自助法：一種統計推斷的非參數估計法（簡體書）

自助法利用電腦從原樣本中“重新抽取（resample）”大量的新樣本，通過這些新樣本得到一個統計量抽樣分佈的估計。然後，我們再利用這個估計的抽樣分佈（而不是事先假設的分佈）來做總體推斷，例如推斷是否β值不為0。因此，當統計量的潛在抽樣分佈不能假設為正態分佈，且利用常規最小二乘法（OLS）估計回歸係數得到的殘差有偏時，我們可以利用自助法來估計。當抽樣分佈沒有可用的分析方法時，例如估計兩個樣本中位數之間的差異時，我們也可利用自助法來估計。在這些情況下，我們可能不用傳統方法來估計置信區間（和做顯著性檢驗），而可能傾向于利用以下四種自助置信區間法（bootstrap confidence interval methods)：正態近似法（normal approximation），百分位法（percentile），偏差矯正百分位法（bias-corrected percentile），或百分位 法（percentile- ）。雖然每種方法都有各自的優缺點，這在本書中有詳細的討論，但穆尼和杜瓦爾稍稍傾向於百分位 法，至少當主要目標是假設檢驗的精確性時。而且，即使分析人員基本上依賴于傳統的推斷方法，他們也可利用自助法來評估某些模型假設是否不成立。作者採用許多真實資料來舉例說明自助法。這些例子包括美國各州的石油生產，SMSA的人均個人收入，美國人爭取民主行動組織（Americans for Democratic Action, 簡稱ADA）對國會成員的排名，及立法委員會成員和整個立法機關的偏好的中位值之差。最後，在附錄中，作者總結了怎麼利用不同可用的套裝軟體來應用這個電腦運算密集的方法。利用本書和合適的電腦支援，分析人員應該能很容易地利用自助法去做一些統計推斷的探索。