ブートストラップ：推定値が信頼区間外です

私は混合モデル（相互作用を持ついくつかの変数と1つの確率変数）でブートストラップを行いました。私はこの結果を得ました（部分的なのみ）：

> boot_out

ORDINARY NONPARAMETRIC BOOTSTRAP

Call:
boot(data = a001a1, statistic = bootReg, R = 1000)

Bootstrap Statistics :
          original        bias     std. error
t1*   4.887383e+01 -1.677061e+00 4.362948e-01
t2*   3.066825e+01  1.264024e+00 5.328387e-01
t3*   8.105422e+01  2.368599e+00 6.789091e-01
t4*   1.620562e+02  4.908711e+00 1.779522e+00
......

次に、切片の信頼区間を取得したいと思います。

> boot.ci(boot_out,type=c("norm","basic","perc"), index=1)
BOOTSTRAP CONFIDENCE INTERVAL CALCULATIONS
Based on 1000 bootstrap replicates

CALL : 
boot.ci(boot.out = boot_out, type = c("norm", "basic", 
"perc"), index = 1)

Intervals : 
Level      Normal              Basic              Percentile     
95%   (49.70, 51.41 )   (49.70, 51.41 )   (46.34, 48.05 )  
Calculations and Intervals on Original Scale

補正されたバイアスの推定値は次のとおりです。

48.873 -1.677
1 47.196

私が抱えている問題は、通常のCIと基本的なCIが見積もりの​​範囲外であるということです（オリジナルおよび修正済み）。どう対処したらいいのかしら。

アップデート1：
ここでは回答の多い同様の質問があります。

あなたが直面している困難は、暗示的な数学にあります。中心位置推定器または区間推定器は、分布に対するコスト関数の最小化と考えることができます。ガウス分布のサンプル平均は2次損失を最小化し、中央値はガウス分布の絶対線形損失関数を最小化します。母集団内で同じ場所にいるにもかかわらず、異なるコスト関数を使用して発見されます。

アルゴリズムを提供し、「これを行う」と言いますが、アルゴリズムが開発される前に、誰かが最適化の問題を解決しました。

4つの異なるコスト関数を適用して、3つの間隔と点推定を提供しました。コスト関数は異なるため、異なるポイントと間隔が提供されます。方法論を手動で統一することを除いて、それについて行われることは何もありません。

基礎となる論文を見つけ、基礎となるコードを見て、どの論文がどのタイプの問題に対応するかを理解する必要があります。

申し訳ありませんが、ソフトウェアに裏切られました。それはその仕事をしました、そして、平均してこれはうまく働きます、しかしあなたはソフトウェアが動かないサンプルを手に入れました。または、むしろ、それは完全に機能しており、実際に何が行われているのかを判断するには、実際に文献をさかのぼって調べる必要があります。