一句话定义
外推是把模型用于原始观察范围之外的预测。
机制 / 原理
模型在数据范围内可能表现很好，但范围外没有观测点支撑，关系形状可能改变。线性趋势尤其容易被过度外推：儿童身高不会无限按童年速度增长，早期用户增长也不会永远按早期斜率上升。
经典实验 / 例子
用儿童 2 到 8 岁的身高增长线预测 30 岁身高，是典型外推错误。数据范围内的线性趋势不能无限延伸到生理机制已经改变的范围外。
生活中的例子
一家新店前 3 周销售快速增长，不能直接把直线延伸到全年，市场容量、库存、人群新鲜感都会改变趋势。
常见误区
常见误区是模型在已观察范围内可靠，就在任何范围都可靠。外推离数据越远，模型假设越脆弱。