bootstrap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：（推荐学习：Bootstrap视频教程）
（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。
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。
更多Bootstrap相关技术文章，请访问Bootstrap教程栏目进行学习！
