以下只是几点：

• 如果您偏离常态，那么引导通常是一个好主意。
• 您提到使用“1000”个重复。增加重复次数会增加计算时间和准确性。因此，有时在首次设置模型时，您会将重复次数设置为运行速度相对较快的水平。但是，对于您报告的最终模型，您可能希望将仿行数提高到 10,000 或更多。
• 如果您的数据与正态性的偏离很轻微，那么假设正态性的系数和模型拟合检验通常是一个合理的近似值。特别是当您有一个大样本时，通常是结构方程建模的情况，假设检验以零假设作为正态性进行显着检验，对于决定是否坚持使用假设正态性的方法通常过于敏感。我会更加关注非正态性的实际指标，例如偏度和峰度值（或者如果您的直觉经过充分训练，请查看变量的直方图）。
• 如果偏离常态是温和的，我预计标准方法和自举方法都应该产生相似的结果。表明您的结果对此类分析决策是稳健的，可能会让您对结果更有信心。