我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
针对有限样本和可能的模型指定错误,考虑了构造基于似然置信集的乘数自举过程。理论结果证明了小样本或中等样本大小的引导有效性,并允许控制参数维$p$的影响:如果$p^{3}/n$较小,则引导近似有效。关于bootstrap有效性的主要结果仍然适用,即使在所谓的小建模偏差条件下错误指定了基础参数模型。在真实模型与考虑的参数族显著偏离的情况下,引导程序仍然适用,但变得有点保守:构建的置信集的大小因建模偏差而增加。我们用错误指定的线性回归和逻辑回归的数值例子来说明结果。
弗拉基米尔·斯波科尼。 玛亚·日洛娃(Mayya Zhilova)。 “模型错误指定下的引导置信集。” 安。统计师。 43 (6) 2653 - 2675, 2015年12月。 https://doi.org/10.1214/15-AOS1355