ДОВЕРИТЕЛЬНЫЕ ИНТЕРВАЛЫ OLS В НЕЛИНЕЙНЫХ МОДЕЛЯХ: МЕТОД БУТСТРАПА
Аннотация
Линейные модели стали мощным эконометрическим инструментом, используемым для демонстрации взаимосвязи между двумя или более переменными. Многие исследования также используют линейную аппроксимацию для нелинейных случаев, поскольку она все еще может дать достоверные результаты. Метод МНК требует, чтобы отношения зависимых и независимых переменных были линейными, хотя во многих исследованиях используется приближение МНК даже для нелинейных случаев. В этом исследовании мы представляем альтернативный метод оценки интервалов, бутстрап, в линейных регрессиях, когда взаимосвязь нелинейна. Мы сравниваем традиционные доверительные интервалы и доверительные интервалы начальной загрузки, когда данные имеют нелинейную зависимость. Поскольку нам необходимо знать истинные параметры, мы проводим моделирование. Результаты нашего исследования показывают, что, когда член ошибки имеет ненормальную форму, бутстрап-интервал превосходит традиционный метод из-за отсутствия предположения о распределении и более широкой ширины интервала.
Ключевые слова:
МНК нелинейная модель, размер выборки доверительный интервал бутстрап точность размер интервала дисперсияБиблиографические ссылки
Davison , A. C. , and Hinkley , D. V. (1997). Bootstrap Methods and Their Applications. Cambridge University Press, Cambridge .
Efron , B., and Tibshirani , R. (1986). Bootstrap methods for standard errors, confidence intervals and other measures of statistical accuracy. Statistical Science. Vol. 1 , 54 – 77
Efron, B. (1979). Bootstrap methods: Another look at the jackknife. The Annals of Statistics, 7(1), 1-26.
Efron, B. (1982). The Jackknife, the Bootstrap and Other Resampling Plans. SIAM, Philadelphia
Efron, B., and Tibshirani, R. J. (1993). An introduction to the bootstrap. Chapman and Hall/CRC.
Efron, B., and Tibshirani, R. J. (1994). An introduction to the bootstrap (Vol. 57). Chapman and Hall/CRC.
Efron, B., and Tibshirani, R. J. (1998). The art of statistical learning (Vol. 1). Springer.
Faraway, J. J. (2006). Extending the linear model with R: Generalized linear, mixed effects and nonparametric regression models. Chapman and Hall/CRC.
Faraway, J. J. (2014). Linear models and extensions (Vol. 14). Springer.
Fox, J. (2016). An R companion to applied regression (3rd ed.). Sage Publications.
Freedman , D. A. (1981). Bootstrapping regression models. Annals of Statistics, 9, 1218 – 1228
Gamerman, J. A., and Lopes, H. F. (2006). Markov chain Monte Carlo: Stochastic simulation for Bayesian inference (2nd ed.). Chapman and Hall/CRC.
Harvey, D. I. (2013). Linear regression analysis for count data (2nd ed.). John Wiley and Sons.
Montgomery, D. C.,and Chatterjee, S. (2015). Design and analysis of experiments (8th ed.). John Wiley and Sons.
Pindyck, R. S., and Rubinfeld, D. L. (2013). Econometric models and economic forecasts (5th ed.). Pearson Education.
Wasserman, L. (2004). All of statistics: A concise course with applications. Springer.
Weisberg, S. (2014). Applied linear regression (4th ed.). John Wiley and Sons.
Wu, C. F. J. (2004). Asymptotic theory for nonlinear regression. Chapman and Hall/CRC.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
