数理统计预测是利用生物统计学方法制作预测模型，统计数据均来自历史的资料积累，所以，尽管形式上是模型预测，但实质上仍然属于经验预测。因而，往往可能因为经验不足，资料不全或资料的代表性欠佳等其它原因而使预测带有一定的片面性。另外，数理统计预测一般只作简单的因果关系推理，将整个系统作为黑箱处理，所以在应用上适应性较差，原则上只能适用于建模数据所取自的地区或与之条件相似的地区，而且只宜内插，不宜外延或外延过多。

 选择预测因素时必须和专业知识相结合，否则只凭统计运算，可能选出一些毫无意义、或无法应用的因素。另外，统计模型一般引入的预测因子有限，往往因某些特殊年份或特殊情况使预测失败。相反，预测因子并非越多越好，引入贡献不大的因素，不但不能增加预测方程的显著水平，反而会增加预测误差。数理统计模型也往往因对预测因子和病害发生程度之间的关系（预测模型）估计失妥而使预测结果失真。

       目前常用预测统计方法的共同缺陷是，它们对用来建模的数据拟合效果可能很好，但预测效果并非十分理想，这需要对病害的发生规律作更深入的研究，并从预测方法、以及对未来因素的估计等方面多下功夫。