作者milk0925 (牛奶刺蝟)
看板Statistics
标题[问题] 拔靴法(Bootstrap)的适用时机
时间Sun Mar 20 14:25:02 2016
由於我尝试翻阅由Efron所着之An introduction to the bootstrap之後，
还是对於拔靴法的应用不是很懂，
因此有些关於拔靴法的问题想询问大家，
还望大家协助解惑~
不好意思因为本身并非数理底子很好的学生，
所以看统计学的内容有些吃力...
就我目前所了解到的(包含参阅其他研究文献)：
1.拔靴法主要是用来校正误差的，
且其实未受到研究母群一定得要是常态分配的限制，
因此可以适用在当母群非常常态分布时的状况下使用，
所以假如我的研究中我已经确定我的研究母群并非呈常态分布，
而比较可能是reverse J-shape distribution的话，
那麽如果我在使用统计软体SPSS跑多元线性回归时同时设定跑Bootstrap，
这样的话是正确的吗？
我目前的想法是因为多元回归的基本假设中有提到残差需符合常态，
但是如果检验结果残差未呈常态，
那麽我能够藉由拔靴法的协助在残差未呈常态分布的状况下执行多元回归，
然後有能符合统计方法的使用正确性吗？
因为我就我的了解，
好像拔靴法的使用另一个比较重要的观念为，
若所欲分析的研究样本并非常呈现常态分配，
但是如果所抽样的样本其分布型态与母群的实际分布近似，
依旧是可以使用拔靴法的。
不知道我的理解是否有误？
还请专业的大家帮忙指正，
感谢！
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 114.47.44.82
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Statistics/M.1458455106.A.22A.html
1F：推 sweetJ: Bootstrap跟常态分布有关系吗 03/20 22:52
2F：→ sweetJ: 你的样本本来就不是常态分布，怎麽做都不会是常态啊？ 03/20 22:57
3F：→ milk0925: 所以拔靴法的目的是要让非常态的分布变常态?因为我并没 03/21 09:16
4F：→ milk0925: 有要利用拔靴法将原本非常态的样本做到常态，因为我研究 03/21 09:16
5F：→ milk0925: 的变项其实际分布原则上不太可能是常态QQ 03/21 09:16
6F：→ bmka: 鸡同鸭讲 03/21 09:18
7F：→ Lotusfly: 拔靴法用来估计标准误，以形成信赖区间，检验标准化系数 03/21 10:57
8F：→ Lotusfly: 的显着性。 03/21 10:57
9F：推 sweetJ: Bootstrap就是用你原本的样本去重复取样来算信赖区间，你 03/21 15:19
10F：→ sweetJ: 原本样本就不是常态怎麽取都不是常态啊。另外跑线型模式 03/21 15:19
11F：→ sweetJ: 本来就没有限定一定要常态分布，也可以假设母体不是常态 03/21 15:19
12F：→ sweetJ: 分布。 03/21 15:19
13F：→ sweetJ: 我不知道你文章讲一讲样本不是常态分布，所以要用bootsrap 03/21 15:20
14F：→ sweetJ: 来矫正是什麽意思 03/21 15:20
15F：→ sweetJ: 「但是如果检验结果残差未呈常态，那麽我能够藉由拔靴法 03/21 15:22
16F：→ sweetJ: 的协助在残差未呈常态分布的状况下执行多元回归」这啥？ 03/21 15:22
17F：→ milk0925: 对不起，因为我一直以为multiple linear regression有限 03/21 20:32
18F：→ milk0925: 定被预测的变项其数据分布必需要符合常态才能做推论统计 03/21 20:33
19F：→ milk0925: 更正不是数据分布而是残差分布(虽然我知道好像残差分布 03/21 20:39
20F：→ milk0925: 没呈常态的话，原本数值的分布也不会成常态) 03/21 20:40
21F：推 recorriendo: 看来是连回归的观念都没有懂啊 就更别说进一步的检定 03/22 03:23
22F：→ recorriendo: "残差未呈常态分布的状况下执行多元回归 然後有能符 03/22 03:23
23F：→ recorriendo: 合统计方法的使用正确性吗" 各种回归(OLS,LASSO等等) 03/22 03:26
24F：→ recorriendo: 指的是估计方法 当然不管资料的分布都可以丢下去估计 03/22 03:27
25F：→ recorriendo: "正不正确"的问题只有在你对估计结果的要求下有意义 03/22 03:28
26F：→ recorriendo: 是要不偏估计?还是别的估计?确定了才能讨论正不正确 03/22 03:33
27F：→ recorriendo: 例如在不偏估计的情况下Gauss-Markov thm其实没有要 03/22 03:36
28F：→ recorriendo: 求残差成常态 但须符合变异数同质性及残差不相关 03/22 03:39
29F：→ milk0925: 我找到r大说的Gauss–Markov theorem了，谢谢大家提供我 03/22 20:56
30F：→ milk0925: 很多我不知道的资讯，谢谢大家:) 03/22 20:57
31F：→ recorriendo: 须知:OLS给你一个不偏估计 但接下来检定该估计就关系 03/24 08:18
32F：→ recorriendo: 到分布了 bootstrap是帮你近似求出其分布的方法之一 03/24 08:20
33F：推 sweetJ: Bootstrap最基本就是个让你求各种奇怪分布情况的时候的信 03/25 21:10
34F：→ sweetJ: 赖区间。你就先看看你的样本看起来像什麽分布，去找那个 03/25 21:10
35F：→ sweetJ: 分布的线型模式怎麽跑就是了。 03/25 21:10