引导程序可以用来代替非参数测试吗？

我是统计学的新手。自举的概念一直困扰着我。

我知道使用某些测试（例如t检验）需要抽样分布的正态性。如果数据不是正态分布的，则通过在SPSS的t测试中请求“引导”，是否可以解决非正态性问题？如果是这样，输出中报告的t统计量是否基于自举抽样分布？

而且，在我拥有非正态数据的情况下，与使用非参数测试（例如，Mann-Whitney或Kruskal-Wallis）相比，这会是更好的测试吗？在数据不正常且正在使用引导程序的情况下，我不会报告t统计量：对吗？

引导程序无需像正常性这样的假设就可以工作，但是当样本量较小且总体不正常时，引导程序可能会高度可变。因此从假设的意义上讲可能会更好，但并不是在所有方面都更好。

带有替换的引导程序样本，没有替换的置换测试样本。Mann-Whitney和其他非参数检验实际上是置换检验的特例。我实际上更喜欢这里的置换测试，因为您可以指定有意义的测试统计信息。

决定使用哪种测试应基于所回答的问题和有关导致数据的科学知识。中心极限定理告诉我们，即使总体不正常，我们仍然可以从t检验中获得非常好的近似值。近似值的好坏取决于总体分布的形状（不是样本）和样本大小。在很多情况下，对于较小的样本，t检验仍然是合理的（在某些情况下，对于非常大的样本，t检验还不够好）。