多水平模型的 wild bootstrap
统计方法学
2015-08-25 v1
摘要
本文研究了最流行的 bootstrap 方案在多水平数据上的表现。同时，我们针对分层数据结构提出了一种改进的 wild bootstrap 过程。wild bootstrap 不要求同方差性，也不对误差过程的分布作假设。因此，它是多水平框架下进行稳健推断的有价值工具。我们通过 Monte Carlo 研究评估了各方案的有限样本容量性能。结果表明，对于大样本，采用不可知方法总是值得的，因为 wild bootstrap 优于其他技术。
引用
@article{arxiv.1508.05713,
title = {The wild bootstrap for multilevel models},
author = {Lucia Modugno and Simone Giannerini},
journal= {arXiv preprint arXiv:1508.05713},
year = {2015}
}