長期以來，非參數(shù)統(tǒng)計在社會科學(xué)研究中一直備受關(guān)注。非參數(shù)統(tǒng)計不需要做正態(tài)分布這樣的加權(quán)假設(shè)。簡狄更生吉本斯（Jean Dickinson Gibbons）寫的《非參數(shù)統(tǒng)計簡介》（Nonparametric Statistics：An Introduction，本叢書第90冊）和《相關(guān)關(guān)系的非參數(shù)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(jīng)典的參數(shù)估計方法不同。自助法利用計算機從原樣本中重新抽取（resample）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(jù)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(shè)的分布）來做總體推斷，例如推斷是否 值不為0。
因此，當(dāng)統(tǒng)計量的潛在抽樣分布不能假設(shè)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(shù)得到的殘差有偏時，我們可以利用自助法來估計。當(dāng)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(shù)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(dāng)主要目標(biāo)是假設(shè)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(shè)是否不成立。
作者運用許多真實數(shù)據(jù)來舉例說明自助法。這些例子包括美國各州的石油生產(chǎn)、標(biāo)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(guān)的偏好的中位值之差。最后，在附錄中，作者總結(jié)了怎樣利用不同可用的軟件包來應(yīng)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(yīng)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