大家好，
我希望 JMP 的某人能够提供解释，以解释评估模型估计时模拟与 Bootstrap 方法的差异/相似之处。 （JMP 专业版）
可以找到 Gotwalt 和其他人之前在 Discovery Summit 上的演讲的一些链接这里,这里， 和这里。 这些方法之间的一个明显区别是，模拟要求您将一个列公式替换为另一个列公式，而引导则不需要。 我理解重新计算参数估计时引导的概念，但我不清楚为什么在模拟相同数据时需要交换分数随机加权列。 例如，请参阅上面的第一个链接和相应的演示文稿，该演示文稿使用自动验证设置解释了这种方法（在本例中，他们正在使用 DOE 结果）。
我想更好地了解两种方法的优点/缺点以及一种方法何时比另一种方法更好。 我有一个又宽又高的数据表，其中有几个过程变量和产品质量测量值。 我想缩小可能影响结果的可能过程变量的范围，以便为生产提供一些关于在哪里进行调查的想法。 为此，我从他们的演示中汲取了“零因子”的想法，并将其作为真正的随机变量包含在模型中。 然后，我对因子和 Y 输出运行一个非常基本的 GenReg 模型，然后右键单击估计列并对参数估计运行引导程序或模拟选项。
我两种方式都没有得到相同的结果，我想了解原因。 另外，由于这不是能源部，因此一种方法是否比另一种方法更合适？
下面是帕累托图上的结果示例，其中引入模型次数少于空因子的任何因子都会被简单地删除。 第一张图显示了使用模拟方法的结果，其中帕累托图最右侧的因子是空因子。 同样，第二张图显示了使用 Bootstrap 方法的结果，其中空因子再次位于最右侧。
为什么这两种方法会得到两个截然不同的结果？ 一个比另一个更“值得信赖”吗？ 为什么我要使用一种方法而不是另一种？ 一种方法比另一种方法更稳健吗？ 如果确实得到不同的结果，为什么 JMP Pro 有这两个选项？
对此的任何见解都非常感激。
谢谢！，
DS
