统计建模（statistical modeling），理学-统计学-数理统计-统计建模，用简化的概率模型来近似现实（数据产生机制）的方法。基本内容统计建模指基于数据背景分布的数学假定条件，建立概率模型，对模型进行检验、比较，并用所选模型进行统计推断。统计建模的核心问题是选择哪个概率模型来拟合数据。统计建模的特点是近似现实，我们只能得到更加接近现实的“更好”的模型。如把要研究的对象用变量来表示，影响的所有确定因素记为，用描述因素对的具体影响方式，即构造了模型，式中为随机因素，这个模型是个理想模型。然而，在实际建模分析过程中，无法知道确定因素有哪些，随机因素的变化规律是什么，更谈不上的结构表达式。尝试建立近似模型：式中为的近似；为的近似；为的近似，这个模型就是统计模型。在现实研究过程中理想模型是研究者追求的目标，但很遗憾无法确切知道，研究者只能不断地创建近似效果更好的统计模型。所以说，研究过程中所建立的统计模型只是理想模型的近似，没有准确的模型。统计学家G.E.P.博克斯[注]有句名言，“All models are wrong，but some are useful”即表达了这个道理。