Bootstrap ponderado : uma avaliação numérica

Detalhes bibliográficos
Ano de defesa: 2004
Autor(a) principal: Chaves Inácio, Felipe
Orientador(a): Cribari Neto, Francisco
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Pernambuco
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://repositorio.ufpe.br/handle/123456789/6597
Resumo: Em modelos de regressão linear em que os erros são heteroscedásticos, a prática comum é utilizar o estimador de mínimos quadrados ordinários para a estimação dos parâmetros juntamente com um estimador consistente da matriz de covariâncias dessas estimativas que, em geral, é o estimador desenvolvido por White (1980) ou uma de suas variantes. Entretanto, estimadores da matriz de covariâncias baseados em esquemas de bootstrap têm-se mostrado boas alternativas aos estimadores tradicionais. Em especial o estimador desenvolvido por Cribari?Neto & Zarkos (2004), em que a probabilidade de seleção dos resíduos é ponderada pelo inverso do grau de alavancagem, apresenta desempenho superior aos estimadores consistentes tradicionais, principalmente em situações não-balanceadas em que há observações potencialmente influentes. Utilizando simulações de Monte Carlo, foi analisada neste trabalho a sensibilidade desse estimador a diferentes formas de reamostragem através da análise do comportamento de novos estimadores que utilizam outras probabilidades de seleção dos resíduos. Adicionalmente, investigou-se a sensibilidade da inferência baseada neste e em outros estimadores a situações de não-normalidade dos erros