大家好，
我希望 JMP 的某人能夠提供解釋，以解釋評估模型估計時模擬與 Bootstrap 方法的差異/相似之處。 （JMP 專業版）
可以找到 Gotwalt 和其他人之前在 Discovery Summit 上的演講的一些鏈接這裡,這裡， 和這裡。 這些方法之間的一個明顯區別是，模擬要求您將一個列公式替換為另一個列公式，而引導則不需要。 我理解重新計算參數估計時引導的概念，但我不清楚為什麼在模擬相同數據時需要交換分數隨機加權列。 例如，請參閱上面的第一個鏈接和相應的演示文稿，該演示文稿使用自動驗證設置解釋了這種方法（在本例中，他們正在使用 DOE 結果）。
我想更好地了解兩種方法的優點/缺點以及一種方法何時比另一種方法更好。 我有一個又寬又高的數據表，其中有幾個過程變量和產品質量測量值。 我想縮小可能影響結果的可能過程變量的範圍，以便為生產提供一些關於在哪裡進行調查的想法。 為此，我從他們的演示中汲取了“零因子”的想法，並將其作為真正的隨機變量包含在模型中。 然後，我對因子和 Y 輸出運行一個非常基本的 GenReg 模型，然後右鍵單擊估計列並對參數估計運行引導程序或模擬選項。
我兩種方式都沒有得到相同的結果，我想了解原因。 另外，由於這不是能源部，因此一種方法是否比另一種方法更合適？
下面是帕累托圖上的結果示例，其中引入模型次數少於空因子的任何因子都會被簡單地刪除。 第一張圖顯示了使用模擬方法的結果，其中帕累托圖最右側的因子是空因子。 同樣，第二張圖顯示了使用 Bootstrap 方法的結果，其中空因子再次位於最右側。
為什麼這兩種方法會得到兩個截然不同的結果？ 一個比另一個更“值得信賴”嗎？ 為什麼我要使用一種方法而不是另一種？ 一種方法比另一種方法更穩健嗎？ 如果確實得到不同的結果，為什麼 JMP Pro 有這兩個選項？
對此的任何見解都非常感激。
謝謝！，
DS
