半分法：把现有的数据随机分成两部分，一部分用于建立模型，另外一部分用来验证模型。通过半分法把数据分成两部分比较像的数据，进行“外部验证”，但由于只有一半的数据用来建立模型，模型相对不稳定。对于样本量较小的研究不适合使用。
交叉验证法：这种方法是半分法的进一步演化，常见的有半分交叉验证法和十分交叉验证法。半分交叉验证法即将原数据分为两部分，两部分数据相互依次作为建立模型和验证模型的数据，互相验证。十分交叉验证法即把数据分成10部分，用其中9部分数据做模型，另外1部分做验证，这样依次做10次模型和验证，可得到相对稳定的模型。
Bootstrap法：常规的Bootstrap内部效度分析的做法是多原数据中随机可放回地抽取一定的病例，用于建立模型，再使用原数据进行模型的验证;如此做500-1000次抽取、建立模型、验证模型的工作，可以得到500-1000个模型，可以总结模型的参数分布情况，确定最终的模型参数值。
Bootstrap法是近年来发展较快的一种方法，该方法在计算机计算量提升的背景下出现，有研究证明，该方法得到模型稳定性高于前面两种方法，可以推广应用到预测模型的内部效度分析中，该方法应用会越越多。当然如果有条件，我们还是建设所有的模型做外部验证，以提高模型在应用中的可靠性。