Bootstrapping ทำงานได้ดีในการเข้าถึงความไม่แน่นอนในการประมาณค่าเฉลี่ยอย่างไรก็ตามฉันจำได้ว่าการอ่าน bootstrap นั้นไม่ได้ผลดีในการประเมินความไม่แน่นอนในการประมาณแบบควอนไทล์ (โดยเฉพาะค่ามัธยฐาน)
ฉันจำไม่ได้ว่าฉันอ่านตรงไหนและไม่สามารถหาอะไรได้มากมายจากการค้นหาโดย Google อย่างรวดเร็ว ความคิดเกี่ยวกับเรื่องนี้และการอ้างอิงใด ๆ จะได้รับการชื่นชมอย่างมาก
ดูเพิ่มเติมที่: Rogers, WH 1992 sg11: ข้อผิดพลาดมาตรฐานการถดถอยเชิงปริมาณ Stata Technical Bulletin 9: 16–19 พิมพ์ซ้ำในแถลงการณ์ทางเทคนิค Stata 2, pp. 133–137 College Station, TX: Stata Press --- Rogers, WH 1993. sg11.2: การคำนวณข้อผิดพลาดมาตรฐานการถดถอยแบบควอไทล์ Stata Technical Bulletin 13: 18–19 พิมพ์ซ้ำในแถลงการณ์ทางเทคนิค Stata 3, pp. 77–78 College Station, TX: Stata Press
—
boscovich
การอ้างอิงที่คุณพูดถึงอาจเกี่ยวข้องกับ (1) หมายเหตุเกี่ยวกับการเริ่มต้นแบบค่ามัธยฐานตัวอย่าง (2) อัตราการลู่เข้าที่แน่นอนของตัวประมาณค่าความแปรปรวนเชิง
ฉันสงสัยว่ามีการสื่อสารผิดพลาดหรือไม่ มันเป็นที่เข้าใจกันดีว่า bootstrap นั้นทำงานได้ดีกว่าในการกระจายมากกว่าที่หาง ดังนั้นการแบ่งส่วนค่ามัธยฐานจะเป็นควอไทล์ที่มีความแข็งแกร่งที่สุดในขณะที่การเริ่มการทำงานแบบ min หรือ max จำเป็นต้องล้มเหลว คุณอาจพบคำตอบของ @ cardinal ที่นี่เพื่อเป็นที่สนใจ
—
gung - Reinstate Monica
@Procrastinator ขอบคุณสำหรับการอ้างอิงที่เกี่ยวข้องมากสองรายการที่คุณอ้างถึง หนังสือของฉันที่ฉันอ้างถึงในคำตอบของฉันนั้นเต็มไปด้วยการอ้างอิงไปยังบทความ bootstrap และทั้งการอ้างอิงที่คุณอ้างถึงมีการระบุไว้ในหนังสือ
—
Michael R. Chernick
sqregคำสั่ง (พร้อมกันควอนไทล์ถดถอย) ใน Stata ประมาณข้อผิดพลาดมาตรฐาน แต่นี่ไม่ได้พิสูจน์อะไรเลยฉันรู้