自举是评估中位数估计不确定性的有效方法吗？

自举法很好地处理了均值估计中的不确定性，但是我记得在某个地方阅读引导程序并不能很好地评估分位数估计中的不确定性（尤其是中位数）。

我不记得在哪里读过这篇文章，并且无法通过Google快速搜索找到很多东西。对此的想法和任何参考将不胜感激。

references bootstrap median

— 格伦
source

对于我来说，这听起来很奇怪，因为启动是sqregStata中的（同时分位数回归）命令如何估计标准误差。但是，我知道这并不能证明任何事情。

— boscovich 2012年

另请参见：Rogers，WH1992。sg11：分位数回归标准误差。Stata技术公告9：16–19。转载于《 Stata技术公告》重印本，第一卷。2，第133–137页。德克萨斯大学学院：斯塔塔出版社。--- Rogers，WH，1993年。sg11.2：分位数回归标准误的计算。Stata技术公告13：18-19。转载于《 Stata技术公告》重印本，第一卷。3，第77-78页。德克萨斯大学学院：斯塔塔出版社。

— boscovich 2012年

您提到的参考可能与（1）关于引导样本中位数的注释有关，（2）自举分位数方差估计量的精确收敛速度

我想知道是否有误解。众所周知，引导程序在分布的中间要比在尾部更好。因此，例如，自举中位数将是最可靠的分位数，而自举最小值或最大值必然失败。您可能会在这里发现@cardinal的答案。

— gung-恢复莫妮卡

@Procrastinator谢谢您引用的两个非常相关的参考。我在答案中引用的书中装有对引导程序文章的引用，并且您引用的两个引用都在书中列出。

— Michael R. Chernick

中位数可以自举，并且中位数的估计是自举的良好应用。Staudte and Sheather（1990，pp.83-850 ）此处描述的是对中位数估计值标准误差的引导估计的精确计算，该值最初是由Maritz和Jarrett于1978年在一篇论文中得出的。可以在amazon.com上有关引导程序的书的第48-50页中找到。

— 迈克尔·R·切尼克
source

F

$F$

@Procrastinator是的，您指出了对一致性的适度限制是很好的。基本上，它需要一刻alpha> 0才能存在。

— Michael R. Chernick

（+1）@Michael，我希望您能收到关于这个问题的答复。

@Procrastinator是的，当我在问题中看到术语“引导程序”时，我的眼睛就亮了。

— Michael R. Chernick