最近团队参考的一篇文章，来自，沃顿商学院和University of South Australia Business School and Ehrenberg-Bass Institute的两位商学院的教授，所创立的网站http://www.forecastingprinciples.com/index.php/about-121?id=34。
关于预测方法、场景、模型挑选的一些常见问题。http://forecastingprinciples.com/index.php/faq
翻译如下：
a .预测领域
1. 预测的范畴
预测涉及领域：确定未来会是个什么样子。预测的表现和使用。 也就是说,如果用策略A，则X将会发生。
经常预测未来值 时间序列 ;例如,某一年的婴儿的数量；小型汽车的需求。
另外,预测可以是一次性事件，
如管理联盟争端的结果，或新招聘新人的绩效。
也可以 预测分布，如恐怖袭击的位置，或心脏病的发生在不同的年龄同期人群。
预测包括领域研究和应用的判断以及量化或统计方法。
2. 预测知识是从哪里来的?
研究预测推荐实践中产生了很多变化,尤其是1960年代。 我们将推荐或最佳实践 原则 。 大多数原则都源于经验选择预测方法的比较。 最具影响力的论文描述这类研究的结果是论文，见原文链接。
强调实证发现可能似乎显然是可取的。
然而,这种方法并不总是采用, 共同信仰经验证据有时冲突如何预测。
例如,建议基础预测回归模型符合历史时间序列数据对精度产生不利影响。 有时研究成果已经扰乱学者,如发现相对简单的模型更准确的在很多情况下比复杂的 (贺加斯,2010) 。
这个网站和一本书，预测项目的输出 。 项目是为了总结所有先前的研究发现一种很容易被研究人员,教育工作者、学生和从业者。
3. 预测与计划什么关系
预测：未来 将 看起来像；
计划: 未来应该 的样子。
通常会先 规划。局势的情况，作为预测的一个输入。
如果组织不喜欢预测的结果，,它可以生成其他计划，带来可接受的结果。
当然,许多组织走捷径,仅仅改变预测。
更多的计划和预测的角色
B 各类预测问题
4. 你能给我不同的预测问题的例子吗?
举例。 有多少婴儿出生在宾夕法尼亚州匹兹堡的未来五年吗?
将现任总统当选连任吗? (见 政治预测 。 )
将3.5%的支付提供避免*工罢**的威胁吗? (见 冲突预测 )。
多少库存应该我们的目标是在这个月底的532件吗?
将经济增长率在未来三年?
考虑到技术问题和一些社区,要多长时间才能完成一个计划管道?
在哪些地区治安工作应集中在以对财产犯罪有最大的效果? (见 犯罪预测 )。
什么是最普遍的疾病在十年后英国呢?
5. 你应该如何结构化一个预测问题?
预测是关心如何收集和处理信息。
例如,什么时候分解一个问题和地址?
预测包括平淡的事情，比如获取相关的最新数据、检查数据中的错误、调整通货膨胀调整、工作日和季节性等事情。
预测错误，有时候依赖于如何得到更准确的信息。
还需要什么信息、如何最好的利用信息，取决于“预测方法的选择"。
6. 使用最新的数据很重要吗?
是的。 研究也支持这个常识；虽然在实践中往往是违反了。
7. 使用大量数据很重要吗?
重要的是，数据跨越了很长一段时间、或广泛的类似情况。
这样做会减少你会错误的短视的风险，比如，偏离了基本趋势、或者通常情况的局部特殊表现。
我应该收集尽可能多的不同类型的数据?
令人惊讶的是,研究表明,
信息过载的时候，预测准确率反而下降了。( 阿姆斯特朗1985年,100 - 102。 )
因此,有有时候忽略一些信息是对的。
例如，如果一个人只有有限的时间和有限的资源，妥善考虑所有相关信息 (戈尔茨坦&吉仁泽2009) 。
然而,如果你使用通常的方法来预测,你应该收集不同类型的相关数据。
8. 我需要知道我预测的变化的原因是什么?
也不一定。
只有历史数据的时候。
例如,航空公司呼叫中心的交通可以预测使用 外推法 方法。
如图所示，推断法很多情况下是有用的。
9. 我知道模型的预测是错误的。 我应该调整吗?
人们认为比来自于定量方法的预测，知道更多、修改预测，通常结果反而降低了准确率。
然而,结构化的判断调整可能是有用的,如果
(1)最近的事件并没有完全反映在数据
,(2)专家拥有好的对未来变化的领域知识,
或(3)模型中不可能包括关键变量。
一般来说,轻微的修订应该避免。
上面三种情形，应该：
写下用书面的任务指导、
书面的确切的调整，请求专家调整,
记录修改的原因,
并检查之前预测错误。
有关详细信息,请参见 古德温 (2005)。
10. 我怎么能把专业知识情况, 特别是知识的因果关系, 结合到我的预测中?
人们常常对一个特定问题的有用的知识,这称为领域知识。
有效的利用领域知识的一种方法，
包括为判断预测、提供图形化的决策支持(Edmundson,1990)。
基于规则的预测 ，是另一种方法，
结合专家领域知识、和推断时间序列的统计技术。
在使用用基于规则的预测的时候,
大部分系列特征可以自动识别,
但是一部分特征需要领域知识,
特别是因果力作用的趋势( Collopy和阿姆斯特朗 ,1992)。
因果模型
如果”已知的有作用的变量“有可用的数据的话，就可以有因果模型。
理论、前的研究,和专家领域知识
可用提供，关于”预测的变量之间的关系和因果变量“的信息。
因果模型，可以将”规划“和”决策与预测“关联起来,
所以，如果一个人想要“根据环境的不同状态，创建预测”的话，因果模型很有用。
更重要的是,因果模型可以用来预测：不同的政策的影响。
回归分析
适用于如果只有少数相关变量
和有许多可靠的观测、包括因果变量的相互独立的改变。
回归分析，包括，从历史数据，评估因果模型的相关系数。
模型包含一个或多个回归方程、用于表示一个因变量和自变量之间的关系。
回归模型或计量经济学模型，的重要准则：
(1)利用先验知识和理论,而不是统计,选择变量、用于指定方向的影响
(2)使用简单的模型,
和(3)丢弃变量，如果之前估计的关系、与理论相或之前的证据、有冲突的话。
索引法
如果有许多变量、关于”变量如何影响一个结果“的领域知识也很多。
许多预测问题，观测很少、相关变量很多
像这样的问题，用索引方法更现实一点。
指数得分，计算通过增加解释变量的值,这可能是主观评估,例如,0或1。
如果有好的先验领域知识,
解释变量可能是加权相对于它们的重要性.
指数评分，用于预测的"相关事件的可能性"。
它们也可以用来预测数值结果
,例如,通过回归指数, 利用历史数据，对于量化的相关变量因变量，进行打分。
细分
当一个异构整体可分为同质的部分,
以不同的方式,
以应对变化的因果变量,
这比整个可以预测更准确。
例如,在航空业,价格对企业和个人旅行者有不同的影响。
适当的预测方法可以用来预测各个部分。
例如,可以估计每段单独各自的回归模型。
阿姆斯特朗(1985,第287页)报道了三个细分的比较研究。
段是通过外推或回归分析预测。
所有这三个研究表明，细分会提高准确性。
c .常识和预测
1.常识不就足够了吗?改进好的判断，不是很难吗?
直接判断的方法，通常要比定量方法更昂贵。
如果每周需要对50000个物料做库存控制预测,逐个判断不可行。
另一个原因是,他们通常不如正式的方法准确。
研究表明,主观预测有很多偏见,如乐观和过于自信。
奈杰尔·哈维 (2001)描述了如何克服这些偏见。
瑟夫和Navasky (1998)证明了专家常常做出糟糕的判断。
例如,1956年的约翰·冯·诺依曼说,¢数十年后,能源可能是免费的——就像un-metered air.
泰特罗克(2005) 分析了82000多名专家的预测政治和经济事件。 发现专家还没有，更简单的规则预测的准确。
2.常用的预测方法是什么?
请看：方法树。
3.我如何学习预测方法?
很多书已经出版关于预测。 1990年以来发表的所有有关的清单,以及评论,看到的 文本/贸易书 。 一个更受欢迎的 Makridakis、做和Hyndman 一个¢¬一¢年代(1998年);现在的第五版,它描述了如何使用各种方法。 预测国际研讨会 汇集了从业人员、学者和软件参展商在每年的6月或7月。
4.软件可以帮助人们实现预测方法?
有很多好的专用预测程序。 为描述,评论,和调查,去 软件 。 一些程序帮助用户进行验证的事前预测,使其易于使用的连续更新和通过提供各种误差的措施。 Delphi软件允许用户进行多个回合调查匿名专家之一 。
5.我怎么能找到预测使用条款的含义吗?
预测方法和原则已经发展在许多不同的领域,
如统计、经济学、心理学、金融、市场营销、和气象。
研究人员在每个领域的主要关心的是在他们的领域与其他学者交流。
可以查看，预测的字典，开发支持团体之间的沟通。
d. 选择最好的方法
6.什么方法最适合我的情况?
取决于你的目标,
你所面对的情况(比如什么类型的数据可用)。
找到一个方法使用框架基于之前的研究,使用 选择树 。
通常情况下,并没有单一的最佳方法。
事实上,最好使用不同的方法和结合他们的预测。
7.如果证据尚不清楚哪些方法是最好的,我该如何决定选择哪个方法呢?
在一般情况下,不要试图找出最好的方法。
多种方法都适用的话，结合多种预测。
看起来相关的方法，各自预测，然后平均。
这个建议是基于发现30所描述的比较研究“结合预测”。
这样通常会改进预测和错误减少了12%。
如 Graefe et al。(2010) ,
你将最有可能实现更高收益准确性
如果你把预测,使用不同的方法和利用不同的数据。
如果你还想知道哪种方法是最好的,你可以就像研究者做的那样:
做自己的比赛或其他预测方法之间的竞争。
许多预测软件包进行比赛是有用的。
这样做成功你需要满足三个条件:
1)基于“事前绩效”进行比较 。
“事前绩效”：(预测的准确性,而不是他们如何适应历史数据);
2)比较预测与普遍接受的方法;
3)使用一个适当的样本的预测。
这个过程中可以找到的一个例子 Collopy Adya,阿姆斯特朗 (1994)。 细节 阿姆斯特朗 (2001)。
8.普遍接受的方法应该被用来作为“基准预测”?
最简单的“ 时间序列”预测方法是随机漫步。
它假定时间序列的未来价值就等于当前值。
换句话说,
一个没有有用的信息对未来的变化系列:同样可能会上升或下降。
随机漫步提供相对准确的预测在很多情况下,也可以作为一个比较性能的基础。
从简单的预测、指数平滑法方法也用作基准
在长期趋势建立系列
(如股票市场的长期推断)。
横截面数据,可以使用一组平均(或 基准利率)作为一个预测。
可行的时候,市场也会提供良好的基准。
市场价格是基于大量的人把钱花在他们的预测。
例如,1930年代以来的研究表明,如果没有内部信息,不可能改进在预测股票市场的价格预测。
预测市场，基于聚合信息的基本目的，使用结合了人类判断的一个市场的价格系统，并将它转化为一个数值估计( 沃尔弗斯和兹特维茨 2004)。
许多公共预测市场的预测(如。 谁将是下一个总统,周末电影票房,
或政府是否会通过救助，或攻击某一个国家)
很容易获得、几乎没有成本,可以提供良好的基准。
不过，机构以此牟利则是受限的。
目前可用的实证研究回顾发现,
预测市场不比其他预测方法更准，
而且和他们很难实施( Graefe &阿姆斯特朗 2010)。
9.(平均)综合预测是一个好主意吗?
还经常听到建议,每个人都应该寻找一个正确的现实模型，
以便准确预测会发生什么,
平均预测只有平均表现。
为什么人们不组合预测，在 Graefe et al (2010)中描述了。
大量的研究证实，结合从不同的方法和独立专家而来的预测，提高了准确性。
一个完美的模型很少适用于管理和社会科学。
结合预测，有助于预测准确率，通过去除偏见、包括多样化的信息和模，每个捕获现实的不同方面( 阿姆斯特朗 ,2001 b,Graefe et al。(2010))。
e .评估程序的优点和缺点
10.如何判断我的组织将受益于一个正式的预测方法?
你可以 进行审计 你的组的流程。
大约两小时来做审计,
根据问题的复杂性、和你的专业擅长程度。
f .预测的准确性
11.预测不是，一般错的比对的多吗？
这是一个有陷阱的问题。
有些东西本来就很难以预测,当预测数值化,预测者很少能完全正确。
预测者必须提供,比随机更准确的预测。
良好的预测过程是比其他合理的替代方案,更好的预测。
企业盈营收、新产品,销售,和就业，都有基准预测错误。
12.预测的准确性应如何相比?
通过度量错误，来比较。
一般来说,度量错误的方法，应该是最接近决策的近相关的。
理想情况下，比较“从改进预测而来的受益”和“获取这个改进所需要的成本”。
不幸的是,这是很少可行,
往往，我们只是简单的使用了更准一些的预测。
一些常用的错误措施:MAD, 均方误差(MSE) , R2(或平方) , 平均绝对误差百分比(日军) , 平均绝对误差百分比(MdAPE) , 平均绝对相对误差(MdRAE) 。
度量的选择取决于分析的目的。
例如,比较一组时间序列的准确率，重要的是要控制规模,预测每个系列的相对困难,预测接受检查的数量。
有关更详细的信息,请参见论文发表在《集 国际期刊的预测 8(1992),69 - 111。
警告:应避免两种流行的措施。
第一个, R 2 ( 和实际数据相关的预测模式),对预测者并不是特别有用,
在时序数据的时候弊大于利。
第二,MSE均方误差,不应使用,因为它是不可靠的;
此外,很难对决策者解释( 阿姆斯特朗 2001年)。
13.我怎么能评估预测的“可信度”?
在很多情况下说,一个“confident”实际价值将X和Y之间,或将是z .
不幸的是,预测区间的不确定性，通常，很难从历史数据做的近期的拟合预测中，预估得到。
关于预估时间序列上的不确定性，可以看Chatfield (2001)。
一般来说,尽可能接近未来预测情景的模拟。
因此,要看一个人可以好的预测未来两年,可以抽样，过往的回顾预测。
不能使用，事后获得的知识和信息。
g .检查替代政策
14.这里的“政策”是什么意思?
例如政府应该采用什么样的卫生策略。
政策，可能是对于政府雇员的法律、法规或指令。
我们使用"政策“这一广义术语，大致包括,产品定价，工作空间,董事会向股东提供信息的类型,在多大程度上农药残留监测,隔夜现金利率的设置等。
您可能希望预测，最好的备选策略,或外部政策变化对组织的影响。
15.什么方法常用来预测不同政策的效果?
判断引导 , 专家系统 , 联合分析 和因果方法
(见 Allen &菲尔德斯 2001年后者)是主要的方法。
16.我需要了解“推断所处的情景“吗?
简而言之,您需要了解相关的因果关系。
理论是有帮助的。
例如,在很多情况下，知道”涨价往往会导致需求量下降,反之亦然“的经济学理论，是有用的。
专家会知道从先前的研究证据,
比如，哪些因变量、自变量是重要的,
和方向(量级)的关系。
什么条件下，适用于做出有用的政策推断？
有很强的因果关系，政策和你感兴趣的预测,
可以估计的关系;
政策可能大幅改变的预测基线
或已经改变了你想预测效果；
你决定政策将是什么
或者你可以预测政策将是什么,
或者你希望制定应急计划。
h .新产品
17.没有历史时，可以做什么?
在没有历史的情况下,必须使用评判方法。
这些包括 专家意见 ,
客户的 意图 或 预期。
一般来说,结构化方法提供比非结构化的预测更准确。
一个结构化的方法是德尔菲法( 罗和赖特 1999)。
德尔福是问从5到20独立,异构的、无偏见的专家进行独立预测并提供理由。
管理员提供匿名反馈统计数据的形式和理由,并重复这个过程,直到下一轮的预测的变化越来越小。
德尔菲预测的结果，是中位数。
如果有类似的情况下,可以使用这个信息(Green and Armstrong 2007).。
预测问题的结构化，对于预测有很大的影响。
问题分解的论文在特定条件下很有用( 麦格雷戈 2001)。
18.”生长曲线和扩散模型“用于预测新产品?
” 扩散 模型“被认为和许多类型的产品的需求的预测相关,
和数以百计的研究已发表的主题。
然而,验证研究很少,因此很难判断,事实上是否有帮助。
Meade and Islam’s (2001) review.
i. 行为冲突,如谈判和战争
19.在谈判或战争等复杂的情况下，可以做有用的预测吗？
这是一个实证问题。
答案为no，如果用的是没有专业的判断的。
幸运的是,有两种方法,可以关于”冲突情况下的行为“提供有用的预测。
他们是
结构化的类比
和 模拟交互 (角色扮演)。
前一种方法 Green and Armstrong (2007),
后一种方法Green (2002) and Green (2005).。
20.如果不平凡的人参与冲突会怎么样?
人们普遍相信，”人们的决定决定反映了他们的个性,而不是对情景的通常的反应“，被称为”基本归因错误“。
又是一个实证问题,对冲突已有科研、通过其中有不少非凡的人，
结构化的类比、和模拟交互，也都很好的预测了 。
真实的描述,但在某些情况下伪装,用于研究可用的冲突 conflictforecasting.com 。
j .变化着的技术的作用
21.试图”预测未来技术的发现和影响“的价值何在?
预测未来的技术是一个危险事情。
Schnaars(1989)研究了数百个技术预测。
他发现有一个近视,即使在专家中,导致他们用现在的眼光，看待未来。
Cerf和Navasky(1998)有趣的例子，专家对于技术未来的错误的判断。
也许著名的是1899年与由美国专利委员会，要求废除专利局,理由是没有什么可发明的了。
k .股票和大宗商品
22.可以准确预测股市的变化吗?(或者,如果预测员是那么聪明,为什么预测员还是没有钱呢？
股票的市场价格,如任何市场的价格,
代表大量的无偏的预测的组合,
专家访问可用的信息。
自1930年代早期就有的研究，表明，我们不太可能找到改进的预测市场的方法。
不过,我们可以预测,将永无休止的一些人声称他们或他们的模型可以比市场做得更好。
我们需要记住,如此多的专家预测,一些仅仅通过运气就能做对了。
记住这个事实，我们应该避免被"数学可以揭示机会或预言家的确存"盲目信仰驱动。
23.人花钱买股票市场预测,你是说他们是不合理的?
有不同的方式看问题。
一个是关于股票的信息，通过这些预测扩散。
另一个原因是,人们想要避免预测的责任,所以他们把这项工作交给一个有药方的人 。
l. 获得认可
24.我已经坚持预测原则;现在我如何让管理使用我的预测吗?
通常的方式"告知、推销"似乎并不很有效，当预报员带来坏消息,就意味着改变是必要的。
如果可能的话，事先从预测用户获得对预测方法的同意；获取对于接受“约定的预测过程”的承诺。
取得成功的一个方法是使用场景 。
例如,g·t·切斯尼写了一个生动的描述"英国战败的德国人"在1872年的战斗，为Blackwood杂志。
发表于1871年的场景中，带来了感性的变化和政策变化。
注意,”场景“不代表”备选“,这个术语通常用于流行管理和电子表格:
场景是详细的"发生"在未来的故事;
写场景的原则，总结在格雷戈里和杜兰 ( 2001)。
25.我怎样才能最好的回应对我的预测的批评呢?
遵循良好的预测实践并不能保证准确的预测在每一个场合。
一种方法你可以回答批评家，把”你的预测的准确性，和基准进行比较。
不幸的是，不是所有类型的预测，都能方便的找到基准。
如果没有基准相关预测,您将需要表明，你遵循了最好的预测实践。
要做到这一点,你可以对”使用的 预测过程“进行审计,
如果你坚持相关原则,你会得到一个很好的报告。
26.我们预测，会影响人们的决定?
有时，预测会影响被预测的对象。
例如,公开宣布的预测短缺可能会导致人们囤积,从而真的短缺了。
另外，预测第三季度销售额的减少，可能导致制造商的促销活动来增加销售。
在这种情况下,您需要依赖于学术研究的证据、可以 进行审计 。
27.在多大程度上，应该考虑极端、不寻常的事件?
在加州的地震,恐怖分子袭击一个旅游胜地,或意外死亡的一位政治领袖可能会导致巨大的预测错误。
基准比率 (历史频率)可能会提供这类事件的预测。
例如,可以咨询保险精算的生命表来评估”一位57岁不抽烟男性政治领袖的接下来的三年会死"可能性。
如果可能事件对于预测的影响高，但基准比率确实低,
你可能想要考虑坚持你的预测，但以保险的方式、支付事件的预期成本保险费(概率*经济损失)。
另外,在组织计划中以备万一可能更便宜。
m .保持前沿更新
28.从业者如何最好的与新发展保持同步？
如果你像大多数从业者,你可能不会阅读研究文献。 没有必要感到内疚。
最近的一项研究发现,只有3%的预测是有用的论文发表( 阿姆斯特朗& Pagell 2003)。 这些论文,几乎所有的学者,是很难找到。
我们估计,平均而言,每个月一个有用的论文发表。 不幸的是,它可能需要几个月的所有其他文件中找到它。 一旦发现,他们很难阅读和他们经常忽略关键信息,比如在什么情况下该方法有效。 因此,阅读一个独立的文章可能不是非常有用。 项目预测原则旨在减轻你的责任做阅读和解释。
它发现和解释研究成果,把它们的形式原则(在这种情况下,执行以下操作),让他们免费提供在这个网站上(forecastingprinciples.com)。 预测的原则 描述的原则,总结了证据支持他们。 简短的回答是,一旦你速度,检查在本网站来了解新的发展。
n .阅读学习更多
o .帮助预测
29.谁可以预测吗?
任何人都可以自由练习预测、对于大多数产品和在大多数国家。
也有例外。
公元357年,罗马皇帝君士坦提乌斯法律禁止任何人咨询一个预言家,数学家,或预测。 他宣称:“可能预示未来的好奇心应该永远沉默。”
练习预测的人、为了“他们面临的问题”训练最合适的方法,是明智的。
做预测的专家，应该检查他们熟悉的方法。
要看是他们是否有在他们要求的专业领域，有出版物。
在最近的美国最高法院的裁决，出版，不是作为专家证人的必要条件,
这被认为是一个重要的资格。
有效的预测方法的发展，改进了预测专业的状态。
诺贝尔奖经济学奖去的经济学家,包括恩格尔格兰杰,克莱恩,里昂惕夫,莫迪里阿尼,普雷斯科特,萨缪尔森、和Tinbergen，都对于预测方法有贡献。
30.预测主题的，组织和出版物，有哪些？
一些组织提供 预测 。
因为预测来自许多学科的研究,自1980年以来一直在努力统一。
有一个学术研究所( 国际研究所的预测者 ),
两个学术期刊( 杂志的预测 和 国际期刊的预测 )和从业人员( 远见-应用预测的国际期刊 )。
31.我怎么能找到一个人帮助我吗?
几乎每个商学院都有人预测感兴趣。
国际研究所的预测 (IIF)会员列表和列表 顾问。
p .额外参考预测
阿姆斯特朗,j·斯科特(2001), 预测的原则:研究者和实践者的手册 。 波士顿:Kluwer学术出版商。 (可在 amazon.com )
瑟夫,克里斯托弗和维克多Navasky(1998), 专家们说 ,第二版。 纽约:维拉德。 (可在 amazon.com )
Edmundson,罗伯特·h·(1990),“分解:一个战略判断预测,“ 杂志的预测 ,305 - 305。
丹尼尔·卡尼曼,Paul Slovic和阿莫斯·特沃斯基(1982), 下判断的不确定性 。 剑桥:剑桥大学出版社。 (可在 amazon.com )- - - 审查
Makridakis Spyros et al。(1983),“推断的准确性(时间序列)方法:预测比赛的结果,” 杂志的预测 1(1982),111 - 153。 这项研究发表在《评论 杂志预测, 2,259 - 311。
奥德,基斯,m .核黄素四丁酯& s Makridakis(2000),“M3-Competition。” 国际期刊的预测 ,433 - 433。
Schnaars,Steven p .(1989), Megamistakes 。 纽约:自由的新闻媒体。 (amazon.com )
Surowiecki,詹姆斯(2004), 群众的智慧。 纽约:双日出版社。 (可在 amazon.com )
j·斯科特·阿姆斯特朗 市场部,宾夕法尼亚大学沃顿商学院
Kesten c .绿色 ,国际商学院和低音营销科学研究所、南澳大利亚大学、阿德莱德、南澳大利亚
Andreas Graefe 技术评估和系统分析研究所,卡尔斯鲁厄理工学院,德国
致谢
弗雷德Collopy 信息系统部门,韦瑟管理学院,凯斯西储大学,最初提出的常见问题的发展和帮助在第一版,大约十年前。
多年来,这一直是最经常阅读的网站。 它已经更新很多次。 每一次我们都惊讶以来一直学到多少以前的更新。 预测继续受益于实验和准实验研究。