“引导程序”一词涵盖了许多（有些相关的）事物——足以填满许多书籍（确实如此）。有些事情比其他事情更容易出现幼稚应用程序的问题。

如果您只是将重采样直接应用于观察，那么将引导程序应用于索引的幼稚应用可能会遇到的最明显问题是数据值是

(i) 几乎可以肯定不是静止的；原始值与可交换的完全不同（实际上，这几乎是索引的重点）。

(ii) 长期依赖；即使它们是静止的，您仍然不能简单地将它们随机地洗牌，而不会弄乱时间依赖性，从而推断出可变性。

如果可以，那么产生的标准误差对异方差性、序列相关性等是否具有鲁棒性？

不，这就是为什么它不好的部分原因。如果你有一个关于期望移动方式、方差变化方式和随时间依赖性的模型，你也许可以做一些类似块引导残差的事情，比如说。残差块可能几乎是可交换的，并且可能保留足够的依赖结构以给出合理的结果。