BOOTSTRAP CONFIDENCE INTERVALS IN LINEAR MODELS: CASE OF OUTLIER

Чизиқли моделлардаги ишонч оралиғини баҳолаш ижтимоий фанларда катта қизиқиш уйғотди. Бироқ, ишонч оралиқларини қуришнинг анъанавий ёндашуви бир қатор тахминларга эга, шу жумладан маълумотлар тўплами ҳеч қандай ҳаддан ташқари чегараларга эга эмас. Ушбу тадқиқотда биз чизиқли моделларда жиддий чегаралар мавжудлигини муҳокама қиламиз ва ишонч оралиқларини қуришнинг муқобил усули сифатида юклаш усулини таклиф қиламиз. Намуна ҳажми кичик бўлса ёки популяция тақсимоти нормал бўлмаса, юклашнинг ишонч оралиғи анъанавий ишонч оралиқларидан устун бўлиши мумкин деган хулосага келдик. Ниҳоят, тадқиқотчиларни ушбу тадқиқот натижаларини баҳолаш учун компютер симуляциясини ишга туширишни тавсия қиламиз.

Оценки доверительных интервалов в линейных моделях представляют большой интерес в социальных науках. Однако традиционный подход к построению доверительных интервалов предполагает ряд допущений, включая набор данных, не имеющий экстремальных выбросов. В этом исследовании мы обсуждаем наличие серьезных выбросов в линейных моделях и предлагаем метод начальной загрузки в качестве альтернативного способа построения доверительных интервалов. Мы пришли к выводу, что доверительные интервалы начальной загрузки могут превосходить традиционные доверительные интервалы при наличии выбросов, когда размер выборки невелик или распределение популяции не является нормальным. Наконец, мы призываем исследователей провести компьютерное моделирование, чтобы оценить выводы этого исследования

Confidence interval estimations in linear models have been of large interest in social science. However, traditional approach of building confidence intervals has a set of assumption including dataset having no extreme outliers. In this study, we discuss presence of severe outliers in linear models and suggest bootstrap approach as an alternative way to construct confidence intervals. We conclude that bootstrap confidence intervals can outperform traditional confidence intervals in presence of outliers when sample size is small or population distribution is not normal. Lastly, we encourage researchers to run a computer simulation to evaluate conclusions of this study.