Unter Bootstrapping versteht man eine Resampling Methode, bei der eine empirische Verteilung (zum Beispiel die Stichprobenkennwerteverteilung) durch die erneute zufällige Stichprobenziehung aus dem Ursprungsdatensatz aufgestellt wird. Das heißt, es werden i.d.R. mehrfach immer gleich große Stichproben "mit zurücklegen" aus dem Ursprungsdatensatz gezogen. Dabei geht man davon aus, dass der vorliegende Ursprungsdatensatz und die darauf gezogene Zufallsstichproben repräsentativ für die Grundgesamtheit ist. Die Methode ist besonders dafür geeignet, um Standardfehler und Konfidenzintervalle aus der durch Bootstrap erlangten Stichprobenkennwerteverteilung zu berechnen, wenn die Verteilung sonst nicht oder nur kompliziert herzuleiten wäre (z.B. für den indirekten Effekt in der Mediation).