我无法理解两个引导程序之间的差异，以评估两个样本之间的均值差异。例如，考虑以下场景：

我的目标是比较两国之间的幸福感，Nepal并且Bhutan。我收集了一个样本$N$来自不丹和$N$尼泊尔的幸福指数。每个数据点都是 IID。

程序 1：在保留国家成员资格的同时进行引导

按照本指南（第 4-5 页），程序如下：

1. 拟合回归模型$Y = \beta_0 + \beta_1X_1$使用观察到的样本来估计观察到的差异$\beta_1$
2. 将来自尼泊尔和不丹的公民汇集到一个总体人口中，保持他们的国家成员身份
3. 用替换绘制$2N$来自组合总体的样本，并将回归模型拟合到这个自举样本
4. 重复步骤 2$B$生成分布的时间$\beta_1$价值观
5. 使用自举分布计算 p 值和置信区间$\beta_1$

程序 2：从没有国家成员资格的总体样本中抽取

在我参加的先前概率课程中的这些讲义（幻灯片 28-32）之后，程序是：

1. 计算观察到的均值差异
2. 将来自两国的所有公民集中到一个群体中，忽略国家成员资格
3. 用替换绘制 $N_{Nepal}$自举的尼泊尔群体的总人口中的公民
4. 用替换绘制$N_{Bhutan}$自举的不丹群体的总人口中的公民
5. 计算自举的尼泊尔和不丹群体之间的均值差异
6. 重复步骤 3-5$B$次
7. 使用差异的自举分布计算 p 值和置信区间

可以在程序 2 中更改国家成员资格，以便在引导样本中来自不丹的一些幸福评级似乎来自尼泊尔。这在程序 1 中从未发生过，在该程序中，尼泊尔的所有幸福评级都只归因于尼泊尔。

在程序 2 中“交换”国家成员资格有何影响？从这两个程序计算的置信区间和 p 值是否代表相同的数量？我应该期望这两个过程的结果相同吗？