线性回归M估计量的Wild Bootstrap方法研究.pdfVIP

第 32卷第 8期 统计研究 Vo1．32。No．8 2015年 8月 StatisticalResearch Aug．2015 线性 回归M估计量的 WildBootstrap方法研究 祝金甫 汤 伟 冯兴 东 内容提要 ：WildBootstrap是一种适用于回归方程中存在异方差时 的再取样方法 。本文通过线性 回归 Huber估 计量的模拟研究，比较了不同的bootstrap方法 ，并验证 了wildbootstrap方法在有限样本下的有效性 。通过运用一 种简单有限样本统计量对 wildbootstrap加 以修正，对 于存在异方差性且 基于固定设计 的回归模型而言，wild bootstrap成为首选 的重复抽样法 。 关键词 ：Bahadur表达式 ；异方差误差 ；M估计量 ；Wildbootstrap 中图分类号：0212 文献标识码 ：A 文章编号：1002—4565(2015)08—0099一O5 W ildBootstrap M ethodforM Estim atorsofLinearRegression ZhuJinfu TangWei FengXingdong Abstract：Thewildbootstrap iscapableofaccountingforheteroscedasticityin aregression mode1．In thispaper，a simulationstudy on Huberestimatoroflinearregression is ca~ied outto compare various bootstrap methodsand to demonstratetherelevanceofourworkin finite—sampleproblems．W ithasimplefinite—samplecorrection，thewildbootstrap isapreferredresamplingmethodwhenthereexistsheter0scedasticityinaregressionmodelwithfixeddesignpoints． Keywords：BahadurReprestation；HeteroscedasticError；M Estimators；WildBootstrap 差来模拟实际模型误差 的分布 ，可用于存在模型误 一 、 引言 差异方差的回归分析 中。Feng等 (2011) 表明，由 在许多情况 中，参数估计量 的渐进协方差矩阵 Wu(1986) 和 Liu(1988) 给定 的一类权重分布， 非常复杂并且难 以直接估计 ，无法利用协方差矩阵 即均值和方差分别为 0和 1，并不能产生对分位数 进行统计推断。此 时，可 以考虑利用诸 如 boostrap 回归估计量 (Koenker、Bassett，1978 )有效 的 wild 等再取样的方法来估计协方差矩阵或者直接进行统 bootstrap方法。本文 旨在拓宽 wildbootstrap方法在 计 推 断。例 如 ，Mammen (1991)… ，Shao、Tu 回归分析中的应用 ，使其能适用于更一般 的回归估 (1995) 建立 了在一定条件下有效 的bootstrap方 计量 一M估计量 (Huber，1964 )。 法。简单易用的特点使得bootstrap方法在实际操作 本文安排如下 ：第二部分介绍线性 回归模 型