通过统计描述，研究者应该已经对样本数据的情况有了详细的了解。但研究的真正目 的是考察样本所代表的总体情况，这样就会涉及总体参数估计的问题。

1. 参数的点估计

参数的点估计就是选定一个适当的样本统计量值作为参数的估计值，例如将样本均数 作为总体均数的点估计值。常见的点估计方法有如下几种。

矩法：矩法的名称比较专业，实际上其含义非常简单，指在许多情况下，样本统 计量本身就是相应总体参数的佳估计值，此时可以直接取相应的样本统计量作 为总体参数的点估计值。例如样本均数、方差、标准差都是相应总体均数、方差、 标准差的矩估计量。对常用的正态分布而言，矩法几乎可以满足全部参数的点估 计需求，教科书上所说的点估计实际上就用了矩法。

极大似然法：极大似然法是另一种更好的参数估计方法，其优点在于估计量常能 满足一致性、有效性等要求，且具有不变性。不变性是指当对原始数据做某种函数变换后，相应估计量的同一函数变换值仍然是新样本的极大似然估计量。

稳健(Robust)估计：矩法和极大似然法虽然能够很好地满足点估计的需要，但也有 明显的缺陷，就是估计值受异常值的影响十分显著，或因数据分布的偏离而使估 计值产生较大变化。稳健估计法就是针对这种情况的解决方案之一，即当观测数 据不符合假定模型或与假定模型有偏离时，分析结论仍然保持稳定且正确的统计 方法。稳健估计指的是该统计量受数据异常值的影响较小，而且对大部分分布而 言都很好(当然，这种万金油特征意味着它不会对每个分布都是佳的)。

Bootstrap 法：该方法希望解决的问题和稳健估计类似，也是当观测数据不符合假 定模型或与假定模型有偏离时，仍然可以得到正确且基本稳定的分析结论，该方 法的原理将会在随后的案例章节中结合实例加以介绍。