modellvalidering

Modellvalidering är processen att bedöma i vilken grad en matematisk eller simulativ modell ger tillförlitliga och relevanta resultat för det avsedda ändamålet. Den skiljer sig från modellkalibrering, som handlar om att uppskatta modellens parametrar, och verifiering, som kontrollerar att modellen är korrekt implementerad. Modellvalidering används inom bland annat teknik, naturvetenskap, miljö- och riskmodellering samt finans.

Syftet med modellvalidering är att bedöma modellens förmåga att förutsäga eller representera verkliga system utanför den data som användes vid konstruktionen. Det syftar till att ge beslutstöd genom att identifiera begränsningar, osäkerheter och villkor under vilka resultaten anses giltiga.

Processen brukar innefatta att definiera avsikten och acceptanskriterier, samla eller avgränsa valida observationsdata, och sedan jämföra modellens utdata med verkliga observationer. Vanliga aktiviteter är validering mot oberoende data, korsvalidering, backtesting eller hindcasting, samt analys av residualer, sensitivitet och osäkerhet. Det kan också inkludera strukturell validering av modellens antaganden och processer.

Data och användningssituationer är centrala. Det krävs oberoende och representativa data, hanterbar kvantitativ osäkerhet samt dokumentation av vilka delar av modellen som validerats och vilka begränsningar som kvarstår. Resultaten sammanfattas ofta i en valideringsrapport som anger giltighetsområden, risker och rekommenderade användningar.

Begränsningar och utmaningar innefattar att verkliga system ofta är komplexa och föränderliga, data kan vara begränsade, och överfitting samt out-of-sample-svårigheter kan uppstå. Modellvalidering är därmed en iterativ process som stödjer modellriskhantering och transparens.