bootstrap方法是什么意思
Bootstrap方法是非参数统计中一种重要的估计统计量变异性，并可进行统计量区间估计的统计方法，也称为自助法。
其核心思想和基本步骤如下：
（1） 采用重复抽样技术从原始样本中抽取一定数量（可自己给定，一般与原始样本相同）的样本，此过程允许重复抽样。
（2） 根据抽出的样本计算待估计的统计量T。
（3） 重复上述N次（一般大于1000），得到N个统计量T。
（4） 计算上述N个统计量T的样本方差，以此估计统计量T的方差。
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，其应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。
思乐微信商城微分销系统是以.net+access/mssql进行开发的微信分销系统。基于微信朋友圈的传播，是打造以分销商为中心的全新微信分销体验。让粉丝实时有效的获取朋友圈流量并快速分享购买分佣。因为是基于微信，所以要在微信上体验才更好。关注我们的微信核心功能：1、自动提示用户关注微信，解决一般程序无关注微信公众号的过程2、只要通过链接进一次，不过好久注册，什么方面注册，只要是用微信注册的，都会算
进行重复抽样，抽取M次，每次抽取N条，考察每次抽到的鱼当中有记号的比例，综合M次的比例，在进行统计量的计算。
应用bootstrap的原因：其实，在进行分析的时候，首先要做的就是，判断随机变量的类型，然后就是判断随机变量的数据服从什么分布。什么分布至关重要，因为它直接决定能不能分析。举例：如果进行方差分析，首先就要求正态分布，如果不是正态分布，就要有补救措施，这个补救措施就是bootstrap。bootstrap还有一个用处，因为经典统计学对集中趋势比较完善，但是对其他一些分布参数，例如中位数，四分位数，标准差，变异系数等的区间估计不完善，所以就需要bootstrap,这种方法。bootstrap和经典统计学方法类似，一般情况参数法效率高于非参数法，但是，参数法最大的弊端就是需要事先有一个分布模型，如果模型不符合，分析结果可能错误，也就是白分析。
如果数据存在明显的层次，可以用分层抽样提高分析效率，spss默认是非参数bootstrap方法，并且采用完全随机抽样，所以，如果要求分层抽样，不能依靠默认，需要自己设置。
还有特别需要注意，需要多少个观测量才是最科学，最合理的，答案是1000个。少于这个数字，计算结果不准确，因为是按照百分位数法计算可信区间，所以，不能太少。如果多于1000个，多数情况下精度改善非常有限，并且浪费系统资源和计算时间。
bootstrap的spss分析中的操作步骤：“分析”～“比较均值”～“均值”～选择好自变量和因变量～“选项”子对话框～“单元格统计量”～bootstrap子对话框～执行bootstrap复选框
还有一点，如果因变量符合或者大概符合正态分布，bootstrap方法就可以不用。
