bootstrap方法（bootstrap方法的优点与不足）

统计学基础概念:自举法、置信区间、标准误

置信水平：表示样本统计值的精确度，它是指样本统计值落在参数值某一正负区间内的概率。置信水平：是指总体参数值落在样本统计值某一区内的概率；置信区间：是指在某一置信水平下，样本统计值与总体参数值间误差范围。

在点估计的基础上，给出总体参数估计的一个区间范围，该区间由样本统计量加减抽样误差而得到的。 根据样本统计量的抽样分布能够对样本统计量与总体参数的接近程度给出一个概率度量。

我们可以使用自助法和抽样分布，构建感兴趣参数的置信区间。通过找出对感兴趣参数进行最好估计的统计量 (例如样本平均数估算总体平均数或样本平均数的差异估算总体平均数的差异)，我们可以很容易构建感兴趣参数的置信区间。

统计学(45)-利用Bootstrap法估计置信区间

1、如果该置信区间不包含0， 则可以认为两组差异有统计学意义；否则认为两组差异无统计学意义。

2、应该说Bootstrap是现代统计学较为流行的一种统计方法，在小样本时效果很好。通过方差的估计可以构造置信区间等，其运用范围得到进一步延伸。具体抽样方法举例：想要知道池塘里面鱼的数量，可以先抽取N条鱼，做上记号，放回池塘。

3、使用Bootstrap法时，原始数据个数最好大于等于10。置信区间是指由样本统计量所构造的总体参数的估计区间，Bootstrap是计算置信区间的方法之一。

4、前边提到均数、率置信区间的计算，都服从一定的分布（t分布、正态分布），因此在标准误前乘相应的t分值或Z分值。但有一些参数不知道其分布，则用Bootstrap法。

5、采用Preacher 和 Hayes ( 2008 ) 的Bootstrapping 中介效应检验方法(设置 5000 次迭代)，该方法提供中介效应的 95% 置信区间估计，如果区间估计含有 0 就表示中介效应不显著，如果区间估计不含有 0 则表示中介效应显著。

6、在Stata中，可以使用bootstrap命令进行Bootstrap检验。Bootstrap是一种非参数统计方法，用于估计统计量的标准误差和置信区间。

R语言实现bootstrap和jackknife检验方法

1、自助法。自助法是B.Efron教授1979年在刀切法(Jackknife)的基础上提出的，是一种利用重抽样来估计总体参数的统计方法。

2、Jackknife( 刀切 法)是有Maurice Quenouille (1949)提出的一种再抽样方法，其原始动机是降低估计的偏差。Jackknife类似于“Leave one out”的交叉验证方法。

3、这种新兴的经济模式，在特定的经济时期，特别是通货膨胀期，针对社会经济产生的泡沫，进行合理转化，使其成为有助实体经济发展的反哺资源。在社会反哺实业的利导下实现经济增长，保障稳定，促进社会和谐发展。

4、SE/Robust vce(vcetype) vcetype may be conventional， robust， cluster clustvar， bootstrap， or jackknife 一般是用来产生稳健标准误的 常见是这样使用，vce(cluster，id)，id是截面识别符。