Cada vez recurro más al bootstrap en mis análisis para estimar la variabilidad de los parámetros de los modelos de regresión glm.
Normalmente informo de la estimación bootstrap del parámetro (la media de la distribución bootstrap), pero por la teoría sé que la estimación bootstrap debería acercarse a la estimación original si todos $n^n$ se evalúan las posibles remuestreos para construir la distribución.
Así que empecé a preguntarme si tal vez en los resultados debería informar del parámetro original en lugar del bootstrap, junto con los estadísticos de variabilidad derivados del bootstrap (por ejemplo, los IC de BCa). O tal vez la estimación corregida por el sesgo ( $2*\theta-\theta^*$ )?
Según su experiencia, ¿cuál es el lugar común y lo correcto?