我想知道如何使用复制权重和调查包的confint实现来构造bootstrap置信区间/标准误差。
看看survey包的implementation of confint，它似乎只是简单地取复制后生成的theta列表的标准误差，然后将其乘以对应于给定alpha范围的统计量。
但这并不符合我所知道的任何bootstrap实现，通常情况下，你会使用theta分布的百分位数来得到样本均值分布的置信区间，T和BCa区间是另一回事。
这是我的R代码。我没有使用提供的权重，而是让repweights权重以等概率生成为“带替换的样本”权重。

data(api)
d <- apiclus1 %>% select(fpc, dnum,api99)
dclus1<-svydesign(id=~dnum, data=d, fpc=~fpc)
rclus1<-as.svrepdesign(dclus1,type="bootstrap", replicates=100)

为了检验置信区间，我们可以用途：

test_mean <- svymean(~api99, rclus1)
confint(test_mean, df=degf(rclus1))
confint(test_mean, df=degf(rclus1)) - mean(d$api99)

结果是：

2.5 %   97.5 %
api99 554.2971 659.6592
          2.5 %   97.5 %
api99 -52.68107 52.68107

很明显，区间是对称的，这违背了使用bootstrap的一些目的。
我们试试看：

test_bs <- withReplicates(rclus1, function(w, data) weighted.mean(data$api99, w), return.replicates=T)

这将引导重复，其中权重是rep权重（我假设是替换权重）。以下是使用BCa区间对重复进行的区间：

bca(test$replicates) - mean(d$api99)
-43.2878  49.1148

显然不对称。
使用百分位数区间：

c(quantile(test$replicates, 0.025),quantile(test$replicates, 0.975))  - mean(d$api99)
     2.5%     97.5% 
-45.50944  48.06085

瓦利安特以这种方式实现了百分位数区间，它应该与我的百分位数区间相当：

smho.boot.a <- as.svrepdesign(design = smho.dsgn,
                              type = "subbootstrap",
                              replicates = 500)
         # total & CI for EOYCNT based on RW bootstrap
 a1 <- svytotal( ̃EOYCNT, design = smho.boot.a,
                 na.rm=TRUE,
                 return.replicates = TRUE)
              # Compute CI based on bootstrap percentile method.
 ta1 <- quantile(a1$replicates, c(0.025, 0.975))

我想知道
a.如何使用调查包为感兴趣的统计数据构建bootstrap CI b. bootstrap的withReplication实现是否正确