我已经阅读了相当多的引导程序，但我想解决的问题似乎没有出现。

考虑一个简单的回归模型：

$$y_{i} = \beta_{0} + \beta_{1}x_{i} + e_{i}$$

我知道自举对于获得估计系数的标准误差非常有用$\hat{\beta_{0}}$和$\hat{\beta_{1}}$，以及回归的其他统计量。但我的兴趣在于预测的错误$\hat{e_{i}}$. 每次引导迭代都会生成一组$\hat{e_{i}}$. 因此，对于每个观察单位$i$， 我有$M$的值$\hat{e_{i}}$.

我可以用这些吗$M$值以获得标准误差$\hat{e_{i}}$ 对于每个$i$? 这将非常有用，例如，识别具有高标准误差的单位，这可能表示测量错误或编码错误等。但也有其他用途。

直觉上，这对我来说似乎是可能的，但我想确认这在理论上是有道理的。