Metode Bootstrap dan Jackknife merupakan dua metode yang digunakan untuk mengestimasi suatu distribusi populasi yang tidak diketahui dengan distribusi empiris yang diperoleh dari proses penyampelan ulang. Perbandingan estimasi parameter regresi linier berganda dengan menggunakan metode Bootstrap dan Jackknife menunjukkan bahwa meskipun terjadi heteroskedastisitas error, metode Jackknife memperoleh estimator dari bias, standar error, serta batas atas dan batas bawah interval konfidensi untuk parameter regresi tidak jauh berbeda dengan hasil yang diperoleh dengan metode kuadrat terkecil atau lebih tepatnya metode Generalized Least Square dan lebih baik dibandingkan dengan metode Bootstrap. Dari pembahasan juga diketahui bahwa kelebihan dari kedua metode ini adalah mengabaikan asumsi apapun mengenai distribusi error, namun hasilnya hampir sama.
Copyrights © 2016