示例 (BOOTSTRAP 命令)

简单重新采样; 维护一致的个案基础

BOOTSTRAP.
DESCRIPTIVES VARIABLES=var1 var2 var3
  /MISSING=VARIABLE.

• BOOTSTRAP 命令请求 1000 个引导样本。
• 在 BOOTSTRAP 命令上未指定任何变量，因此不会从重新采样中删除任何记录。 这允许 DESCRIPTIVES 过程使用变量删除完整记录集上的缺失值; 但是，案例基础将在引导程序重新扫描之间不一致，并且从结果中进行的推论值得怀疑。

  BOOTSTRAP
    /VARIABLES ANALYSIS(INPUT=var1 var2 var3).
  DESCRIPTIVES VARIABLES=var1 var2 var3
    /STATISTICS MEAN STDDEV MIN MAX
    /MISSING=VARIABLE.

• 这与先前的分析相同，但变量 var1， var2和 var3 用于确定重新采样的个案基础。 将从分析中删除其中任何变量上具有缺失值的记录。
• BOOTSTRAP 之后的 DESCRIPTIVES 过程在引导程序样本上运行。
• STATISTICS 子命令生成原始数据中变量 var1， var2和 var3 的平均值，标准差，最小值和最大值。 此外，还会针对平均值和标准差生成汇聚统计。
• 尽管 MISSING 子命令指定了缺失值的可变量删除，但 BOOTSTRAP 执行的成列删除是确定个案基础的因素。 实际上， DESCRIPTIVES 上的 MISSING 规范在此处不相关。

分层重新采样

BOOTSTRAP
  /VARIABLES SAMPLING(STRATA=strataVar)
             ANALYSIS(INPUTS=var1).
DESCRIPTIVES var1.

• BOOTSTRAP 命令请求由 strataVar分层的 1000 个引导样本。
• 变量 var1 和 strataVar 用于确定重新采样的个案基础。 将从分析中删除这些变量上具有缺失值的记录。
• BOOTSTRAP 后面的 DESCRIPTIVES 过程在 bootstrap 样本上运行，并在原始数据上生成变量 var1 的平均值，标准差，最小值和最大值。 此外，还会针对平均值和标准差生成汇聚统计。