Bootstrapping Was ist Bootstrapping Bootstrapping beschreibt eine Situation, in der ein Unternehmer beginnt ein Unternehmen mit wenig Kapital, die sich auf anderes Geld als außerhalb Investitionen. Ein Einzelner soll ein Bootstrapping sein, wenn er versucht, ein Unternehmen aus persönlichen Finanzen oder aus den operativen Erträgen des neuen Unternehmens zu gründen und zu bauen. Bootstrapping beschreibt auch ein Verfahren, das verwendet wird, um die Null-Kupon-Renditekurve aus den Marktzahlen zu berechnen. BREAKING DOWN Bootstrapping Bootstrapping ein Unternehmen tritt auf, wenn ein Unternehmer beginnt ein Unternehmen mit wenig bis gar keine Vermögenswerte. Dies ist im Gegensatz zu den Start eines Unternehmens durch erste Kapitalbeschaffung durch Angel-Investoren oder Venture-Capital-Firmen. Stattdessen setzen bootstrapped Gründer auf persönliche Einsparungen, Schweiß-Equity, schlanke Operationen, schnelle Inventar-Umsatz und eine Cash-Start-und Landebahn, um erfolgreich zu werden. Zum Beispiel kann ein bootstrapped Unternehmen Vororder für sein Produkt zu nehmen, damit die Mittel aus den Aufträgen, um tatsächlich zu bauen und liefern das Produkt selbst generiert. Bei der Investitionsfinanzierung ist bootstrapping eine Methode, die eine Kassakurve für eine Null-Kupon-Anleihe aufbaut. Beispiel für die Verwendung von Bootstrapping für Spotraten Diese Methode wird im Wesentlichen verwendet, um die Lücken zwischen Renditen für Treasury-Wertpapiere oder Treasury Coupon Strips auszufüllen. Da zum Beispiel die von der Regierung angebotenen T-Bills nicht für jeden Zeitraum verfügbar sind, wird das Bootstrapping-Verfahren verwendet, um die fehlenden Zahlen auszufüllen, um die Zinskurve abzuleiten. Das Bootstrap-Verfahren verwendet Interpolation, um die Renditen für Treasury-Zero-Coupon-Wertpapiere mit verschiedenen Laufzeiten zu bestimmen. Ein Beispiel für Bootstrapping ein Business Im Vergleich mit der Verwendung von Venture Capital. Bootstrapping kann von Vorteil sein, weil der Unternehmer in der Lage ist, die Kontrolle über alle Entscheidungen zu halten. Auf der Unterseite. Diese Form der Finanzierung kann unnötiges finanzielles Risiko für den Unternehmer. Darüber hinaus kann Bootstrapping nicht genug Investition für das Unternehmen, um erfolgreich zu einem vernünftigen Preis. Allerdings gab es viele erfolgreiche Unternehmen, die als bootstrapped Betrieb gestartet. Zum Beispiel wurde die Heimat-Suchplattform Estately von den beiden Gründern Galen Ward und Douglas Cole bootstrapiert. Ward beendigte seine Arbeit im Jahr 2007, um das Unternehmen zu gründen und überzeugte seinen Partner, aus der Graduiertenschule fallen, um ihn zu verbinden. Mit genügend persönlichen Finanzen, um für ein Jahr zu leben, investierten die beiden Mitbegründer 4.000 insgesamt, um einen günstigen Server zu kaufen, zahlen für Gründungskosten und pflegen eine Start-und Landebahn, die verschiedene Ausgaben abdecken könnte. Das Unternehmen wuchs von der 4.000 persönliche Investition zu einem berichteten 1 Million im Umsatz am 26. Februar 2014. Es wurde auch berichtet, dass 17 Mitarbeiter haben. Darüber hinaus können bootstrapped Unternehmen, auch wenn sie erfolgreich sind, noch entscheiden, auf zukünftige Investitionen zu nehmen. In der Tat ist dies oft der Fall, wenn ein erfolgreiches Unternehmen ein Wachstum Plateau schlägt und nutzt externe Investitionen, um sein Geschäft zu beschleunigen. Status: Datenanalyse und statistische Software Bootstrap Probenahme und Schätzung Bootstrap von Stata Befehle Boostrap von benutzerdefinierten Programmen Standard-Fehler und Bias (Siehe Efron 1979. 1982 Efron und Tibshirani 1993 Mooney und Duval 1993). Wir bieten zwei Optionen, um die Bootstrap-Schätzung zu vereinfachen. Bsample zieht eine Probe mit Ersatz aus einem Datensatz. Bsample kann in benutzerdefinierten Programmen verwendet werden. Es ist jedoch einfacher, eine Bootstrap-Schätzung mit dem Bootstrap-Präfix durchzuführen. Bootstrap ermöglicht es dem Benutzer, einen Ausdruck zu liefern, der eine Funktion der gespeicherten Ergebnisse existierender Befehle ist, oder man kann ein Programm schreiben, um die Statistik von Interesse zu berechnen. Bootstrap kann dann wiederholt ein Muster mit einem Ersatz zeichnen, das vom Anwender geschriebene Programm ausführen, die Ergebnisse in einen neuen Datensatz sammeln und die Ergebnisse präsentieren. Das benutzerdefinierte Berechnungsprogramm ist einfach zu schreiben, da jeder Stata-Befehl die von ihm berechneten Statistiken speichert. Nehmen wir zum Beispiel an, dass wir die Bootstrap-Schätzung des Standardfehlers des Medians einer Variablen mit der Bezeichnung mpg erhalten möchten. Statas-Funktion berechnet und zeigt zusammenfassende Statistiken mit zusammenfassen, berechnet es Mittel, Standardabweichungen, Schiefe, Kurtosis und verschiedene Perzentile. Unter diesen Perzentilen ist die 50. Perzentilemdashthe Median. Zusätzlich zu der Anzeige der berechneten Ergebnisse, zusammenfassen speichert sie und suchen in der Anleitung, entdecken wir, dass der Median in r gespeichert (p50). Um eine Bootstrap-Schätzung ihres Standardfehlers zu erhalten, brauchen wir nur noch Typ. Bootstrap r (p50), Wiederholungen (1000): Zusammenfassen von mpg, detail und bootstrap wird die ganze Arbeit für uns erledigen. Nun auch eine Seed () - Option, so dass Sie unsere Ergebnisse reproduzieren können. . Webuse auto (1978 Kfz-Daten). Bootstrap r (p50), reps (1000) seed (1234): zusammenfassen mpg, detail (zusammenfassen auf Schätzprobe zusammenfassen) Warning: Da summarise kein Schätzbefehl ist oder keine e (sample) setzt, hat bootstrap keine Möglichkeit zu bestimmen Welche Beobachtungen bei der Berechnung der Statistiken verwendet werden, und nimmt daher an, daß alle Beobachtungen verwendet werden. Dies bedeutet, dass keine Beobachtungen aufgrund fehlender Werte oder anderer Gründe von der Neuabtastung ausgeschlossen werden. Wenn die Annahme nicht zutrifft, drücken Sie die Schaltfläche Pause, sichern Sie die Daten und löschen Sie die Beobachtungen, die ausgeschlossen werden sollen. Stellen Sie sicher, dass der Dataset im Speicher nur die relevanten Daten enthält. (N) normales Konfidenzintervall (P) Perzentil-Konfidenzintervall (BC) Bias-korrigiertes Konfidenzintervall Für (n) normales Konfidenzintervall (P) Ein Beispiel, wenn wir ein Programm schreiben müssten, betrachten den Fall der bootstrapping das Verhältnis von zwei Mitteln. Zuerst definieren wir die Berechnungsroutine, die wir nennen können, was wir wollen, Programm myratio, rclass Version 14 zusammenfassen Länge lokale Länge r (Mittelwert) Summe Umdrehung Ortskurve r (Mittelwert) Rückkehr Skalar Verhältnis Längenabstand Unsere Programmanrufe fassen zusammen und speichern den Mittelwert Der variablen Länge in einem lokalen Makro. Das Programm wiederholt dann diese Prozedur für die zweite variable Kurve. Schließlich wird das Verhältnis der beiden Mittel berechnet und von unserem Programm in dem gespeicherten Ergebnis, das wir r (Verhältnis) nennen, zurückgesendet. Mit unserem geschriebenen Programm können wir nun die Bootstrap-Schätzung durch einfaches Schreiben erhalten. Bootstrap r (ratio), reps (): myratio Dies bedeutet, dass wir bootstrap mit unserem myratio-Programm für Replikationen ausführen werden. Unten verlangen wir 1.000 Replikationen und geben Sie ein Zufallszahlenkorn an, damit Sie unsere Ergebnisse reproduzieren können:. Achtung: Da es sich bei myratio nicht um einen Schätzbefehl handelt oder e (sample) nicht gesetzt ist, hat bootstrap keine Möglichkeit, festzustellen, welche Beobachtungen vorliegen Die bei der Berechnung der Statistiken verwendet werden, und nimmt daher an, daß alle Beobachtungen verwendet werden. Dies bedeutet, dass keine Beobachtungen aufgrund fehlender Werte oder anderer Gründe von der Neuabtastung ausgeschlossen werden. Wenn die Annahme nicht zutrifft, drücken Sie die Schaltfläche Pause, sichern Sie die Daten und löschen Sie die Beobachtungen, die ausgeschlossen werden sollen. Stellen Sie sicher, dass der Dataset im Speicher nur die relevanten Daten enthält. Bootstrap-Replikation (1000) (Ausgabe ausgelassen) Bootstrap-Ergebnisse Anzahl der obs 74 Replikationen 1000 Befehl: myratio bs1: r (Verhältnis) Das Verhältnis, berechnet über die ursprüngliche Probe, ist 4.739945 die Bootstrap-Schätzung des Standardfehlers des Verhältnisses ist 0,0344786. Hätten wir den 1000-Beobachtungs-Datensatz der bootstrapierten Ergebnisse für die anschließende Analyse beibehalten wollen, hätten wir getippt. Bootstrap r (ratio), reps (1000) seed (4567) save (mydata): myratio bootstrap kann mit jedem beliebigen Stata-Schätzer oder Rechenbefehl und sogar mit benutzerdefinierten Berechnungsbefehlen verwendet werden. Wir haben einen Bootstrap gefunden, der besonders nützlich ist, um Schätzwerte der Standardfehler von Quantil-Regressionskoeffizienten zu erhalten. Stata führt eine Quantilregression durch und erhält die Standardfehler nach der von Koenker und Bassett vorgeschlagenen Methode (1978, 1982). Rogers (1992) berichtet, dass diese Standardfehler im homoskedastischen Fall zufriedenstellend sind, dass sie jedoch in Gegenwart heteroskedastischer Fehler unterschätzt zu sein scheinen. Eine Alternative besteht darin, die geschätzten Koeffizienten zu booten, um die Standardfehler zu erhalten. Zum Beispiel sagen, dass Sie eine Median-Regression des Preises auf Variablen Gewicht schätzen möchten. Länge. Und fremd. Typing qreg Preis Gewicht Länge ausländischen produzieren die Schätzungen zusammen mit KoenkerndashBassett Standardfehler. Um Bootfehler-Standardfehler zu erhalten, können wir den Befehl ausgeben. Bootstrap, reps (): qreg Preis Gewicht Länge fremd Wir empfehlen dieses Verfahren so hoch, dass Gould (1992) schrieb einen neuen Befehl in Statarsquos Programmiersprache weiter zu automatisieren dieses Verfahren für die Quantil-Regression. Typing bsqreg Preis Gewicht Länge ausländischen produzieren auch die bootstrapped Ergebnisse. Referenzen Efron, B. 1979. Bootstrap-Methoden: ein weiterer Blick auf die Buchse. Annalen der Statistiken 7: 1ndash26. ------. 1982. Das Jackknife, das Bootstrap und andere Resampling Pläne. Philadelphia: Gesellschaft für industrielle und angewandte Mathematik. Efron, B. und R. J. Tibshirani. 1993. Eine Einführung in das Bootstrap. New York: Chapman Amp Hall. Gould, W. 1992. sg11.1: Quantilregression mit bootstrapierten Standardfehlern. Stata Technisches Bulletin 9. 19ndash21. Nachdruck in Stata Technical Bulletic Reprints. Vol. 2, Seiten 137 bis 139. Koenker, R. und G. Bassett, Jr. 1978. Asymptotische Theorie der kleinsten absoluten Fehlerregression. Zeitschrift der American Statistical Association 73: 618ndash622. ------. 1982. Robuste Tests für die Heteroskedastizität auf der Grundlage von Regressionsquantilen. Econometrica 50: 43ndash61. Mooney, C. Z. und R. D. Duval. 1993. Bootstrapping: Ein nicht-parametrischer Ansatz für statistische Inferenz. Newbury Park, Kalifornien: Salbei. Rogers, W. H. 1992. sg11: Quantilregression-Standardfehler. Stata Technisches Bulletin 9. 16ndash19. Nachgedruckt im Stata Technical Bulletin. Vol. 2, S. 133ndash137.
No comments:
Post a Comment