bootstrapping简介

假设f(x)是一个密度函数，F(x)=P(X<x)

那么，我们想知道该密度函数的某一特征

比方说我们想知道期望，但是这个积分在数学上计算比较困难

在统计学里面，我们常常会利用一种叫做bootstrapping的方法。它的基本思想是

假设说我们对于一个未知分布，想估计它的参数该怎么办呢？

我们在这个分布中进行有放回的随机取样（每个样有n个数据点）sample 1，sample 2，.......，sample R ，当取样足够大，那么估计就约准确

那么我们通过抽样得到经验分布还不够，我们还要基于这个经验分布再次进行有放回的随机重抽样，那么用再次得到的分布来估计参数

构造t统计量即可

参考： http://www.chinesemooc.org/live/934776

SPSS就是用依次回归法检验中介效应，

先检验X——Y的回归，分析总效应

然后检验X——M（中介变量）的回归，检验a参数（即X的回归系数）

最后检验X,M——Y的回归，检验b参数（M的回归系数）和c'参数（X的回归系数）

若a和b均显著，则中介效应存在

用bootstrap的话就是在回归分析里面选择bootstrap选项即可，你可以自己设置抽样次数，通常抽样至少要1000次，这时候你分析a和b参数的显著性就不看原来的显著性检验结果（sig）了，而是看bootstrap的置信区间，如果置信区间没有覆盖0，就是显著的

bootstrap抽样功能需要比较新的spss版本才可以

---