第十一章　二十条常见易错点

以下二十条不是计算错误，而是方法误用——它们往往让结果看起来更好，因此更危险。每条后面都注明了错在哪。
每一条都是实际作业与论文中反复出现的问题。"错在哪"一栏说明为什么它是错的。

序号	错误做法	错在哪
1	用全样本均值/标准差做标准化	测试期信息进入训练，属于信息泄漏
2	随机打乱时间顺序划分训练/测试集	破坏了时间依赖，评价结果完全无效
3	在测试集上反复比较模型	测试集被"用旧"，不再独立
4	比较不同 d 的模型的 AIC	似然基于不同数据变换，不可比
5	比较不同样本量的模型的 AIC	−2lnL 的量级随 n 变化，不可比
6	Ljung-Box 自由度不扣参数	自由度偏大 → p 值偏大 → 漏判不充分模型
7	扣参数时忘了常数项/漂移项	同上，这是最常见的具体错误
8	把"不拒绝单位根"说成"证明有单位根"	不拒绝只是证据不足，不是接受
9	ADF 只跑一种设定就下结论	结论对确定项设定高度敏感，须报告多种
10	对趋势平稳序列做差分	过度差分，引入不可逆 MA 根，放大方差
11	用样本内拟合优度当预测能力	过拟合模型的样本内 R² 可以很高但预测很差
12	对接近 0 的序列用 MAPE	分母趋零导致指标爆炸，且惩罚不对称
13	只报点预测不报区间	无法判断预测的不确定性，也无法评价区间质量
14	不做基准对比就宣称模型有效	没有参照，"RMSE = 3.5"没有意义
15	把滚动一步与固定原点的误差混算	两种实验设计，混算结果无法解释
16	残差非正态仍用正态区间	区间覆盖率偏离名义值，通常过窄
17	检出 ARCH 效应仍用常方差模型	标准误低估，区间在波动期失真
18	参数不显著就直接删	忽略了选模规则的前置性与长期预测的影响
19	根接近单位圆（如 1.0000002）仍判为可逆	数学上在圆外，统计上等同不可逆，预测极不稳定
20	NNAR 不设种子、不报告种子	结果不可复现，换台机器数值就变

★ 这 20 条的共同点：它们都不是"算错了"，而是"用错了"。计算错误容易发现，方法误用却会让整份分析在逻辑上失效——而且结果往往看起来更漂亮（R² 更高、误差更小），因此更危险。