Bootstrapping 示例
该示例使用 Car Physical Data.jmp 样本数据表。某轮胎制造商要从发动机的排气量（英寸3）预测发动机的马力。该公司最关注估计两个变量之间关系的斜率。斜率值帮助公司预测在排气量发生变化时马力的相应变化。
在本例中，由于方差齐性的回归假设不成立，所以斜率回归分析中的置信限可能产生错误结果。出于此原因，该公司使用斜率置信区间的 bootstrap 估计值。
1. 选择帮助 > 样本数据库，然后打开 Car Physical Data.jmp。
2. 选择分析 > 以 X 拟合 Y。
3. 选择马力并点击 Y，响应。
4. 选择排气量并点击 X，因子。
5. 点击确定。
6. 点击“二元拟合，以‘排气量’拟合‘马力’”旁边的红色小三角，然后选择拟合线。
斜率估计值为 0.503787，近似 0.504。
7. （可选）在参数估计值报表中右击，然后选择列 > 95% 下限。
8. （可选）在参数估计值报表中右击，然后选择列 > 95% 上限。
从回归分析得到的斜率置信限分别为 0.4249038 和 0.5826711。
9. 右击参数估计值报表中的估计值列并选择 Bootstrap。
图 11.2 Bootstrap 选项
拆分选定列选项选定时，右击的列是相关的。请参见“Bootstrapping”窗口选项。
10. 键入 1000 作为 Bootstrap 样本数的值。
11. （可选）要匹配图 11.3 中的结果，请为随机种子键入 12345。
12. 点击确定。
Bootstrap 过程运行并生成一个“Bootstrap 结果”数据表，其中包含斜率和截距的未堆叠结果。
接下来，分析 Bootstrap 斜率。
13. 在“Bootstrap 结果”表中，运行分布脚本。
“分布”报表包括“Bootstrap 置信限”报表。
图 11.3 Bootstrap 报表
斜率的估计值（第 6 步）为 0.504。根据 Bootstrap 结果中的 95% 覆盖率，该公司可以估计出斜率介于 0.40028 和 0.61892 之间。排气量变化一个单位时，在 95% 的置信区间内，马力变化量介于 0.40028 和 0.61892 之间。该斜率的 bootstrap 置信区间（0.400 到 0.619）比使用第 7 步和第 8 步中的常用回归假设获得的置信区间（0.425 到 0.583）略宽一些。
注意：“Bootstrap 置信限”报表中的“BC 下限”和“BC 上限”列为修正偏倚的区间。请参见修正偏倚的百分位数区间。