Citation：

Zhang, Q. (2018, June 16). Using BCBCIs to compute 95% bootstrap confidence intervals using bootstrap estimates. The tencent courses website. Retrieved June 16, 2018, from http://bfzldh.ke.qq.com/

1.引言

对PROCESS 2.16.3 (Hayes, 2007)和PROCESS 3.0(Hayes, 2017)来说，我们可以基于PROCESS保存的bootstrap系数估计值进行其他的统计检验，此时我们需要计算百分位bootstrap置信区间(percentile bootstrap confidence intervals,boot CIs)和偏差校正的bootstrap置信区间（Bias-Corrected bootstrap Confidence Intervals，BC boot CIs）。另外，PROCESS 3.0仅输出boot CIs，不再输出BC boot CIs，此时我们也需要自行计算BC boot CIs。本文根据BC boot CIs的公式(MacKinnon, Lockwood, & Williams, 2004)，编辑了BCBCIs macro以便于计算boot CIs和BC boot CIs。

2.BCBCIs使用方法

BCBCIs.psd是一个对话框，可从附件下载。研究者只需点击鼠标、输入相应的数据即可完成计算。使用方法如下：

Step1：打开PROCESS生成的包含有bootstrap系数估计值的文件；

Step2：通过Transform-Compute计算出我们需要的变量，这里我计算出了中介效应ind；

Step3：依次选择Analyze-Regression-“Bias-Corrected Bootstrap CIs”，可见如下界面，我们需要将要检验的变量ind选入Target Variables窗口，在Original Estimate窗口输入通过原始样本计算得到的ind的原始估计值，精度越高越好，这里我输入了.046053547960。Bias-Corrected Lower Percentile和Bias-Corrected Upper Percentile可以输入校正后的置信区间的下限和上限所对应的百分位，目前我们还不知道这两个值，BCBCIs首先默认其为2.5和97.5（即这一步没有对置信区间进行校正）。

图1 step3

点击OK运行，结果见图2。从结果中可以看到BCBCIs所运行的语句。Frequency中报告的是bootstrap实证分布中第2.5(Bias-Corrected Lower Percentile默认值)和97.5（Bias-Corrected Upper Percentile默认值）个百分位数，即为boot CIs，[0.0032,0.1089]。该结果与PROCESS报告的boot CIs的差异小于0.0001。Descriptive中bclp（2.9395）、bcup（97.8830）是真正的Bias-Corrected Lower Percentile、Bias-Corrected Upper Percentile。

图2 step3结果

Step4：再次打开BCBCIs对话框，将step3计算得到的bclp和bcup输入（精度越高越好，图3），再次运行，可得BC boot CIs为[0.00475730207339709, 0.111951091260955]。

图3 step4

---

附件内容：

1.本文pdf文档；
2.BCBCIs插件。