A WILD BOOTSTRAP FOR DEPENDENT DATA
适用于相依数据的野生自助法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：摘要明确讨论相依数据及平稳时间序列中的自助法推断。
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
适用于相依数据的野生自助法
- 研究问题
- 在异质且相依的数据中，如何用野生自助法估计标准误和构造置信区域，并获得一阶有效性及特定情形的二阶正确性？
- 方法与思路
- 作者提出相依数据野生自助法，在样本均值的光滑函数框架下分析方差与分布近似，并使用近历相依条件。
- 材料陈述的贡献
- 摘要称方差估计对异方差和未知形式相依具有稳健性；在平稳序列及适当外部随机变量下可保留块自助法的二阶正确性。
- 阅读关注点
- 应核对近历相依与矩条件、外部随机变量的选取，以及方差一致性、一阶有效性和二阶正确性的适用范围。
- 阅读边界
- 仅据所给 Crossref 版本摘要；具体条件与模拟数值未说明，未知相依形式的稳健性不表示允许任意程度的依赖。
原文摘要
This paper introduces a novel wild bootstrap for dependent data (WBDD) as a means of calculating standard errors of estimators and constructing confidence regions for parameters based on dependent heterogeneous data. The consistency of the bootstrap variance estimator for smooth function of the sample mean is shown to be robust against heteroskedasticity and dependence of unknown form. The first-order asymptotic validity of the WBDD in distribution approximation is established when data are assumed to satisfy a near epoch dependent condition and under the framework of the smooth function model. The WBDD offers a viable alternative to the existing non parametric bootstrap methods for dependent data. It preserves the second-order correctness property of blockwise bootstrap (provided we choose the external random variables appropriately), for stationary time series and smooth functions of the mean. This desirable property of any bootstrap method is not known for extant wild-based bootstrap methods for dependent data. Simulation studies illustrate the finite-sample performance of the WBDD.