Constructing Confidence Intervals Using the Bootstrap: An Application to a Multi-Product Cost Function

Eakin, B. Kelly; McMillen, Daniel P.; Buono, Mark J.

doi:10.2307/2109725

Cited by 54 publications

(23 citation statements)

References 7 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Williams (1986), Rocke (1989), Rayner (1990aRayner ( , 1990b, Eakin, McMillen and Buono (1990), Affleck-Graves and McDonald (1990), Martin (1990), Atkinson and Wilson (1992), and Rilstone and Veall (1996). Although long recognized as a useful alternative to standard asymptotic methods, the bootstrap only has an asymptotic justification when the null distribution of the test statistic involves nuisance parameters, hence the finite sample properties of bootstrap tests remain to be established.…”

Section: Introductionmentioning

confidence: 99%

Simulation based finite and large sample tests in multivariate regressions

Dufour

Khalaf

2002

Journal of Econometrics

View full text Add to dashboard Cite

CIRANOLe CIRANO est un organisme sans but lucratif constitué en vertu de la Loi des compagnies du Québec. Le financement de son infrastructure et de ses activités de recherche provient des cotisations de ses organisationsmembres, d'une subvention d'infrastructure du ministère de la Recherche, de la Science et de la Technologie, de même que des subventions et mandats obtenus par ses équipes de recherche. CIRANO is a private non-profit organization incorporated under the Résumé / AbstractDans le contexte des modèles de régression multivariés (MLR), il est bien connu que les tests asymptotiques usuels tendent à rejeter trop souvent les hypothèse considérées. Dans cet article, nous proposons une méthode générale qui permet de construire des tests exacts pour des hypothèses possiblement non linéaires sur les coefficients de tels modèles. Pour le cas des hypothèse uniformes linéaires, nous présentons des résultats sur la distribution exacte de plusieurs statistiques de test usuelles. Ces dernières incluent le critère du quotient de vraisemblance (Wilks), de même que les critères de la trace et de la racine maximale. L'hypothèse de normalité des erreurs n'est pas requise pour la plupart des résultats présentés. Ceux-ci ont deux types de conséquences pour l'inférence statistique. Premièrement, l'invariance par rapport aux paramètres de nuisance signifie que l'on peut appliquer la technique des tests de Monte Carlo afin de construire des tests exacts pour les hypothèses uniformes linéaires. Deuxième-ment, nous montrons comment exploiter cette propriété afin d'obtenir des bornes sans paramètres de nuisance sur la distribution des statistiques de quotient de vraisemblance pour des hypothèses générales. Même si les bornes ne sont pas faciles à calculer par des moyens analytiques, on peut les simuler aisément et ainsi effectuer des tests de Monte Carlo à bornes. Nous présentons une expérience de simulation qui montre que ces bornes sont suffisamment serrées pour fournir des résultats concluants avec une forte probabilité. Nos résultats démontrent la valeur de ces bornes comme instrument à utiliser conjointement avec des méthodes d'inférence simulée plus traditionnelles (telles que le bootstrap paramétrique) que l'on peut appliquer lorsque le test à borne n'est pas concluant.

show abstract

Section: Introductionmentioning

confidence: 99%

Simulation based finite and large sample tests in multivariate regressions

Dufour

Khalaf

2002

Journal of Econometrics

View full text Add to dashboard Cite

show abstract

“…28 Bootstrapping is advantageous because it does not require treatment of insignificant wage coefficients from the first stage to quantify the extensive margin. Moreover, Eakin, McMillen and Buono (1990) show in simulations that analytic confidence intervals for elasticity estimates can widely differ from bootstrapped confidence intervals.…”

Section: Labor Demand Estimation With Selectivity Correctionmentioning

confidence: 95%

Margins of Multinational Labor Substitution

Muendler¹,

Becker²

2009

View full text Add to dashboard Cite

Employment at multinational enterprises (MNEs) responds to wages at the extensive margin, when an MNE enters a foreign location, and at the intensive margin, when an MNE operates existing affiliates. We present an MNE model and conditions for parametric and nonparametric identification. Prior studies rarely found wages to affect MNE employment. We document a complementarity bias when the extensive margin is excluded and detect salient labor substitution at both margins for German manufacturing MNEs. With a one-percent increase in home wages, for instance, MNEs add 2,000 jobs in Eastern Europe at the extensive margin and 4,000 jobs overall; a converse one-percent drop in Eastern European wages removes 730 German MNE jobs.

show abstract

“…When the estimatorx T is biased, a transformationφ = h(x T ) such thatφ ∼ N(φ, τ 2 ) does not exist and BP intervals are not accurate [14,23]. Efron [24,25] introduced a modification of the BP method which incorporated a bias correction factor z 0 .…”

Section: Bias-corrected Bootstrap (Bc)mentioning

confidence: 99%

“…Efron [27] showed that such a transformation does exist. When the acceleration coefficient a = 0, the BCA intervals are equivalent to BC [23].…”

Section: Accelerated Bias-corrected Bootstrap (Bca)mentioning

confidence: 99%

Comparison of Bootstrap Confidence Intervals Using Monte Carlo Simulations

Flowers-Cano

Ortíz-Gómez

León-Jiménez

et al. 2018

Water

View full text Add to dashboard Cite

Design of hydraulic works requires the estimation of design hydrological events by statistical inference from a probability distribution. Using Monte Carlo simulations, we compared coverage of confidence intervals constructed with four bootstrap techniques: percentile bootstrap (BP), bias-corrected bootstrap (BC), accelerated bias-corrected bootstrap (BCA) and a modified version of the standard bootstrap (MSB). Different simulation scenarios were analyzed. In some cases, the mother distribution function was fit to the random samples that were generated. In other cases, a distribution function different to the mother distribution was fit to the samples. When the fitted distribution had three parameters, and was the same as the mother distribution, the intervals constructed with the four techniques had acceptable coverage. However, the bootstrap techniques failed in several of the cases in which the fitted distribution had two parameters.

show abstract

Constructing Confidence Intervals Using the Bootstrap: An Application to a Multi-Product Cost Function

Cited by 54 publications

References 7 publications

Simulation based finite and large sample tests in multivariate regressions

Simulation based finite and large sample tests in multivariate regressions

Margins of Multinational Labor Substitution

Comparison of Bootstrap Confidence Intervals Using Monte Carlo Simulations

Contact Info

Product

Resources

About