長(zhǎng)期以來，非參數(shù)統(tǒng)計(jì)在社會(huì)科學(xué)研究中一直備受關(guān)注。非參數(shù)統(tǒng)計(jì)不需要做正態(tài)分布這樣的加權(quán)假設(shè)。簡(jiǎn)狄更生吉本斯（Jean Dickinson Gibbons）寫的《非參數(shù)統(tǒng)計(jì)簡(jiǎn)介》（Nonparametric Statistics：An Introduction，本叢書第90冊(cè)）和《相關(guān)關(guān)系的非參數(shù)測(cè)量》（（Nonparametric Measures of Association，本叢書第91冊(cè)）介紹了許多單變量和雙變量的分布任意（distribution-free）的統(tǒng)計(jì)量。穆尼和杜瓦爾這兩位教授執(zhí)筆的本專著所介紹的推斷方法與經(jīng)典的參數(shù)估計(jì)方法不同。自助法利用計(jì)算機(jī)從原樣本中重新抽�。╮esample）大量的新樣本，通過這些新樣本得到一個(gè)統(tǒng)計(jì)量抽樣分布的估計(jì)。（根據(jù)作者介紹，我們可以利用蒙特卡洛從一個(gè)樣本量為50的原始樣本中有放回地抽取1000個(gè)樣本量為50的隨機(jī)樣本，計(jì)算每一次的 ?值。這1000個(gè) ?的頻率分布將組成抽樣分布的估計(jì)。）然后，我們?cè)倮�用這個(gè)估計(jì)的抽樣分布（而不是事先假設(shè)的分布）來做總體推斷，例如推斷是否 值不為0。
因此，當(dāng)統(tǒng)計(jì)量的潛在抽樣分布不能假設(shè)為正態(tài)分布，且利用普通最小二乘法（ordinary least squares, 簡(jiǎn)稱 OLS）估計(jì)回歸系數(shù)得到的殘差有偏時(shí)，我們可以利用自助法來估計(jì)。當(dāng)抽樣分布沒有可用的分析方法時(shí)，例如估計(jì)兩個(gè)樣本中位數(shù)之間的差異時(shí)，我們也可利用自助法來估計(jì)。在這些情況下，我們可能不用傳統(tǒng)方法來估計(jì)置信區(qū)間（和做顯著性檢驗(yàn)），而可能傾向于利用以下四種自助置信區(qū)間法（bootstrap confidence interval methods)：正態(tài)近似法（normal approximation）,百分位法（percentile），偏差矯正百分位法（bias-corrected percentile），或百分位 法（percentile- ）。雖然每種方法都有各自的優(yōu)缺點(diǎn)，這在本書中有詳細(xì)的討論，但穆尼和杜瓦爾稍稍傾向于百分位 法，至少當(dāng)主要目標(biāo)是假設(shè)檢驗(yàn)的精確性時(shí)。而且，即使分析人員最終依賴于傳統(tǒng)的推斷方法，他們也可利用自助法來評(píng)估某些模型假設(shè)是否不成立。
作者運(yùn)用許多真實(shí)數(shù)據(jù)來舉例說明自助法。這些例子包括美國(guó)各州的石油生產(chǎn)、標(biāo)準(zhǔn)都市統(tǒng)計(jì)區(qū)（SMSA）的人均個(gè)人收入、美國(guó)人爭(zhēng)取民主行動(dòng)組織（Americans for Democratic Action，簡(jiǎn)稱ADA）對(duì)國(guó)會(huì)成員的排名，及立法委員會(huì)成員和整個(gè)立法機(jī)關(guān)的偏好的中位值之差。最后，在附錄中，作者總結(jié)了怎樣利用不同可用的軟件包來應(yīng)用這個(gè)計(jì)算機(jī)運(yùn)算密集的方法。利用本書和合適的計(jì)算機(jī)支持，分析人員應(yīng)該能很容易地利用自助法去做一些統(tǒng)計(jì)推斷的探索。

邁克爾S. 劉易斯-貝克