背景及问题

bootnet包中有多个函数用于评估心理网络模型参数的稳定性和准确性，例如边缘权重置信区间的bootstrap，中心性度量的case-drop bootstrap和边缘权重的bootstrap差异测试。这些方法从estimateNetwork()函数中获取网络对象。但是，在某些情况下，您使用psychonetrics包来估计模型，该包生成的对象似乎无法输入bootnet包函数。这包括使用模型搜索算法（修剪、步进）估计饱和网络模型的情况。
你如何评估这类网络模型的稳定性？或者，评估同样的稳定性措施在概念上没有意义？

具体案例

我正在估计一个网络模型的基础上的横截面数据是编码的二进制。我的样本量相对较大，约为3000，因此我遵循Isvoranu & Epskamp（2021）的建议，使用非正则化估计量。我还想优先考虑特异性，所以我应用修剪。我的型号：

model <- Ising(binaryDF) %>% 
  runmodel() %>% 
  prune(alpha = 0.01, adjust = "bonferroni") %>% 
  stepup(alpha = 0.01, criterion = "bic")

在评估了模型的拟合度之后，我现在想评估稳定性和准确性，但我不能使用bootnet包。教科书“Network Psychometrics with R”提到饱和模型中边缘的置信区间可以用心理测量学中的CIplot函数绘制。但是，这些配置项仅在未使用模型搜索算法（例如本例中的修剪和步进）时有效。
您还可以使用psychonetrics::parameters(model)检查psychonetrics模型的参数，在这里您将找到每个边权重系数的p值和SE。我想你可以计算每个系数的CI，但这有效吗？