聚类自助法：重抽真正独立的单位

自助法的不确定性取决于抽什么，不只取决于重复多少次。多行属于同一公司时，独立抽行会破坏设计需要保留的依赖。应先识别可能独立的单位，再选择重抽方案。

SciPy自助法说明介绍重抽、区间选项和配对索引处理。paired选项不会自动发现公司簇，聚类设计仍须明确抽取簇，并保留每个被抽实例的相关观测。

定义估计量与簇

目标是公司等权均值、行等权均值，还是加权总体数量，应先说明。公司提供不同记录数时，目标可能不同，重抽单位和统计量必须对应抽样设计。

简单单向聚类自助法假设原簇适当独立且具有代表性。按原簇数量有放回抽取标识，每次被抽中的簇携带相关行一起进入新数据，保留内部测量及必要时间顺序。

创建重抽实例标识。同一公司抽中两次，就贡献两个实例；若按原公司ID去重，会删除一次合法重复抽样。原身份用于追踪，实例身份用于构建本次数据，两者分开。

假设虚构A公司观测为1和1，B为5和5，C为9和9。因大小相同，公司等权和行等权均值此处都为5。

一次簇重抽得到A、A、C，对应行1、1、1、1、9、9，均值22÷6约3.6667。另一次A、C、C，对应1、1、9、9、9、9，均值38÷6约6.3333。

普通独立抽行可能取一行A、两行B、三行C，破坏两行一起出现的结构。本例公司内部完全依赖，若假装六行全独立，自助分布就会改变。

三公司例子只检查机制，不表示三簇足够形成可靠置信区间。计算重复几千次，也不会增加独立公司数量，或修复原样本缺乏代表性。

公司等权时，先计算每个被抽公司实例均值，再平均实例。行等权时，按对应估计量合并行。簇大小可能与结果相关，所以这是实质选择，不是简单软件优化。

公司内前后配对时，两侧一起携带，并在每次抽样中重算差值。两列独立抽会破坏匹配。公司比率也应保留相关分子分母，不能分别随机生成后相除。

记录随机数设置、重复次数、统计量、簇规则及区间方法。种子有助重现，不证明有效。增加重抽次数主要减少在既定数据与方案条件下的模拟噪声，不增加原始信息。

检查分布退化与不稳定，尤其簇少或权重极集中时。共同日期冲击会造成公司之间依赖，单向公司自助法仍可能遗漏重要不确定性。复杂依赖要有设计理由，不能只多加一个分组标签。

交付物是文档化抽样方案、一例可检查重抽及目标统计量。标识、簇、权重或面板结构变化后复查，不能把库函数返回的区间当成无条件保证。

原样本缺失状态也应随簇保留。若每次抽样都另行填补缺值，需说明是否把填补不确定性纳入，否则同一个重抽程序可能混入未记录模型假设。任何人工清洗都应在定义好的处理阶段执行，不能看区间是否好看再决定删哪家公司。

运行大量模拟前，先查看一次实际抽样：簇实例数、带入行、重复实例和最终统计量应与手算一致。零行簇或标识碰撞可能悄悄改变估计量，库函数却仍返回区间。检查通过后再增加重复次数；若区间退化，不应只更换种子直到看起来合理，而应调查样本结构与目标是否适合。

不是。它保留数组间对应索引，簇仍需明确构造重抽。

不能。更多重复改善计算近似，不增加原始独立单位或代表性。