请注意！！！
是同一种虫子，饲养的阶段不同，也就是说，第一组数据是虫子在卵期的数据，而第二组则是虫子长大了，在蛹期的数据！！！虫子一般要经历卵期、蛹期、幼虫期。但是每个发育阶段，发育速率的数据肯定是不同的，尽管都是在饲养在相同的问题条件下。
现在要对比的是-a1/b1和-a2/b2！！！
我问的问题是能不能用bootstrap得到的不同的两组值直接使用方差分析对比关心的两个参数的显著性，能还是不能？请直接回答我，不要兜圈子。

肯定是同一个试验的不同阶段罢了。

同一个温度下有50~100个样本，共有6个温度。

只看第一个sheet就可以了。奇数栏为自变量，偶数栏为因变量。共三个阶段，现在要对比三个阶段-a1/b1, -a2/b2, -a3/b3

例如，使用前两栏数据回归 y=a1+b1x

Of coz you can do that in non-parametric bootstrap method!!!!!  One advise, you will be better off to do this by comparing the ratio of (-a1/b1) and (-a2/b2). Things to concern, when you do bootstrap sampling, make sure you can sample the matching pair in two sets(in other words, if the first set is {A, B, C, a, b, c}, and second set must be {A, B, C, a, b, c} in the same iteration) as my understanding to your problem.
For your information, there is two  method that I know for doing bootstrap in regression. First method, you can sample X and Y directly. Second method, find the fitted value first and sampling residuals.

我怀疑不能，应为-a1/b1和-a2/b2样本量就是boostrap定义的次数，尽管均值和方差都知道，但是样本量却是人为可以随便定义的。不知道，诸位高人同不同意我的看法？
请不惜赐教。

看不太懂，能不能再具体一些？

第一）n大于等于30就可以了
第二）iteration基本上一千以上就足够了，多了基本上就是浪费时间
第三）就bootstrap而言基本上有parametric 和 non-parametric两种（俺所知道的并接触过的），具体不做解析，wiki一下就可以了。个人觉得你的情况和实验设计比较适合做non-parametric的。
第四）就回归而言，你要考虑的是模型的显著性，再考虑a和b的显著性。另外，你要明白regression做bootstrap的话，你的bootstrap sampling distribution只能告诉你关于这个parameter的一些信息。比如所你的b1是不是明显不等于零。所以你光从两个bootstrap sampling distribution上比较（-a1/b1）和（-a2/b2）有点说不通。于是我便建议你找着（-a1/b1）和（-a2/b2）的ratio，做这个ratio的bootstrap。
第五）就实验设计而言，如果样本A在第一个model里边被选中，那么里所当然的样本A必须在第二个model里面。因为第二个model是第一个model的延伸。或者我的理解有所错误，但是总的来讲，两个model的样本之间至少的是comparable的因为两个model的数据按照我的理解至少不是independent的。
第六）non-parametric regression bootstrap有两种做法，一个是直接sample数据，这个比较直观就不做介绍了。一个就是先求出model的fitted value和residual。然后保留fitted value然后sample residual。详细方法请参考“the R book”的regression部分，本论坛上就有。至于那种好就见仁见智。我个人比较偏向于后者，认为比较终于原始数据，比较原汁原味，然后sampling distribution的variation也没有那么大。

非常感谢！

b1和b2都是不等于零的，回归均可通过统计检验，即p值小于0.05.

“找着（-a1/b1）和（-a2/b2）的ratio“，我没有看懂这条建议的意思？能不能再说的具体些？

有兴趣，可以合作在国外发表文章。

shi_peijian@163.com

let（-a1/b1）=c and （-a2/b2）=d
如果通过bootstrap得到c的sampling distribution{c1,c2,c3.......}的mean mu(c)和SD std(c), 同理有{d1,d2,d3....}的mu(d)和std(d)。由于你的实验设计的原因，c1和d1，c2和d2，如此类推应该是配对的。但是如果依照一般的bootstrap用mu(c),std(c),mu(d),std(d)的信息来求导CI的话，貌似model之间的independency就有点打乱了，甚至不复存在（感觉就像two-sample T 和pair-T一样，pair-T，huh，倒是可以试试用c-d，哈哈，简单明了，不用c/d，感觉要解析起来比较费劲）。
得了，建议就用c-d，不要ratio了！

俺学校很菜。。。。。。。最大心愿也就是到JSM上做个poster或者交一个student paper之类。不过貌似今年的交abstract的deadline就快过了，最后一年可以用学生身份参加JSM了，可惜呀今年可是在迈阿密举行呀，阳光与海滩就这样错过了。

我还是有些看不懂。
自变量是x，因变量是y，现在有卵期和蛹期两组数据，即{x_i, y_i} (i=1,2,3,...,n1), {x_j, y_j} (j=1,2,3,...,n2)

使用卵期的数据，进行bootstrap，假设进行了k次，就可以得到:
使用每次bootstrap的数据，可以得到y=a1+b1 T，-a1/b1只有一个(令为c1)；第二次bootstrap，又得到一个-a1/b1（令为c2），如下相同。最后可以得到{c1,c2,c3,...,ck}

使用蛹期的数据，进行bootstrap，也假设进行了k次，就可以得到:
使用每次bootstrap的数据，可以得到y=a2+b2 T，-a2/b2只有一个(令为d1)；第二次bootstrap，又得到一个-a2/b2（令为d2），如下相同。最后可以得到{d1,d2,d3,...,dk}

我其实是想对比c（使用原始数据-a1/b1，而不是bootstrap得到的数据）和d差异的显著性的，我的问题是：
直接使用方差分析对{c1,c2,c3,...,ck}和{d1,d2,d3,...,dk}可不可以？

今天跟同事讨论，甚有启发。总结了两点，同时也有一些疑问。
1）按照我们的理解，方差分析=ANOVA。使用anova比对{c1,c2,c3.....ck}和{d1,d2,d3,....dk}是可以的。实际上这就是一个T-test而已。我同事的观点是虽然两个model之间存在关联性，但你bootstrap完之后你实际上可以理解为这种关联性已经不复存在（相当于你第一个model和第二个model之间用完全不同的data。或者说你两个实验同时进行观测不同个体。）变成independent。但是我的观点是如果这这样的话，实验里边明显个关联性就没有了，好像不太consistent。所以我其实还是偏向于分析c-d。
2）回头自己想了想，看起来两个方法都比较resonable。不过具体还是要看你怎么个bootstrap法。你直接bootstrap x 和 y，那就要preserve model之间的关联性比较好。但是你bootstrap fitted 和 residual的话，那就可以看成真真正正的independent了。大使具体效果怎样，我也很有兴趣，估计周末有时间我就跑跑两种方法比较比较，然后上来分享！

非常感谢！
根据我们使用其它的统计方法，得出的结论是两者不存在显著性差异。我直接对x,y    bootstrap是存在显著性差异。
看看您的结果。

说得很有道理，如果按以上讨论的做出来这，结果应该相当稳健，
应该是一篇好文章！
我前面说的，如果两个样本来自不同的总体，但是通过相关的统计量来比较
两组样本估计那一组的估计效果比较好，这是完全可以的，其义自明。
其实楼主的问题，用传统方法，例如SPSS，很容易解决，楼主的探究精神确实值得
我学习！

可否问一下，在SPSS中使用什么方法可以轻易做到这一点？请注意我的问题：
用两组不同的数据得到两个回归直线方程
Line 1:              y=a1+b1*x
Line 2:              y=a2+b2*x

问题是检验回归系数的商的负数是否有显著性差异，即-a1/b1=-a2/b2的问题。

请问在在SPSS如何检验呢？

谢谢，请不惜赐教！

祝好！