校正的Bootstrap方法对概化理论方差分量及其变异量估计的改善

摘要

Bootstrap方法是一种有放回的再抽样方法,可用于概化理论的方差分量及其变异量估计。用Monte Carlo技术模拟四种分布数据,分别是正态分布、二项分布、多项分布和偏态分布数据。基于p×i设计,探讨校正的Bootstrap方法相对于未校正的Bootstrap方法,是否改善了概化理论估计四种模拟分布数据的方差分量及其变异量。结果表明:跨越四种分布数据,从整体到局部,不论是"点估计"还是"变异量"估计,校正的Bootstrap方法都要优于未校正的Bootstrap方法,校正的Bootstrap方法改善了概化理论方差分量及其变异量估计。