동질성 가정을 위반하는 회귀 분석에서 부트 스트래핑 표준 오류와 신뢰 구간이 적절합니까?

표준 OLS 회귀 분석에서 두 가지 가정이 위반되는 경우 (정규 오차 분포, 균일 성), 표준 오차와 신뢰 구간의 부트 스트랩은 회귀 계수의 중요성과 관련하여 의미있는 결과를 얻기위한 적절한 대안입니까?

부트 스트랩 된 표준 오차와 신뢰 구간에 대한 유의성 검정이 이분산성으로 여전히 "작동"합니까?

그렇다면이 시나리오에서 사용할 수있는 해당 신뢰 구간 (백분위 수, BC, BCA)은 무엇입니까?

마지막으로,이 시나리오에서 부트 스트랩이 적절한 경우이 결론에 도달하기 위해 읽고 인용해야하는 관련 문헌은 무엇입니까? 어떤 힌트라도 대단히 감사하겠습니다!

독립적이지만 동일하게 분산되지 않은 데이터로 선형 회귀를 위해 부트 스트랩을 수행하는 방법은 적어도 세 가지 (더 많을 수도 있음)입니다. (예를 들어 시계열 데이터와의 자기 상관 또는 샘플링 설계로 인한 클러스터링으로 인해 "표준"가정에 대한 다른 위반이있는 경우 상황이 더욱 복잡해집니다).

1. 관측치를 전체적으로 다시 샘플링 할 수 있습니다. 즉, 원래 데이터 에서 를 대체하여 표본을 추출 할 수 있습니다 . 이는 Huber-White이 분산 보정 을 수행하는 것과 동일하게 나타납니다 .{ ( y i , x i ) $(y_j^*, {\bf x}_j^*)$$\{ (y_i, {\bf x}_i) \}$
2. 모형을 적합하고 잔차 를 얻을 수 있으며 각각의 경험적 분포에서 대체하여 독립적으로 및 를 다시 샘플링 할 수 있습니다. 이질성 패턴이 있다면,이 부트 스트랩이 일관성이없는 것 같습니다. X * j 개의 E * $e_i = y_i - {\bf x}_i ' \hat\beta$${\bf x}_j^*$$e_j^*$
3. 잔차 부호를 다시 샘플링하는 와일드 부트 스트랩 을 수행 하여 조건부 두 번째 모멘트 (및 조건부 세 번째 모멘트에 대한 추가 조정)를 제어 할 수 있습니다. 이것이 내가 권장하는 절차 일 것입니다. "이분산성을 제어하기 위해 무엇을 했는가? 그것이 어떻게 작동하는지 어떻게 알 수 있습니까?"

궁극적 인 참조는 Wu (1986) 이지만 Annals 는 그림책 읽기가 아닙니다.

의견에 표시된 OP의 후속 질문을 기반으로 한 업데이트 :

복제의 수는 나에게 크게 보였다. 내가 알고있는이 부트 스트랩 매개 변수에 대한 유일한 좋은 논의는 Efron & Tibshirani의 Intro to Bootstrap book에 있습니다.

나는 분포 가정의 부족에 대한 일반적으로 유사한 수정이 Huber / White 표준 오류로 얻을 수 있다고 생각합니다. Cameron & Triverdi의 교과서 는 부트 스트랩과 White의 이분산성 보정의 동등성에 대해 설명합니다. 동등성은 추정치에 대한 일반적인 견고성 이론에서 비롯됩니다 . 두 가지 수정은 유한 한 두 번째 잔차 모멘트의 최소 가정과 관측치 간의 독립성을 통해 분포 가정을 수정하는 것을 목표로합니다. 유한 샘플의보다 구체적인 비교에 대해서는 Hausman and Palmer (2012) 도 참조하십시오 ( 이 문서의 버전은 저자의 웹 사이트 중 하나에서 볼 수 있습니다)$M$부트 스트랩과 이분산성 보정의 비교.