KNOWECON WIKI

ARTICLE

样本外预测

样本外预测 (Out-of-Sample Prediction) 样本外预测（Out-of-Sample Prediction），又称样本外检验或样本外评估，是指利用已估计的统计模型对未参与参数估计的数据进行预测的过程。与样本内拟合（In-Sample Fit）不同，样本外预测是衡量模型泛化能力的黄金标准，能够有效检测模型的过度参数化和捕捉虚假关系的问题。在

浏览 0 更新 2026-07-13

样本外预测 (Out-of-Sample Prediction)

样本外预测（Out-of-Sample Prediction），又称样本外检验或样本外评估，是指利用已估计的统计模型对未参与参数估计的数据进行预测的过程。与样本内拟合（In-Sample Fit）不同，样本外预测是衡量模型泛化能力的黄金标准，能够有效检测模型的过度参数化和捕捉虚假关系的问题。在计量经济学、机器学习和时间序列分析中，样本外预测表现是判断模型真实预测能力的最可靠依据。一个在样本内表现优异但样本外预测能力不足的模型，通常意味着存在过度拟合（Overfitting）——模型不仅学到了数据中的真实信号，还拟合了样本特有的噪声。

与样本内预测的区别

样本内预测（In-Sample Prediction）是指将模型应用于用于估计该模型的同一数据集。样本内预测误差往往偏小，因为它可能是模型对特定样本数据过度适应的结果。更根本地说，随着模型参数数量增加，样本内拟合优度（如R方）只会单调递增或保持不变，即使引入了完全无关的解释变量也是如此。这一性质使得单独依赖样本内评估具有严重的误导性。相比之下，样本外预测面对的是模型从未"见过"的数据，能够提供对模型预测能力的无偏评估。AIC和BIC等信息准则正是通过在似然函数上施加参数数量的惩罚项来近似估计模型的样本外预测表现。

原理与机制

样本外预测的核心思想是将数据集划分为训练集（Training Set）和测试集（Test Set），也可进一步划分验证集（Validation Set）用于模型选择。模型仅在训练集上进行估计，然后将估计得到的参数应用于测试集的特征数据以生成预测值。预测性能通过比较测试集上的预测值与实际观测值得以评估。这一过程的数学本质是评估模型的条件期望函数 E[Y∣X] E[Y|X] 在未经拟合的新数据上的近似质量。假设在训练集上得到模型 f^(X) \hat{f}(X) ，则样本外预测误差定义为：

Test MSE=1ntest∑i∈test(Yi−f^(Xi))2\text{Test MSE} = \frac{1}{n_{\text{test}}} \sum_{i \in \text{test}} (Y_i - \hat{f}(X_i))^2

这一误差可以被分解为三部分：偏误的平方、方差和不可约误差。偏误-方差权衡（Bias-Variance Tradeoff）指出，过于简单的模型（高偏误、低方差）和过于复杂的模型（低偏误、高方差）都会导致较大的样本外预测误差。最优模型是能够在二者之间取得平衡的模型。

常见评估方法

时间序列的样本外评估

在时间序列分析中，样本外预测具有特殊的重要性。由于时间序列数据存在时间依赖结构，不能采用随机划分方式。常用的方法包括滚动窗口预测（Rolling Window）和递归预测（Recursive Forecasting）。在滚动窗口方法中，固定长度的窗口在时间轴上向前滑动，每个窗口用于估计模型并预测下一期；递归方法则不断扩展训练集以包含更多历史信息。评估指标包括均方根误差（RMSE）、平均绝对误差（MAE）和平均绝对百分比误差（MAPE）。Diebold-Mariano检验是检验两个竞争模型的样本外预测能力是否具有统计学差异的正式方法。此外，Mincer-Zarnowitz回归通过将实际值对预测值进行回归来评估预测的无偏性和有效性。

截面与面板数据的样本外评估

对于截面数据和面板数据，常用的样本外评估方法包括K折交叉验证（K-Fold Cross-Validation）和留一法交叉验证（Leave-One-Out Cross-Validation, LOOCV）。K折交叉验证将数据随机分为K个大小相近的子集，每次以K-1个子集训练模型并在剩余1个子集上评估，重复K次后取平均预测误差。LOOCV是K折交叉验证的特例（K等于样本量），其计算效率较低但近似无偏。研究表明，LOOCV是近似无偏的模型预测误差估计量，但其方差可能较大；五折或十折交叉验证在偏误和方差之间取得了良好的平衡，是实践中的常用选择。

实际应用与注意事项

样本外预测在经济学和金融学中具有广泛的应用。在宏观经济学中，中央银行的预测模型需通过样本外检验来评估其对GDP增长率、CPI和失业率等关键经济指标的真实预测能力。Stock与Watson的系列研究表明，组合预测方法在样本外预测中往往优于单一模型。在金融学中，资产定价模型的市场风险溢价预测需要严格的样本外检验以避免数据窥探偏误（Data Snooping Bias）。在机器学习中，样本外预测是模型选择、超参数调优和正则化的核心评估准则。

实践中需要注意以下几点：第一，样本外预测表现并非衡量模型质量的唯一标准——经济理论的一致性、参数的经济学解释性和模型的可操作性同样重要。第二，样本外预测误差的估计本身具有随机性，应报告置信区间或通过Bootstrap方法估计预测误差的抽样分布。第三，模型在样本外失败可能源于结构性变化（Structural Break）——经济关系在样本期内外发生了根本性改变。此时，时间序列的邹检验（Chow Test）或Bai-Perron检验可用于检测结构突变的存在。最后，应警惕事后选择（Hindsight Bias）——即研究者反复使用测试集信息调整模型，使样本外评估实质上变成了在测试集上的样本内拟合，丧失了评估的可信度。因此，在大型实证研究中，通常建议设置"基准期"或"保留样本"并将其完全隔离于模型开发过程之外。