SALib中delta.analyze函数num_resamples参数设置咨询

一、Delta统计量与S1指数的核心差异 #

用直白的话帮你区分这两个指标，不用纠结复杂学术定义：

• Delta统计量：聚焦输出分布的位置偏移——比如当某个输入参数变化时，仿真结果的均值/中位数整体挪了多少。它更适合捕捉「参数变化会不会让结果整体偏高/偏低」，哪怕结果的波动（方差）没怎么变。
• S1指数：聚焦输出方差的解释比例——类似「这个参数能解释多少仿真结果的波动」，和经典的Sobol'一阶敏感性指数逻辑一致。它更适合看哪个参数是导致结果不稳定的主要因素。

简单总结：Delta看「结果整体动没动」，S1看「结果波动是谁搞的」。

二、num_resamples参数的作用与实用设置 #

这个参数是做bootstrap重采样用的，核心目的是给你的敏感性结果加「可靠性标签」——也就是置信区间：

作用 #

从你现有的拉丁超立方采样数据集（X,Y）里，重复随机抽取带放回的子样本，每个子样本都跑一遍Delta分析，得到一批Delta/S1的结果。然后用这些结果的分位数，来估计原指数的置信区间（就是输出里的_conf相关值）。说白了，就是帮你判断：「我算出来的敏感性指数，会不会因为采样的随机性而偏差很大？」

实用设置建议 #

• 别用默认的10，这个次数太少，置信区间估计极不稳定。日常建议设为100-1000：
  • 如果你的采样总样本量很大（比如>1000），可以降到50-100，节省计算时间；
  • 如果采样样本量小（<500），建议设到500以上，弥补样本量不足带来的随机性；
• 绝对不要设为1：重采样至少需要多次结果才能计算统计分布，设1的话只有一个数据点，没法算置信区间，这就是你看到_conf为NaN的原因。

三、你遇到的异常现象解释 #

1. 增加采样数但_conf值不变（0-0.05） #

大概率是这两种情况：

• 你的仿真输出Y本身方差极小，或者输入参数的敏感性确实非常低，导致无论怎么加采样，置信区间都窄到几乎没变化；
• 你增加的采样数还没达到「能改变结果稳定性」的阈值——当采样数已经足够大时，再增加采样，置信区间的变化会微乎其微，看起来像是不变。可以试试把num_resamples调到1000，再观察_conf的变化。

2. 修改conf_level但区间不变 #

这几乎肯定是因为num_resamples设置得太小（比如默认的10）。bootstrap置信区间是靠重采样结果的分位数计算的，重采样次数太少时，分位数的差异根本体现不出来。把num_resamples调到100以上，再修改conf_level（比如从0.9改成0.99），就能看到区间变化了。

3. num_resamples=1时_conf为NaN #

如前所述：重采样1次只能得到1个Delta/S1结果，没有足够的数据来计算置信区间（置信区间需要多个结果的统计分布来估算），所以程序只能返回NaN。只要把num_resamples设为大于1的数值（建议≥10），这个问题就解决了。

内容的提问来源于stack exchange，提问作者Peer Breier