讨论一下bootstrap

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

<P>大家来讨论一下BOOTSTRAP的用法吧 看了command help文档，还是不太懂。我想对一个变量bootstrap 求这个变量的均值的方差 该怎么写命令呢 还要求这个变量的方差的方差。还有_b是指什么呢</P>

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

关键词：Bootstrap Bootstra boots boot Trap command

hey, boostrap is used when your estimates are generated indirectly, for example, if you have used iv. So you simple need to add ",vce(boot)" after the regression command. That will do.

这个问题比较有意思，我也是一知半解

欢迎讨论。

我正在看呢，哪位高手指点一二，听说bootstrap能修正估计的偏差，下面是我估计的结果，用的是最简单的命令

(running xtreg on estimation sample)

Bootstrap replications (50)

----+--- 1 ---+--- 2 ---+--- 3 ---+--- 4 ---+--- 5

.................................................. 50

Fixed-effects (within) regression Number of obs = 232

Group variable (i): n Number of groups = 29

R-sq: within = 0.1165 Obs per group: min = 8

between = 0.0087 avg = 8.0

overall = 0.0070 max = 8

Wald chi2(8) = 21.60

corr(u_i, Xb) = -0.5687 Prob > chi2 = 0.0057

------------------------------------------------------------------------------

| Bootstrap

y1 | Coef. Std. Err. z P>|z| [95% Conf. Interval]

-------------+----------------------------------------------------------------

x11 | .0299174 .037529 0.80 0.425 -.0436382 .103473

x2 | -.001709 .0035098 -0.49 0.626 -.008588 .00517

x3 | -.1030626 .0728897 -1.41 0.157 -.2459237 .0397985

x5 | .0120006 .0037163 3.23 0.001 .0047168 .0192845

x6 | -.0006948 .0007497 -0.93 0.354 -.0021642 .0007745

x7 | -.0002269 .0002382 -0.95 0.341 -.0006938 .0002399

x9 | -.0040276 .0019661 -2.05 0.041 -.0078812 -.0001741

x10 | -.0019916 .0009764 -2.04 0.041 -.0039054 -.0000779

_cons | -.039287 .0561457 -0.70 0.484 -.1493306 .0707566

-------------+----------------------------------------------------------------

sigma_u | .02322199

sigma_e | .0228256

rho | .50860756 (fraction of variance due to u_i)

------------------------------------------------------------------------------

而采用的面版数据固定效应模型中的估计结果是

Fixed-effects (within) regression Number of obs = 232

Group variable (i): n Number of groups = 29

R-sq: within = 0.1165 Obs per group: min = 8

between = 0.0087 avg = 8.0

overall = 0.0070 max = 8

F(8,195) = 3.22

corr(u_i, Xb) = -0.5687 Prob > F = 0.0019

------------------------------------------------------------------------------

y1 | Coef. Std. Err. t P>|t| [95% Conf. Interval]

-------------+----------------------------------------------------------------

x11 | .0299174 .0294872 1.01 0.312 -.0282374 .0880722

x2 | -.001709 .0023167 -0.74 0.462 -.006278 .00286

x3 | -.1030626 .0593385 -1.74 0.084 -.2200903 .0139651

x5 | .0120006 .0032738 3.67 0.000 .005544 .0184572

x6 | -.0006948 .000594 -1.17 0.244 -.0018663 .0004767

x7 | -.0002269 .0002763 -0.82 0.412 -.0007718 .0003179

x9 | -.0040276 .0015183 -2.65 0.009 -.0070221 -.0010331

x10 | -.0019916 .0009712 -2.05 0.042 -.0039071 -.0000762

_cons | -.039287 .0534978 -0.73 0.464 -.1447955 .0662215

-------------+----------------------------------------------------------------

sigma_u | .02322199

sigma_e | .0228256

rho | .50860756 (fraction of variance due to u_i)

------------------------------------------------------------------------------

F test that all u_i=0: F(28, 195) = 3.48 Prob > F = 0.0000

1。上面两个结果的系数估计值是一样的，只是标准误差不同，这是什么意思呢？是不是表明没必要用Bootstrap方法啊？

2．如果增加选择项，应该怎么增加呢？bca、mse

3．“exp_list”什么意思？如何运用？

请高手指点一下

哪位高人能把bootstrap的原理和stata运用讲一下啊，就像“处理面板数据”的帖子一样

bootstrap可以估计置信区间，是通过重复抽样的方法进行。一般来说，对小样本用bootstrap simulation一般可以达到比较好的效果。我也是一知半解，不一定正确。请高手指点。

样本均值的方差的bootstrap估计：

bootstrap, reps(B): mean X

B是重复次数，X是变量。

bootstrap自助法这种抽样方法的得到的统计量期望就是所估计的参数，另外其方差也不会增大。感兴趣的话，可以看看刀切法(jackknife)，比较类似。

好

我也想讨论讨论这个问题!