เมื่อประเมินช่วงความมั่นใจของค่าเฉลี่ยฉันคิดว่าทั้งวิธี bootstrap t และวิธี bootstrap แบบ nonparametric นั้นสามารถใช้ได้ แต่วิธีแรกนั้นต้องใช้การคำนวณมากกว่าเล็กน้อย
ฉันสงสัยว่าข้อดีและข้อเสียของ bootstrap ที่มากกว่า bootstrap nonparametric ปกติคืออะไร? ทำไม?
มีการอ้างอิงบางอย่างสำหรับการอธิบายเรื่องนี้หรือไม่?
คำตอบ:
Bootstrap-ยังคงอาศัยอยู่กับสมมติฐานสำหรับการกระจายพารา: หากการกระจายของ boostrap สถิติมีการกระจายปกติคุณสามารถใช้ bootstrap-วิธี สิ่งนี้จะนำไปสู่ CI ที่สมมาตร
อย่างไรก็ตามหากการแจกแจงการสุ่มตัวอย่างเบ้หรือเอนเอียงจะเป็นการดีกว่าที่จะใช้ bootstrap เปอร์เซ็นไทล์ (ซึ่งอนุญาตให้ CIs แบบอสมมาตร)
ตอนนี้คุณควรใช้วิธีใด
เกี่ยวกับการ bootstrapped เฉลี่ย: ตามแบบจำลองโดยวิลคอกซ์ (2010), เปอร์เซ็นต์บูตควรไม่ได้นำมาใช้สำหรับวิธีการตัดหรือเล็ม (ในกรณีนี้ bootstrap-ทำงานได้ดีขึ้น); เริ่มต้นจาก 20% ตัดเปอร์เซ็นต์บูตมีประสิทธิภาพดีกว่า bootstrap- (สถานการณ์ที่ชัดเจนสำหรับการตัดแต่ง 10%)
คำใบ้อื่นมาจาก Hesterberg และคณะ (2005, p. 14-35):
เงื่อนไขสำหรับการใช้ bootstrap t และ bootstrap เปอร์เซ็นไทล์เปอร์เซ็นต์แบบอินเตอร์อย่างปลอดภัยนั้นค่อนข้างคลุมเครือ เราขอแนะนำให้คุณตรวจสอบว่าช่วงเวลาเหล่านี้มีความสมเหตุสมผลหรือไม่โดยการเปรียบเทียบกับช่วงเวลาอื่น ๆ หากอคติของการกระจาย bootstrap มีขนาดเล็กและการกระจายอยู่ใกล้ปกติ bootstrap t และช่วงความเชื่อมั่นเปอร์เซ็นต์จะเห็นด้วยอย่างใกล้ชิด เปอร์เซ็นไทล์แบบช่วงเวลาไม่เหมือนกันอย่าเพิกเฉยต่อความเบ้ เปอร์เซนต์เปอร์เซ็นไทล์นั้นมีความแม่นยำมากกว่าตราบใดที่อคติมีค่าน้อย เนื่องจากเร็ว ๆ นี้เราจะได้พบกับช่วงเวลา bootstrap ที่แม่นยำมากขึ้นคำแนะนำของเราคือเมื่อ bootstrap t และช่วงเวลา bootstrap เปอร์เซ็นต์ไทล์ไม่เห็นด้วยอย่างใกล้ชิดไม่ควรใช้ช่วงเวลาชนิดใด
-> ในกรณีที่ไม่เห็นด้วยควรใช้ bootstrap CI ของ BCA ที่ได้รับการแก้ไข!
Hesterberg, T. , Monaghan, S. , Moore, D. , Clipson, A. , & Epstein, R. (2005) วิธีบูทสแตรปและการทดสอบการเปลี่ยนรูป ความรู้เบื้องต้นเกี่ยวกับการปฏิบัติของสถิติ, 14.1–14.70
Wilcox, RR (2010) ความรู้พื้นฐานของวิธีการทางสถิติสมัยใหม่: ปรับปรุงกำลังและความแม่นยำอย่างมาก Springer Verlag