bootstrap方法样本量的要求（bootstrap取样法）

本文目录一览：

• 1、bootstrap中介效应的置信区间临近点是0怎么办
• 2、中介效应样本量多大时,可以开始检验
• 3、列联表篇之三:比率的多重比较
• 4、bootstrap重抽样对样本量有要求嘛

bootstrap中介效应的置信区间临近点是0怎么办

1、参照Preacher和Halers（2004）提出的bootstrap方法进行中介效应检验，样本量选择5000，在95%的置信区间下，中介检验的结果的确没有包含0（LLCT=-0.4298，ULCI=-0.1114），表明应对方式的中介效应显著，且中介效应大小为-0.243此外，控制了中介变量应对方式后，自变量心理弹性对因变量PTSD的影响也显著（LLCT=0.8245，ULCI=4189）。

2、在bootstrap中做中介效应的检验不需要看p值；用Bootstrap方法做中介效应的检验，是根据“BootLLCI，BootULCI”这一区间是否包含0来判断的，不包含0则中介效应显著，包含0则中介效应不显著。用Bootstrap方法做中介效应的检验，并不是通过P值来判断的，而是根据（BootLLCI，BootULCI）这一区间是否包含0来判断。

3、在分析过程中，为了查看平均间接效应和置信区间，首先需要在软件中选择Analysis Properties，并点击bootstrap标签页。这里的重新抽取样本数根据个人需求设置，通常选择1000或2000或其他数值。接着，置信区间算法和范围在下方显示，一般选择95%置信区间，对应的数字则为95。

4、如何评价bootstrap中介效果检验？采用Preacher和Hayes（2008）的Bootstrapping中介效应检验方法（设置5000次迭代），该方法提供中介效应的95%置信区间估计，如果区间估计含有0就表示中介效应不显著，如果区间估计不含有0则表示中介效应显著。

中介效应样本量多大时,可以开始检验

指标的10倍以上。为了保证研究结果的准确可靠，每个bootstrap样本的样本容量应当与原样本容量相等，中介效应的样本也要遵循其原则，至少是指标的10倍以上，才可以进行实验，不然会发生不可预知的事故。

样本量要看你变量或指标的数量，一般至少是指标的10倍以上。

系数乘积法由于直接检验中介效应ab是否显著不为0，无需以系数c显著作为中介效应检验的前提条件，可以直接提供中介效应的点估计和置信区间，且Mackinnon的模拟研究也发现系数乘积法的统计功效优于因果步骤法，因此，系数乘积法逐渐得到众多研究者的喜爱。

样本量：确保有足够的样本量以支持Bootstrapping方法的稳定性。插件使用：如果使用PROCESS插件等，请确保已正确安装并熟悉其操作界面。结果解释：在解释中介效应时，需综合考虑直接效应和间接效应的大小及显著性。通过以上步骤，你可以在SPSS中使用Bootstrapping方法进行中介效应检验。

结果分析显示，乘积项结果显著，95%置信区间不包括数字0，说明中介变量在x影响y的关系中具有中介效应。进一步得到中介作用的效应量，直接效应为0.171，间接效应为0.325，总效应为0.495。间接效应在总效应中占比为3403%。

列联表篇之三:比率的多重比较

在列联表分析中进行比率的多重比较时，常用的方法及其适用条件如下：Bonferroni法：适用条件：操作简单，当需要严格控制总I类错误率时是首选。但在比较组数较多时可能过于保守。SNK法：适用条件：适用于样本量较小、组数不多的情况。特别推荐在组数k≤5且n≤40时使用。逐步法：适用条件：考虑了排序和组距，提高了检验效能。

新疆医科大学吴苏和的硕士论文《率的多重比较方法评价》在表中选择了五类方法进行两两比较，并通过蒙特卡洛法进行了模拟分析。

t分布用于检验均值是否不同。F分布用于检验方差是否不同。卡方分布主要用于检验样本是否偏离了期望，例如偏离了期望的分布（拟合优度检验），期望的比例（列联表）等。t检验和F检验只能使用连续数据（定量数据）。卡方检验既可以使用连续数据，也可以使用离散数据（频数），也可以用于对数似然值。但计算公式不同。

bootstrap重抽样对样本量有要求嘛

bootstrap重抽样对样本量没有要求。Bootstrap再抽样方法扩大样本量，即在传统的数理统计基础上进行统计模拟，随着计算机技术的迅猛发展，这一技术已经渗透到许多科学领域，解决了无法采集到大样本的难题。

Bootstrap的核心原理在于从原始样本中有放回地重复抽样，以此生成多个样本，通常抽取数量在1000-5000之间。此方法的显著优势在于对正态分布的宽松假设，使得其结果的敏感性更高。

重抽样：从原始样本中随机抽取一定数量的样本（允许重复），形成多个重抽样样本。计算统计量：对每个重抽样样本计算所需的统计量（如均值、中位数、回归系数等）。估计方差与区间：根据重抽样样本的统计量分布，估计原始样本统计量的方差，并构造置信区间。

为了保证研究结果的准确可靠，每个bootstrap样本的样本容量应当与原样本容量相等。而抽样的次数建议不少于1000次。