Bootstrapping funciona bien para acceder a la incertidumbre en la estimación media, sin embargo, recuerdo haber leído en alguna parte que el bootstrap no hace un buen trabajo al evaluar la incertidumbre en las estimaciones cuantiles (particularmente la mediana).
No recuerdo dónde leí esto, y no pude encontrar mucho con una búsqueda rápida en Google. Pensamientos sobre esto y cualquier referencia sería muy apreciada.
Ver también: Rogers, WH 1992. sg11: Errores estándar de regresión cuantil. Boletín técnico de Stata 9: 16–19. Reimpreso en Stata Technical Bulletin Reimpresiones, vol. 2, págs. 133-137. College Station, TX: Stata Press. --- Rogers, WH 1993. sg11.2: Cálculo de errores estándar de regresión cuantil. Boletín técnico de Stata 13: 18–19. Reimpreso en Stata Technical Bulletin Reimpresiones, vol. 3, págs. 77–78. College Station, TX: Stata Press.
—
boscovich
La referencia que menciona podría estar relacionada con (1) Una nota sobre Bootstrapping the Sample Median , (2) Tasa de convergencia exacta del estimador de varianza cuantil bootstrap
Me pregunto si hubo una falta de comunicación. Es bien sabido que el bootstrap funciona mejor en medio de una distribución que en las colas. Por lo tanto, por ejemplo, el arranque de la mediana sería el cuantil más robusto, mientras que el arranque del mínimo o máximo necesariamente falla. Puede encontrar aquí la respuesta de @ cardinal como de interés.
—
gung - Restablece a Monica
@Procrastinator Gracias por las dos referencias muy relevantes que cita. Mi libro que cito en mi respuesta está cargado de referencias a artículos de bootstrap y las dos referencias que cita se enumeran en el libro.
—
Michael R. Chernick
sqregcomando (regresión de cuantiles simultáneos) en Stata estima los errores estándar. Pero esto no prueba nada, lo sé.