概化理论又称为方差分量模型,其方差分量估计受限于抽样,不同的抽样样本估计的方差分量可能不一样。为了降低估计的误差,应该重视考察方差分量的变异量(如置信区间)。Bootstrap方法是一种有放回的再抽样方法,可用于估计概化理论的方差分量置信区间。文章采用蒙特卡洛模拟技术,比较Bootstrap的PC和BCa方法估计概化理论方差分量置信区间的性能。结果发现:(1)与未校正的方法相比,校正的Bootstrap的PC和BCa方法估计概化理论的方差分量置信区间更为可靠;(2)校正的Bootstrap的BCa方法估计概化理论的方差分量置信区间。要优于校正的Bootstrap的PC方法。