Modelfejl

Modelfejl, eller modelfejl, er et begreb anvendt i statistik, dataanalyse og beslutsstøtte til at beskrive forskellen mellem en models forudsigelser og den virkelige verden. Det opstår, når modellen ikke nøjagtigt afspejler den underliggende proces, hvilket kan skyldes forkert funktionel form, udeladte variabler, målingsfejl eller ændrede forhold over tid.

Årsager til modelfejl kan være forkert antagelse om forholdet mellem variabler, ikke-lineære sammenhænge i en ellers lineær model, data, der ikke er repræsentative for den virkelige situation, eller ændringer i systemet, som modellen ikke er opdateret til at håndtere. Kilder til fejl kan også være støj, måleusikkerhed og dataprivatisering, der skjuler vigtige mønstre.

Konsekvenserne af modelfejl omfatter skæve estimater, utilstrækkelig præcision og over- eller underfitting, hvilket reducerer modellens forudsigelsesevne og tillid i beslutningsprocesser. I praksis kan modelfejl føre til fejlagtige beslutninger, hvis modeller bruges som grundlag for policy, investeringer eller operationelle styringssystemer.

Diagnose af modelfejl involverer residualanalyse, krydsvalidering og bagtestning, samt sammenligning af alternative modelkonfigurationer og informeret vurdering af modelantagelser. Information som AIC/BIC, test for strukturelle brud og backtesting kan også hjælpe med at afdække fejl.

Afhjælpning kræver ofte modelrevision eller -udskiftning, robusthedsteknikker, regularisering, Bayesian model averaging eller en kombination af forskellige modeller. Målet er at reducere systematisk afvigelse og forbedre beslutningsgrundlaget, uden at overkomplicere modellen unødigt.