modelfouten

Modelfouten zijn afwijkingen tussen de uitkomsten van een model en de werkelijkheid. Ze ontstaan door verschillende factoren en kunnen de betrouwbaarheid van analyses beïnvloeden. In statistiek en datawetenschap worden modelfouten vaak onderverdeeld in systematische fouten (bias) en toevallige fouten (variance), en verder in problemen van data, het model en de schatting.

Veelvoorkomende oorzaken zijn misspecifiëring van het model (verkeerde functionele vorm of ontbrekende relaties), ontbrekende of foutieve variabelen, meetfouten in de data en selectiebias. Ook non-stationariteit, verkeerde aannames over verdelingen van residuen en numerieke approximaties kunnen modelfouten introduceren. Fouten kunnen voortkomen uit overmatige complexiteit (overfitting) of onderfitting, waardoor het model wel op trainingsdata presteert maar buiten die data niet.

Modelfouten leiden tot vertekende schattingen, inaccurate voorspellingen en onbetrouwbare beslissingen. Ze kunnen de geldigheid van conclusies ondermijnen en de generaliseerbaarheid van modellen beperken. In praktijk kunnen modelfouten resulteren in verkeerde beleidskeuzes of slechte risicobeoordelingen.

Detectie gebeurt via residuanalyse, goodness-of-fit-methoden, informatiecriteria, cross-validatie en back-testing. Grafische controles en sensitiviteitsanalyses helpen bij het signaleren van structurele problemen en bij het beoordelen van robuustheid.

Mitigatie omvat modelherziening en inclusie van relevante variabelen, toepassing van flexibelere of robuuste modellen, regularisatie en ensemblemethoden. Verbetering van de data en het modelleren van meetfouten kunnen fouten verminderen. Sommige modelfouten blijven bestaan door onvermijdelijke beperkingen van de aannames; voortdurende validatie blijft noodzakelijk.