Bootstrap ponderado: uma avaliaÃÃo numÃrica

AUTOR(ES)

Felipe Chaves InÃcio

DATA DE PUBLICAÇÃO

2004

RESUMO

Em modelos de regressÃo linear em que os erros sÃo heteroscedÃsticos, a prÃtica comum à utilizar o estimador de mÃnimos quadrados ordinÃrios para a estimaÃÃo dos parÃmetros juntamente com um estimador consistente da matriz de covariÃncias dessas estimativas que, em geral, à o estimador desenvolvido por White (1980) ou uma de suas variantes. Entretanto, estimadores da matriz de covariÃncias baseados em esquemas de bootstrap tÃm-se mostrado boas alternativas aos estimadores tradicionais. Em especial o estimador desenvolvido por CribariâNeto &Zarkos (2004), em que a probabilidade de seleÃÃo dos resÃduos à ponderada pelo inverso do grau de alavancagem, apresenta desempenho superior aos estimadores consistentes tradicionais, principalmente em situaÃÃes nÃo-balanceadas em que hà observaÃÃes potencialmente influentes. Utilizando simulaÃÃes de Monte Carlo, foi analisada neste trabalho a sensibilidade desse estimador a diferentes formas de reamostragem atravÃs da anÃlise do comportamento de novos estimadores que utilizam outras probabilidades de seleÃÃo dos resÃduos. Adicionalmente, investigou-se a sensibilidade da inferÃncia baseada neste e em outros estimadores a situaÃÃes de nÃo-normalidade dos erros

ASSUNTO(S)

esquemas de bootstrap estatistica estimador consistente da matriz de covariÃnÃas estimadores de mÃnimos quadrados ordinÃrios

Documentos Relacionados

• AvaliaÃÃo numÃrica da comunicaÃÃo de vÃdeo em redes ATM com enlace sem fio.
• SimulaÃÃo numÃrica de um forno de reaquecimento
• Ensaio experimental e anÃlise numÃrica do escoamento em uma contraÃÃo.
• SimulaÃÃo numÃrica do escoamento turbulento em bomba ejetora.
• Overedeucation e undereducation em Pernambuco: uma avaliaÃÃo empÃrica