假设您的回归系数估计值为 1.2。要计算其 p 值，您需要知道在原假设下观察到如此大（或更大）的系数的概率。为此，您必须知道该系数的零分布。自举重采样是估计这种零分布的一种方法。对于回归，在您的 500 个引导样本中，您将获得回归系数的分布，其均值接近 1.2。假设自举采样系数的平均值为 1.19。假设您的零假设是系数的真实值为 0。这意味着该系数的零分布的平均值应为 0。我们可以通过简单地使 500 个自举采样系数的平均值为 0减去他们当前的平均值 1.19。

然后，要计算（双尾）p 值，我们可以简单地计算 500 个偏移系数的绝对值大于观测值 1.2 的比例。例如，如果其中 6 个更大，则 p 值为 6/500 = 0.012。请注意，我们以这种方式计算的任何 p 值将始终是某个整数除以 500。因此，可以从该计算得出的唯一 p 值是 0.002 的整数倍的值，即 1/500。

你得到的值不是 0.002 的倍数，而是 0.001996 的倍数。结果几乎完全等于 1/501。这种差异为 1 的原因是，从 bootstrap 计算的“常规”p 值存在偏差。常规公式是$\hat{p}=\frac{x}{N}$， 在哪里$x$是大于观察值的自举采样系数的数量，以及$N$是引导样本的数量。偏差校正公式为$\hat{p}=\frac{x+1}{N+1}$. 因此，由该公式得出的任何 p 值都将是$\frac{1}{N+1}$，在你的情况下是 1/501。