1、为什么要用Bootstrap呢？
我们刚才提到了均数、率的置信区间的计算，这些都服从一定的分布(t分布、正态分布），因此在标准误前乘以相应的t分值或Z分值。但如果我们想知道中位数的置信区间，那该怎么办呢？
中位数一般用在偏态分布的情况下，这时候就不好确定其分布面积0.05所对应的分值了。
是不是就没有方法了呢？
事实上，不仅中位数，还有其他参数同样面临这一问题。当找不到合适的分布时，就无法计算置信区间了吗？幸运的是，有一种方法几乎可以用于计算各种参数的置信区间，这就是Bootstrap 法。
Bootstrap估计是利用重复抽样的方法对参数进行估计的，它是在计算机普及以后才开始发展起来的，因为如果没有计算机辅助进行重复抽样，靠手工是极其麻烦的。
2、Bootstrap 估计的思想
统计最核心的思想是什么？我想现在可以理解为就是估计，部分估计总体
假定我们从某所学校中随机抽样调查了20名学生的身高，打算通过这20人的身高估计该学校所有学生（如200 人）的身高。
image.png
如果采用常规的思路，则计算出20人身高的均数为166.2cm, 标准误为1.44。由此估计总体的身高均数为166.2cm, 其95%置信区间为（163.2,169.2), 也就是说，有95%的信心认为（163.2,169.2) 区间包含了该学校所有学生的总体身高。
3、Bootstrap估计的思路
Bootstrap估计的思路就是从这20人中重复抽样。具体来说，以这20人作为抽样框，做1000次抽样（当然也可以是100次、2000次、甚至10000次等，视具体情况而定），有放回抽样！
image.png
（1）根据Bootstrap 抽样，可以对每次抽样都计算出一个均数。
（2）然后以这10个均数作为原始数据，求出这10个均数的均数为166.15, 这就是利用Bootstrap 法进行的点估计。
（3）对于95%置信区间，则分别计算出第2.5%和第97.5%的分位数，如本例为164.25和169.75,这也就是估计的总体均值的95%置信区间，与常规方法计算的95%置信区间比较接近。
4、百分位数法
（1）百分位数法简单易懂，无须复杂计算，只要有了Bootstrap 样本及每个样本的统计量，找到相应的百分位数即可。
（2）它必须满足一个潜在的假定，即Bootstrap 抽样分布是样本统计量分布的一个无偏估计，当有偏的时候，估计结果可能也会有偏，因此会用百分位数t法。
（3）t法对于95%置信区间，确定0.025和0.975的百分位数，则95%置信区间为：
image.png
5、一个总结
传统的参数推断主要依赖中心极限定理，因为它规定在大样本条件下，抽样分布都是服从正态分布的。但对于某些抽样分布未知或难以计算的统计量， Bootstrap 法就十分有用了。
6、参数推断
事实上，即使对于参数推断， Bootstrap 法也可以显示出与其同样的功效。
（1）计算两个中位数之差的置信区间
采用Bootstrap法的思路是：从样本数据中重复抽取1000次样本，每次抽取n例。在每个Bootstrap样本中，计算两组的中位数之差，最终可计算出1000个中位数之差。然后根据这1000个中位数之差，计算出它们的第2.5 百分位数和第97.5百分位数，这就是两个中位数之差的95%置信区间。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）计算回归系数的置信区间
假定样本数据有因变量y和自变量x, 采用Bootstrap 法的思路是：从样本数据中重复抽取1000次样本，每个样本都包含y和x, 每次抽取n例。在每个Bootstrap样本中，求出y=a+bx的系数a和b (当然我们关心的是回归系数b) 。最终可计算出1000个回归系数b。然后根据这1000 个回归系数，计算出它们的第2.5百分位数和第97.5百分位数，这就是回归系数的95%置信区间。如果该置信区间不包含0, 则可以认为该回归系数有统计学意义；否则认为该回归系数无统计学意义。(0,我不懂，是无效假设吗？)
回归分析的Bootstrap抽样不应进行个体数据的重复抽样，而是要对误差进行重复抽样。因为他们认为，自变量是固定的，只有误差项才是随机的。（这句话，我也没看懂）
网友评论