首页> 中文期刊> 《应用数学进展》 >Bootstrap模型平均置信区间

Bootstrap模型平均置信区间

         

摘要

模型平均作为能够解决模型不确定性的统计推断方法越来越受欢迎,模型平均应用也从点估计扩展到区间估计。目前模型平均置信区间常用方法包括Wald区间和MATA-Wald区间,这些区间都是在参数估计的分布渐近正态的情况下构建的,所以这两种方法在拟合正态数据时效果是非常好的。在本文中,我们将参数估计的Bootstrap分布来近似其真实分布,进而提出了Bootstrap模型平均置信区间,并对这3种方法分别在正态数据和偏态数据的模型下的表现进行模拟比较。模拟结果表明在正态数据的模型下,Bootstrap模型平均置信区间在上错误率和覆盖率方面仅略差于MATA区间。在偏态数据的模型下,百分位数Bootstrap模型平均置信区间的覆盖率要优于Wald区间和MATA区间,并且提供了较好的错误率,特别是上错率,都更接近名义水平。所以Boorstrap区间表现出很好的适应性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号