Apa perbedaan antara analisis sensitivitas dan validasi model?

Saya membaca kedua halaman wikipedia tentang analisis sensitivitas dan validasi model (di sini, hanya validasi regresi linier) tetapi saya tidak berhasil menemukan cara untuk memisahkan kedua istilah ini.

Saya mendapat kesan bahwa yang pertama lebih banyak digunakan di bidang akademik dan teknik pada umumnya dan yang kedua dalam "ilmu data".

Salah satu opsi yang saya lihat adalah memodifikasi tingkat deskripsi istilah-istilah ini: analisis sensitivitas lebih seperti istilah umum untuk merancang cabang metode tingkat tinggi, dan validasi model mungkin lebih spesifik dan dimasukkan dalam analisis sensitivitas.

Adakah pemikiran?

Saya lebih tertarik pada perbedaan daripada kesamaan antara dua konsep ini.

Ini sedikit penyederhanaan yang berlebihan, tetapi validasi model umumnya memberi tahu seseorang tentang seberapa baik model saat ini cocok dengan data yang ada.

Analisis sensitivitas memberi tahu seseorang seberapa besar kemungkinan hasil Anda berdasarkan pada model itu akan berubah mengingat informasi baru atau perubahan pada asumsi Anda.

Sebagai contoh, seseorang dapat mengembangkan model yang bertujuan untuk menentukan dampak intervensi terhadap hasil, dan model itu dapat divalidasi dengan baik di bawah data yang dikumpulkan (yaitu tampaknya sangat baik dalam memprediksi respons). Namun, model itu bertumpu pada sejumlah asumsi - salah satunya adalah semua kovariat dipertanggungjawabkan. Analisis sensitivitas dapat menentukan berapa banyak hasil model Anda akan berubah jika variabel "imajiner" baru ini, dengan properti tertentu, ada.

Selain itu, analisis sensitivitas dapat dianggap sebagai alat untuk meningkatkan validitas model dengan memilih nilai yang tepat (kalibrasi) untuk parameter input paling kritis. Dengan menggunakan analisis sensitivitas dan menentukan nilai parameter input, kami menambahkan lebih banyak kredibilitas ke model yang ada.