<p> 摘　要：科学哲学领域的方法论研究者提出了各种对最佳解释,融贯性或者统合性的概率测度。这些测度如果有用，至少在某些情况下依赖它们作解释性推理应该比因果推理中通常用的统计方法更准确。格拉斯（2012）发现，大多数此类测度在小样本的情况下都不优于通常统计方法中用的似然度（likelihood）或后验概率。此后，格拉斯（2013）比较了他定义的测度和后验概率对解决一类假说选择问题的优劣。在该类问题中，需要从一组互不相容且非此即彼的假说中择一，但假说的概率未知。他的结果显示，在似然度已知而主观的先验概率和真实的概率分布不同的情况下，如果样本很小，极大化他的测度选择假说可以比极大化后验概率更准确。本文在格拉斯的框架下探究一些一致的模型选择方法在有限样本下的准确性。笔者发现不同方法在准确性上的优劣依赖于真实假说的分布以及所采用的主观先验概率。虽然很多方法可能在所有设置下都不是最优，但也没有方法在所有设置下都是最优。笔者认为，如果对真实假说的分布和主观先验概率没有限定，讨论哪种方法在样本量不大的情况下能更准确的选出真假说意义不大。<br /> 关键词：主观先验概率&nbsp; 假说选择&nbsp; 贝叶斯主义&nbsp; 因果推理<br /> 第二作者：约瑟夫&bull;拉姆塞&nbsp; 卡内基-梅隆大学哲学系<br /> 第三作者：丁绰文&nbsp; 佛罗里达人类与机器认知研究所</p>