Ketika memperkirakan interval kepercayaan rata-rata, saya pikir metode bootstrap t dan metode bootstrap nonparametrik dapat diterapkan, tetapi yang pertama memerlukan sedikit lebih banyak perhitungan.
Saya bertanya-tanya apa kelebihan dan kekurangan bootstrap t daripada bootstrap nonparametric normal? Mengapa?
Apakah ada beberapa referensi untuk menjelaskan ini?
Jawaban:
Bootstrap- masih mengandalkan asumsi untuk distribusi parametrik: Jika distribusi metode bootrap dari statistik memiliki distribusi normal, Anda dapat menggunakan bootstrap- metode. Ini akan menyebabkan CI simetris.
Namun, jika distribusi sampling miring atau bias, lebih baik menggunakan bootstrap persentil (yang memungkinkan untuk CI asimetris).
Sekarang, metode apa yang harus Anda gunakan?
Mengenai bootstrapped berarti: Menurut simulasi oleh Wilcox (2010), persentil bootstrap harus tidak digunakan untuk sarana untrimmed (dalam hal ini bootstrap- bekerja lebih baik); mulai dari 20% pemangkasan, persentil bootstrap melebihi yang bootstrap- (situasi tidak jelas untuk 10% pemangkasan).
Petunjuk lain datang dari Hesterberg et al. (2005, hlm. 14-35):
Kondisi untuk penggunaan yang aman dari bootstrap t dan interval persentasi bootstrap agak kabur. Kami menyarankan Anda memeriksa apakah interval ini masuk akal dengan membandingkannya satu sama lain. Jika bias dari distribusi bootstrap kecil dan distribusinya mendekati normal, interval bootstrap t dan interval kepercayaan persentil akan setuju. Interval persentil, tidak seperti interval t, jangan abaikan skewness. Interval persentil biasanya lebih akurat, selama biasnya kecil. Karena kita akan segera bertemu dengan interval bootstrap yang jauh lebih akurat, rekomendasi kami adalah ketika interval persentasi bootstrap t dan bootstrap tidak sepakat, kedua jenis interval tersebut sebaiknya tidak digunakan.
-> dalam hal terjadi pertentangan lebih baik gunakan CI bootstrap yang diperbaiki BCa!
Hesterberg, T., Monaghan, S., Moore, D., Clipson, A., & Epstein, R. (2005). Metode bootstrap dan tes permutasi. Pengantar Praktik Statistik, 14.1–14.70.
Wilcox, RR (2010). Dasar-dasar metode statistik modern: Secara substansial meningkatkan daya dan akurasi. Springer Verlag.