Le bootstrap fonctionne bien pour accéder à l'incertitude de l'estimation moyenne, mais je me souviens avoir lu quelque part que le bootstrap ne fait pas du bon travail pour évaluer l'incertitude des estimations quantiles (en particulier la médiane).
Je ne me souviens pas où j'ai lu cela, et je n'ai pas trouvé grand-chose avec une recherche rapide sur Google. Des réflexions à ce sujet et toute référence seraient grandement appréciées.
Voir aussi: Rogers, WH 1992. sg11: Erreurs standard de régression quantile. Bulletin technique Stata 9: 16-19. Réimprimé dans Stata Technical Bulletin Reprints, vol. 2, p. 133-137. College Station, TX: Stata Press. --- Rogers, WH 1993. sg11.2: Calcul des erreurs standard de régression quantile. Bulletin technique Stata 13: 18-19. Réimprimé dans Stata Technical Bulletin Reprints, vol. 3, pp. 77–78. College Station, TX: Stata Press.
—
boscovich
La référence que vous mentionnez peut être liée à (1) une note sur le bootstrap de la médiane de l'échantillon , (2) le taux de convergence exact de l'estimateur de variance quantile bootstrap
Je me demande s'il y a eu une mauvaise communication. Il est bien entendu que le bootstrap fonctionne mieux au milieu d'une distribution qu'à la queue. Ainsi, par exemple, l'amorçage de la médiane serait le quantile le plus robuste, tandis que l'amorçage du min ou du max échoue nécessairement. Vous pouvez trouver la réponse de @ cardinal ici intéressante.
—
gung - Rétablir Monica
@Procrastinator Merci pour les deux références très pertinentes que vous citez. Mon livre que je cite dans ma réponse est chargé de références à des articles d'amorçage et les deux références que vous citez sont répertoriées dans le livre.
—
Michael R. Chernick
sqreg(régression simultanée quantile) dans Stata estime les erreurs standard. Mais cela ne prouve rien, je sais.