喬汭熙

摘要：本文總結(jié)了Bootstrap和Jackknife的相關(guān)理論知識(shí)與已有研究；利用R語(yǔ)言進(jìn)行模擬，設(shè)計(jì)復(fù)雜抽樣方案并進(jìn)行抽樣，對(duì)Bootstrap和Jackknife的部分性質(zhì)進(jìn)行了驗(yàn)證與解釋。除此之外，本文還對(duì)Bootstrap和Jackknife估計(jì)量的性質(zhì)進(jìn)行了簡(jiǎn)要的介紹，并對(duì)方法的改進(jìn)進(jìn)行了討論。

關(guān)鍵詞：復(fù)雜抽樣；Bootstrap；Jackknife；估計(jì)

一、發(fā)展歷史與研究現(xiàn)狀

Jackknife是由Quenouille（1949）引入的一種方法，又稱刀切法。Jackknife方法的思想是，通過(guò)從原始數(shù)據(jù)集中每次刪除一個(gè)數(shù)據(jù)并利用其余數(shù)據(jù)重新計(jì)算估計(jì)量，根據(jù)得到的一組估計(jì)值，可以對(duì)待估參數(shù)及其他性質(zhì)進(jìn)行估計(jì)。

Quenouille在1949年提出，可以通過(guò)將樣本劃分為兩個(gè)半樣本的方式，以減少序列相關(guān)的估計(jì)量的偏差。在其1956年的研究中，提出將樣本量為n的樣本劃分為g組大小為h的樣本的方法，并討論了這種方法的可行性[1][2]。

Jackknife方法在對(duì)殘差的估計(jì)（P.S.R.S Rao and J.N.K.Rao，1970）、區(qū)間估計(jì)（Tukey）、極大似然估計(jì)（Fryer，1970）等方面優(yōu)良性質(zhì)均已被證明[1]。

對(duì)于多元的Jackknife，Dempster在其1966的研究中，提出了一種改進(jìn)的Jackknife方法，用于處理典型相關(guān)問(wèn)題。Layard（1972）指出，當(dāng)傳統(tǒng)正態(tài)方法對(duì)兩個(gè)協(xié)方差矩陣相等性的檢驗(yàn)不穩(wěn)健時(shí)，Jackknife方法可以很好的處理。Lachenbruch和Mickey[1]提出了U方法（實(shí)際是Jackknife方法的應(yīng)用）進(jìn)行判別分析。

L.B.Jaeckel提出一種無(wú)窮細(xì)分的刀切法，雖然此方法不如原始Jackknife方法實(shí)用，但卻在Jackknife和穩(wěn)健估計(jì)量之間建立了橋梁（1972）。

Jackknife在其他領(lǐng)域的應(yīng)用也極為廣泛。有研究者將Jackknife與自適應(yīng)加權(quán)相結(jié)合，提高了多傳感器有關(guān)數(shù)據(jù)處理的精確性和穩(wěn)健性[3]。還有研究者將Jackknife用于測(cè)算準(zhǔn)備電位啟始時(shí)間點(diǎn)[4]。

Bootstrap，又被稱為自舉法、自助法，是由美國(guó)斯坦福大學(xué)統(tǒng)計(jì)系的Efron（1979）提出的一種重抽樣的方法。它以原始數(shù)據(jù)為基礎(chǔ)，即可用于參數(shù)估計(jì)，又可用于非參數(shù)估計(jì)，在進(jìn)行參數(shù)估計(jì)時(shí)只依賴于已有的觀測(cè)信息，是利用小樣本信息構(gòu)造先驗(yàn)分布的最理想的方法之一。

1979年Efron提出Bootstrap之初，曾因太簡(jiǎn)單而被雜志拒收，后其發(fā)表在《The Annals of Statistics》上[2]。Bootstrap方法提出之后，統(tǒng)計(jì)學(xué)家爭(zhēng)相對(duì)其進(jìn)行研究擴(kuò)展：Hall對(duì)Bootstrap進(jìn)行了Edgeworth展開；Efron和Tibshirani對(duì)Bootstrap的性質(zhì)與估計(jì)方面進(jìn)行了詳細(xì)的理論推導(dǎo)與證明，討論了其在各種復(fù)雜數(shù)據(jù)結(jié)構(gòu)、回歸分析、交叉驗(yàn)證等方面的應(yīng)用；Lahiri介紹了Bootstrap在非獨(dú)立數(shù)據(jù)中的應(yīng)用；Shao和Tu將Bootstrap與Jackknife進(jìn)行了系統(tǒng)的介紹與對(duì)比。

Bootstrap對(duì)獨(dú)立同分布數(shù)據(jù)的研究是最早發(fā)展的一部分，Singh在此情形證明了在某些條件下Bootstrap近似比傳統(tǒng)正態(tài)近似的收斂速度快。

對(duì)于非獨(dú)立的數(shù)據(jù)，可以用塊狀的Bootstrap來(lái)處理，也可以使用基于變換的Bootstrap。對(duì)于塊狀的Bootstrap方法，主要思想是將具有相依關(guān)系的數(shù)據(jù)放在同一個(gè)單元進(jìn)行重抽樣，該方法由Ktinsch與Liu和Singh首先提出。Hall等人對(duì)于塊狀Bootstrap樣本區(qū)間的劃分進(jìn)行了討論。對(duì)于基于變換的Bootstrap，其思想是對(duì)非獨(dú)立的數(shù)據(jù)進(jìn)行變換，使其轉(zhuǎn)換為獨(dú)立（或近似獨(dú)立）數(shù)據(jù)，其中，最常用的變換是傅里葉變換。

Bootstrap理論的基本思想、歷史發(fā)展及其若干比較前沿的研究方向包括：獨(dú)立同分布數(shù)據(jù)、基于模型、帶有塊結(jié)構(gòu)、Sieve、基于變換、Markov過(guò)程、長(zhǎng)期相依和空間數(shù)據(jù)的Bootstrap理論等[3]。現(xiàn)如今Bootstrap方法已廣泛地應(yīng)用于統(tǒng)計(jì)學(xué)的各個(gè)領(lǐng)域，成為當(dāng)下最受歡迎的重抽樣方法之一。

除此之外，Bootstrap方法也被廣泛應(yīng)用于各個(gè)領(lǐng)域。黎光明[5]等人在其研究中，以心理學(xué)為背景，對(duì)于正態(tài)分布、二項(xiàng)分布、多項(xiàng)分布和偏態(tài)分布的數(shù)據(jù)，對(duì)Bootstrap 方法進(jìn)行校正，作點(diǎn)估計(jì)和方差估計(jì)，發(fā)現(xiàn)校正的Bootstrap 方法優(yōu)于未校正的Bootstrap 方法；有學(xué)者將Bootstrap方法應(yīng)用于森林系統(tǒng)的抽樣調(diào)查，提高了初始樣本的精度[6]；有學(xué)者利用Bootstrap方法，計(jì)算了考試成績(jī)的均值、標(biāo)準(zhǔn)差、偏度與峰值，刻畫了考試成績(jī)前四階核密度函數(shù)曲線，對(duì)各個(gè)班級(jí)學(xué)生的考試成績(jī)情況進(jìn)行了研究[7]；還有學(xué)者將Bootstrap方法應(yīng)用于過(guò)度分散的泊松模型中，得到了未決賠償準(zhǔn)備金的預(yù)測(cè)均方誤差，進(jìn)一步通過(guò)隨機(jī)模擬得到了預(yù)測(cè)分布，為保險(xiǎn)業(yè)進(jìn)行準(zhǔn)備金評(píng)估提供了新思路[8]。

二、模擬仿真與結(jié)果分析

（一）模擬

本文利用R語(yǔ)言，采取模擬的方法進(jìn)行研究，共進(jìn)行1000次模擬。首先，進(jìn)行二階段抽樣，第一階段采用PPS抽樣，第二階段采用簡(jiǎn)單隨機(jī)抽樣，且簡(jiǎn)單隨機(jī)抽樣抽取的樣本量相同。其次，進(jìn)行分層二階抽樣，將所有的初級(jí)抽樣單元按規(guī)模分層，在每一層內(nèi)進(jìn)行二階段抽樣。分別利用傳統(tǒng)方法、Bootstrap和Jackknife的方法對(duì)兩種方法抽取得到的樣本方差進(jìn)行估計(jì)和比較。對(duì)1000次模擬的結(jié)果進(jìn)行匯總、比較。結(jié)果如下。由上表可見，根據(jù)Bootstrap和Jackknife的方法對(duì)抽樣誤差進(jìn)行估計(jì)，其效果明顯好于利用傳統(tǒng)方法進(jìn)行估計(jì)。而就Bootstrap和Jackknife來(lái)說(shuō)，對(duì)于本研究中所使用的兩種抽樣方法，Jackknife方法的效果較好，Bootstrap對(duì)抽樣誤差估計(jì)并不是總優(yōu)于傳統(tǒng)方法。

（二）結(jié)果分析

在一致性方面，Jackknife分布估計(jì)量在非常弱的條件下是一致的。

Jackknife無(wú)法獲得樣本分位數(shù)方差的一致估計(jì)，但Bootstrap卻可以通過(guò)選擇適當(dāng)?shù)牡讓臃植糉來(lái)獲得，這也是Bootstrap相對(duì)于Jackknife最大的優(yōu)勢(shì)之一。Jackknife無(wú)法對(duì)分布進(jìn)行估計(jì)，但Bootstrap卻可以。除此之外，Jackknife分布估計(jì)量的收斂率也不如Bootstrap的分布估計(jì)量那樣好。

Jackknife是非參數(shù)方法，它利用的是原數(shù)據(jù)集的子集。因此，Jackknife可能不如Bootstrap估計(jì)量效率高，但是，Jackknife對(duì)模型假設(shè)的變化更加穩(wěn)健。Jackknife采用比Bootstrap更系統(tǒng)的取樣方法。因此，對(duì)于Jackknife會(huì)有更有效的計(jì)算方法。

對(duì)于方差估計(jì)，當(dāng)?shù)讓臃植糉拖尾時(shí)，Bootstrap估計(jì)量 即使對(duì)光滑的都可能是不一致的。Bootstrap方差估計(jì)量通常向下偏的。

另外，現(xiàn)有的結(jié)果表明 的一致性并不涵蓋廣泛的統(tǒng)計(jì)量。 的計(jì)算通常比 更復(fù)雜。因此，對(duì)于 是光滑時(shí)的方差估計(jì)量，綜合考慮理論和計(jì)算，Jackknife比Bootstrap的效果要好，且Jackknife可以很容易地?cái)U(kuò)展到多變量的情況。推薦使用Bootstrap來(lái)處理更復(fù)雜的問(wèn)題，例如估計(jì)抽樣分布和建立置信度等。

事實(shí)上，由于樣本來(lái)自于不同的正態(tài)分布，研究利用傳統(tǒng)方法進(jìn)行估計(jì)已沒有意義，無(wú)論估計(jì)的數(shù)值大小如何，均無(wú)法說(shuō)明總體的情況。在這種情況下，Bootstrap和Jackknife估計(jì)的結(jié)果更為可信。本文的模擬是對(duì)均值的方差（標(biāo)準(zhǔn)差）進(jìn)行的估計(jì)，無(wú)論是從漸近性、一致性還是穩(wěn)健性考慮，Jackknife效果都更好，模擬的結(jié)果也與該結(jié)論相一致。

三、Bootstrap與Jackknife的缺陷

（一）Bootstrap的缺陷

（1）在對(duì)經(jīng)驗(yàn)分布函數(shù)進(jìn)行抽樣時(shí)，Bootstrap樣本來(lái)自于原樣本，若原樣本樣本量很小，Bootstrap樣本中必然會(huì)出現(xiàn)重復(fù)的樣本點(diǎn)，多次抽樣后會(huì)使概率分布集中于少數(shù)點(diǎn)，從而導(dǎo)致計(jì)算的結(jié)果遠(yuǎn)遠(yuǎn)偏離真實(shí)結(jié)果，使估計(jì)出現(xiàn)偏差。

（2）在分布連續(xù)的情況下，我們只能獲得觀測(cè)點(diǎn)處的分布情況，對(duì)于非觀測(cè)點(diǎn)處的分布并無(wú)了解，據(jù)此推斷出的分布很有可能偏離真實(shí)分布。

（3）在使用Bootstrap方法時(shí)，無(wú)法對(duì)分位數(shù)進(jìn)行估計(jì)，對(duì)最大次序統(tǒng)計(jì)量、最小次序統(tǒng)計(jì)量自然也無(wú)法進(jìn)行估計(jì)。

（二）Jackknife的缺陷

通常情況下，Jackknife方差估計(jì)量是一致的，但在一些情況下Jackknife方差估計(jì)量會(huì)出現(xiàn)不一致的情況。不一致性的出現(xiàn)主要是因?yàn)闃颖竞瘮?shù)的不平滑。

（三）模擬

（1）對(duì)Bootstrap的改進(jìn)

選用的均值為2、標(biāo)準(zhǔn)差為5的正態(tài)分布對(duì)Bootstrap的改進(jìn)進(jìn)行模擬。對(duì)最大統(tǒng)計(jì)量和最小統(tǒng)計(jì)量進(jìn)行鄰域的擴(kuò)充并進(jìn)行抽樣，方法為：，。選取不同的m值，各進(jìn)行1000次模擬。結(jié)果如下。

“compare”代表了在1000次模擬中，改進(jìn)后的方法更優(yōu)的次數(shù)。由于模擬采取小樣本，所以m值應(yīng)當(dāng)取大一些?？梢钥吹剑S著m的增大，改進(jìn)后的方法效果越來(lái)越好。模擬結(jié)果符合已有結(jié)論。

（2）棄d刀切法

對(duì)Jackknife和棄d刀切法進(jìn)行模擬比較。生成100個(gè)均值為2、標(biāo)準(zhǔn)差為5的正態(tài)分布隨機(jī)數(shù)，分別利用刀切法和棄d刀切法進(jìn)行標(biāo)準(zhǔn)差的估計(jì)，棄d刀切法選取了不同的d值。結(jié)果如下。

“sd”代表了棄d刀切法估計(jì)的標(biāo)準(zhǔn)差，橫坐標(biāo)為抽取的樣本量r，橫線為刀切法估計(jì)的標(biāo)準(zhǔn)差。由上圖可見，當(dāng)d=1時(shí)，棄d刀切法即為刀切法。棄d刀切法并不是總優(yōu)于刀切法，其效果與d的選取有關(guān)。

參考文獻(xiàn)：

[1]Rupert G.Miller. The Jachhnife-A Review. Biometrika， 1974、30（1）： 1-15.

[2]謝益輝，朱鈺. Bootstrap方法的歷史發(fā)展和前沿研究. 統(tǒng)計(jì)與信息論壇， 2008、23（2）： 90-96.

[3]謝振南，楊宜民. 基于刀切法與自適應(yīng)加權(quán)的多傳感器信息融合算法. 計(jì)算機(jī)與現(xiàn)代化， 2012、25（10）： 34-37.

[4]呂博，劉明霞，劉麗莎. 單側(cè)化準(zhǔn)備電位啟始時(shí)間點(diǎn)的測(cè)算：刀切法. 心理與行為研究， 2014、12（5）： 707-711.

[5]謝益輝，朱鈺. Bootstrap方法的歷史發(fā)展和前沿研究. 統(tǒng)計(jì)與信息論壇， 2008、23（2） ： 90-96.

[6]黎光明，張敏強(qiáng). 校正的Bootstrap方法對(duì)概化理論方差分量及其變異量估計(jì)的改善. 心理學(xué)報(bào)， 2013、45（1）： 114?124.

[7]余國(guó)寶，錢祖煌. 應(yīng)用自動(dòng)法樣本估計(jì)森林系統(tǒng)抽樣誤差的初步研究. 林業(yè)調(diào)查規(guī)劃， 1993、18（1）：1-7.

[8]劉長(zhǎng)虹，陳凱倫，郝杰，楊晨. Bootstrap 抽樣方法在考試成績(jī)分析中的應(yīng)用. 紡織服裝教育， 2015、30（3）： 196-198.