一、amos bootstrap怎么用
关于这个问题，AmosBootstrap是Amos软件中的一种Bootstrap方法，用于估计模型参数的标准误差和置信区间。使用AmosBootstrap方法的步骤如下：
1.打开Amos软件并载入数据，构建结构方程模型。
2.在Amos菜单栏中选择“Analyze”-“Bootstrap”。
3.在弹出的对话框中，选择要使用的变量和样本大小，设置Bootstrap重复次数和置信水平等参数。
4.点击“OK”按钮开始计算Bootstrap结果。
5.计算完成后，Amos会自动输出Bootstrap结果，包括参数估计的标准误差、置信区间等信息。
需要注意的是，AmosBootstrap方法需要大量的计算资源，因此在计算时需要保证计算机性能充足。另外，使用AmosBootstrap方法时需要理解Bootstrap方法的原理和限制，以正确解释结果。
二、bootstrap检验还需要看总效用吗
是的，Bootstrap检验需要考虑总效用，因为它是一种统计学方法，用于估计样本分布中的参数，以确定样本是否代表总体。
如果我们只关注每个样本的效用，没有考虑总效用，则可能会得出错误的结论。因此，在进行Bootstrap检验时，需要考虑总体效用，以确保检验结果具有可靠性和有效性。
总体效用的考虑还可以帮助我们确定更有用的变量和建立更准确的模型。
三、怎么用bootstrap方法统计
Bootstrapping是推论统计学下面的一种方法。
推论统计学就是：从样本统计量推算总体统计量。
我们已经学会用t-test来构建总体
平均数
的置信区间。方法是，先从总体中抽取一个样本，然后计算这个样本的平均数，和样本的σ。再用中心极限定理求出samplingdistribution的SE。然后CI=
x?
±t*SE这是基于中心极限定理的方法。这个方法的前提条件是samplingdistribution必须normal，如果你对总体不是是skewed，且n<30的话，就不能保证samplingdistribution是normal了。
且t-test只适用于平均数，如果你想求population的median，或者其他统计量，中心极限定理也不能用。
由于以上两个问题，我们想到了bootstrapping方法。
总体100个人，求median。
假设样本有5个：1234457899，求median，45
现在进行有放回抽样：
12→把12放回去→
99→把99放回去→
45→把45放回去→
12→把12放回去→
34→把34放回去
第一个bootstrapsample已经出来了：1299451234，求median,34
这样操作10000遍。
median会形成一个distribution:
然后你直接找中间95%的点的横坐标就行了，就可以找到置信区间。
不光平均数，其他统计量也可以用bootstrapping~~但样本还是要有代表性，如果样本没有代表性，bootstrapping方法也不能correct这个问题。
关于bootstrap模板库的内容到此结束，希望对大家有所帮助。
