利用回归方程进行预测应当避免外延。A. 正确B. 错误

考查要点：本题主要考查对回归分析中外延（Extrapolation）概念的理解，以及回归模型合理应用的范围。

核心思路：回归方程是基于已有数据范围内的关系建立的，若将其应用于数据范围之外的预测，可能导致结果不可靠。因此，避免外延是回归分析中需注意的关键点。

破题关键：明确“外延”的定义（超出数据范围的预测），并理解其不可靠性原因（模型假设可能不成立，潜在变量关系变化）。

外延的定义：
外延指利用回归方程对自变量取值范围之外的情况进行预测。例如，若数据中自变量 $x$ 的范围是 $[1, 10]$，而用模型预测 $x=20$ 时的因变量 $y$，即为外延。

外延的风险：

1. 模型假设失效：回归模型假设变量间的关系在数据范围内成立。超出范围时，可能存在未被模型捕捉的因素（如非线性变化、外部干扰等）。
2. 预测误差增大：外延预测的结果往往偏离实际值，可靠性降低。例如，预测高温（远超数据范围）下的冰淇淋销量时，模型可能忽略高温对消费者行为的其他影响。

结论：
回归分析应尽量在数据支持的范围内进行预测，避免外延。因此题目中的说法正确。