[统计与概率]怎么考虑数据的时间变动性（非平稳）？

比如说，我基于 1996-2005 年的数据，拟合了两个模型, 得到拟合优度如图

可以看到GMM 是比Kappa略差的 （越接近 0，拟合效果越好）

但是，数据本身是有变动性的，实际上可能值在 0.05 以内就已经很好，再低已经没有价值

这个时候，拿着拟合的模型，对未知数据(2006-2015)，计算拟合优度

即可发现这个现象

简单来说，也就是

• 考虑数据本身变动性（非平稳性）的情况下，对于拟合的要求不能过高

• 两张图的结论，也从 Kappa 比 GMM 略好，变成了两者都足够好

我的问题：

• 我自己不是学统计的，想问下有什么比较专业的方法可以用来分析、阐明这个问题？

• 比如，对比数据本身的变动性（不考虑时间因素），可以用 Bootstrap, 重复抽样来研究