長期以來，非參數統(tǒng)計在社會科學研究中一直備受關注。非參數統(tǒng)計不需要做正態(tài)分布這樣的加權假設。簡狄更生吉本斯（Jean Dickinson Gibbons）寫的《非參數統(tǒng)計簡介》（Nonparametric Statistics：An Introduction，本叢書第90冊）和《相關關系的非參數測量》（（Nonparametric Measures of Association，本叢書第91冊）介紹了許多單變量和雙變量的分布任意（distribution-free）的統(tǒng)計量。穆尼和杜瓦爾這兩位教授執(zhí)筆的本專著所介紹的推斷方法與經典的參數估計方法不同。自助法利用計算機從原樣本中重新抽�。╮esample）大量的新樣本，通過這些新樣本得到一個統(tǒng)計量抽樣分布的估計。（根據作者介紹，我們可以利用蒙特卡洛從一個樣本量為50的原始樣本中有放回地抽取1000個樣本量為50的隨機樣本，計算每一次的 ?值。這1000個 ?的頻率分布將組成抽樣分布的估計。）然后，我們再利用這個估計的抽樣分布（而不是事先假設的分布）來做總體推斷，例如推斷是否 值不為0。
因此，當統(tǒng)計量的潛在抽樣分布不能假設為正態(tài)分布，且利用普通最小二乘法（ordinary least squares, 簡稱 OLS）估計回歸系數得到的殘差有偏時，我們可以利用自助法來估計。當抽樣分布沒有可用的分析方法時，例如估計兩個樣本中位數之間的差異時，我們也可利用自助法來估計。在這些情況下，我們可能不用傳統(tǒng)方法來估計置信區(qū)間（和做顯著性檢驗），而可能傾向于利用以下四種自助置信區(qū)間法（bootstrap confidence interval methods)：正態(tài)近似法（normal approximation）,百分位法（percentile），偏差矯正百分位法（bias-corrected percentile），或百分位 法（percentile- ）。雖然每種方法都有各自的優(yōu)缺點，這在本書中有詳細的討論，但穆尼和杜瓦爾稍稍傾向于百分位 法，至少當主要目標是假設檢驗的精確性時。而且，即使分析人員最終依賴于傳統(tǒng)的推斷方法，他們也可利用自助法來評估某些模型假設是否不成立。
作者運用許多真實數據來舉例說明自助法。這些例子包括美國各州的石油生產、標準都市統(tǒng)計區(qū)（SMSA）的人均個人收入、美國人爭取民主行動組織（Americans for Democratic Action，簡稱ADA）對國會成員的排名，及立法委員會成員和整個立法機關的偏好的中位值之差。最后，在附錄中，作者總結了怎樣利用不同可用的軟件包來應用這個計算機運算密集的方法。利用本書和合適的計算機支持，分析人員應該能很容易地利用自助法去做一些統(tǒng)計推斷的探索。

邁克爾S. 劉易斯-貝克