靴拔重抽法
靴拔重抽法方法可獲得穩健性標準誤估計值和如下列各種估計值的信賴區間：平均數、中位數、比例、勝算比、相關係數或迴歸係數。 靴拔重抽法也可用於建立假設檢定。 在這些方法的假設有疑慮時 (例如含有不等變異性殘差的迴歸模型符合小型樣本的情況下)，或是無法進行參數推斷或需要極複雜的公式才能計算標準誤時 (例如計算中位數、四分位數及其他百分位數之信賴區間的情況下) 靴拔重抽法是參數估計值最有用的替代方法。
範例
某家電信公司每個月流失約 27% 的客戶。 為適當地將焦點放在減少客戶流失的努力成果上，管理部門想了解此百分比在預先定義的客戶群組上是否有所變化。 透過使用靴拔重抽法，您可以判斷單一客戶流失比率是否能適當描述四種主要客戶類型。
在員工記錄的檢閱中，管理部門有興趣知道員工先前的工作經驗。 工作經驗向右偏斜，這代表所期望的員工「典型」先前工作經驗估計值少於中位數。 不過，產品中的中位數沒有參數信賴區間。
管理部門也有興趣知道哪些因素與員工加薪有關聯，可以透過將線性模型套用到目前薪資與起薪間差異來觀察。 在針對線性模型進行靴拔重抽時，可以使用特殊的重新取樣方法（殘差和狂野靴拔重抽法）以獲得更準確的結果。
許多程序都支援對從靴拔重抽法樣本分析的結果進行靴拔重抽法取樣與合併。 指定靴拔重抽法分析的控制項作為公共子對話框直接整合在支援靴拔重抽法的程序中。 靴拔重抽法對話框中的設定會存留在整個階段作業中，所以如果您透過對話框的靴拔重抽法執行頻次分配分析，預設會為支援靴拔重抽法的其他程序開啟靴拔重抽法。
獲取靴拔重抽法分析
- 從功能表中選擇支援靴拔重抽法的程序，並按一下「靴拔重抽法」。
- 選取 執行靴拔重抽法。
您可以選擇性地控制下列選項：
樣本個數。 對於產生的百分位數與 BCa 區間，建議至少使用 1000 個靴拔重抽法樣本。 指定一個正整數。
設定 Mersenne Twister 的種子。 設定種子可供您複製分析。 這個控制項的用途類似將 Mersenne Twister 設為作用中產生器，並在「亂數產生器」對話框上指定固定的起點，但重要的差異在於在此對話框中設定種子將保留亂數產生器的目前狀態，並在分析完成後還原該狀態 。 如需相關資訊，請參閱主題 亂數產生器 。
信賴區間。 指定大於 50 但小於 100 的信任層次。 百分位數間隔只使用對應至信任間隔百分位數的依序靴拔重抽法值。 例如，95% 百分數信賴區間使用靴拔重抽法值的第 2.5 個與第 97.5 的百分位數作為區間的上界與下界 (會視需要內插數值)。 已修正偏差與加速 (BCa) 的區間為已調整的區間，因為更為精確，所以也需要更多時間來計算。
取樣。 簡單方法為透過放回方式從原始資料集進行觀察值重新取樣。 分階層方法為透過放回方式從原始資料集進行觀察值重新取樣，位於階層變數的交叉分類定義的階層內。 當階層之內的單位其同質性相當高，而階層之間的單位又非常不同時，階層化靴拔重抽法取樣會十分有用。
執行自我重複取樣會貼上 BOOTSTRAP 指令語法。