要称建立了相关方差估计的一致性条件，模拟显示自助法标准误推断在小样本中可能比闭式渐近估计更准确。
- 阅读关注点
- 核对数据依赖条件、区块长度要求、方差估计与学生化的衔接，以及模拟中的样本规模、比较方法和准确性指标。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列出一致性条件或模拟数值，小样本改善不能视为普遍保证。
原文摘要
Standard errors of parameter estimates are widely used in empirical work. The bootstrap often can provide a convenient means of estimating standard errors. The conditions under which bootstrap standard error estimates are theoretically justified have not received much attention, however. This article establishes conditions for the consistency of the moving blocks bootstrap estimators of the variance of the least squares estimator in linear dynamic models with dependent data. We discuss several applications of this result, in particular, the use of bootstrap standard error estimates for bootstrapping Studentized statistics. A simulation study shows that inference based on bootstrap standard error estimates may be considerably more accurate in small samples than inference based on closed-form asymptotic estimates.