bootstrap stata

### 如何在 Stata 中使用 Bootstrap 方法

#### 使用内置命令执行简单Bootstrap操作

对于大多数情况，可以直接利用Stata自带的`bootstrap`前缀命令来简化过程[^1]。例如，在估计线性回归模型参数的标准误时：

sysuse auto, clear
regress mpg weight length
bootstrap rse=r(se), reps(100): regress mpg weight length

上述代码先加载了一个示例数据集并进行了普通最小二乘法（OLS）回归分析；接着通过指定重复次数为100次的方式调用了`bootstrap`命令对同一回归方程中的系数标准误进行了重采样评估。

#### 自定义Bootstrap程序

当需要获取特定统计量而官方提供的功能不足以满足需求时，则可能要自己编写相应的do-file文件或ado函数来进行更复杂的处理。下面是一个简单的例子，展示了如何手动创建一个用于计算Variance Inflation Factor (VIF)及其置信区间的自助抽样脚本[^3]。

program define myvifboot, eclass
    version 17
    syntax varlist(min=2 numeric)
    
    tempname b V
    
    matrix `b' = J(1, _N, .)
    matrix colnames `b' = `_all'
    quietly foreach v of local varlist {
        reg `v' `varlist'
        mat `b'[1,"`v'"] = _b[_cons]
    }
    
    ereturn post `b', dep(`varlist')
end


* 运行自定义命令并保存结果到临时变量中
myvifboot price weight length displacement
matrix list e(b)

* 应用bootstrap得到各解释变量VIF值分布特征
bootstrap "myvifboot price weight length displacement" ///
          , rep(500) seed(12345) : ///
          estat vif

这段代码首先定义了一个名为`myvifboot`的新命令，该命令接收一系列数值型变量作为输入，并返回这些变量之间的共线性程度指标——即VIF值。之后再借助于`bootstrap`指令对该组变量间的关系强度进行多次随机取样的模拟实验，最终输出其95%置信水平下的上下限范围。