要在混合效应线性模型中进行引导，您需要以保持模型结构的方式进行替换采样。因此，您的数据被分成几组，您不希望将一组数据混合到另一组数据中。对于任何特定组，假设您有 m 个观察值，那么您将从这些 m 个观察值中进行替换并采样 m 次。您对所有其他组重复此过程（但 m 的值可能会改变）。完成此操作后，您将获得一个引导示例。您将模型拟合到这个 bootstrap 样本，然后重复 bootstrap，然后多次拟合模型。这将为您提供一组估计的模型参数（如果您愿意，每个参数的直方图）。任何时候你有一个估计的引导直方图，你都可以从这个估计集合中构建引导置信区间。最简单的是 Efron 的百分位方法，它将这些有序引导估计中的 2.5 个百分位和 97.5 个百分位作为 95% 置信区间的端点。有关这方面的更多详细信息，您可以阅读 Efron 和 Tibshirani 的 An Introduction to Bootstrap (1993) Chapman 和 Hall、我的书 Bootstrap Methods 2n​​d ed (2007) Wiley 或 Efron 和 Tibshirani 在统计科学中的文章 (1986)。

现在，在没有数据的情况下，您可能想了解模型的工作原理。然后您可以对数据进行模拟，并以类似于我为引导程序描述的方式查看结果。不同之处在于，当您进行采样时，您必须指定一个或多个分布，而不是从数据的经验分布中采样。