關於bootstrap運用於分析SRM/effect size的差異是否有統計上顯著的意義

今天傍晚向業太諮詢bootstrap的概念，
及如何運用這個方法分析SRM/effect size是否有significant difference。
業太的講解如下:
假設我們有一個real data set，共有300名個案。
因為是驗證反應性，所以會有兩個時間點T1,T2。
使用bootstrap的方法，
即是從real data set中隨機抽出300個人(每抽一次就放回去，所以可能會有重複抽到的人。注意：在此所抽的人數需與原本樣本數相同)當一個bootstrap samle。
我們可能重複這個動作1000次，所以會有1000個bootstrap sample，
也就有1000個bootstrap sample mean/SD。
如此的抽樣，在T1和T2皆進行一次，
故T1和T2各有1000個bootstrap sample (mean/SD)，就可計算出1000個SRM/effect size。
若要比較兩個評估工具，用以上方法，則會有1000個SRM/effect size difference，
如此，我們便可以估計出SRM/effect size difference的信賴區間，若不包含0，就有統計上的顯著意義了。