贝叶斯模型平均方法是通过后验概率为权重对可能的单项模型进行加权平均,以后验概率大小为标准客观选择解释变量,并通过设置不同的先验概率分布将主观信息与模型和数据信息相融合,进而反映信息更新的动态过程,是处理经济计量建模过程中模型不确定问题的有效方法。文章首先从数理统计视角探讨了贝叶斯模型平均方法的基本原理,其次从模型空间抽样技术、先验概率分布设置等方面评述了贝叶斯模型平均方法的理论研究动态,并重点综述了贝叶斯模型平均方法在解释变量选择和被解释变量预测领域的应用现状,以及贝叶斯模型平均方法的最新发展动向和我国学术界应用贝叶斯模型平均方法的最新进展。最后对贝叶斯模型平均方法在非线性和多方程计量建模领域中的发展进行了展望。文章对国内学者研究贝叶斯模型平均方法具有一定的参考价值。