什么是剩余分析？
剩余物来自模型的一步预测输出与验证数据集的测量输出之间的差异。因此，残差表示模型未解释的验证数据的一部分。
残留分析包括两个测试：白度测试和独立测试。
According to the白度测试标准，良好的模型具有在相应估计的置信区间内的残余自相关函数，表明残差是不相关的。
According to the独立测试标准，良好的模型具有与过去的投入不相关的残留物。相关性的证据表明，该模型没有描述输出的一部分与相应的输入有关。例如，延迟置信区间之外的峰值K.意味着输出y（t）这起源于输入你(t-k)模型未正确描述。
Your model should pass both the whiteness and the independence tests, except in the following cases:
For output-error (OE) models and when using instrumental-variable (IV) methods, make sure that your model shows independence of
E.and你, and pay less attention to the results of the whiteness ofE.。在这种情况下，建模焦点是动态Gand not the disturbance propertiesH。
残留物与负滞后输入之间的相关性，不一定是不准确模型的指示。
当时当前残留T.affect future input values, there might be feedback in your system. In the case of feedback, concentrate on the positive lags in the cross-correlation plot during model validation.
金宝app支持的模型类型
您可以通过检查模型残差的行为来验证参数线性和非线性模型。有关残留分析的描述，请参阅针对不同数据域显示的剩余绘图显示。
笔记
残余分析图不适用于频率响应（FRD）模型。对于时间序列模型，您只能使用时域时序（无输入）测量数据为参数模型生成模型输出图。
针对不同数据域显示的剩余绘图显示
Residual analysis plots show different information depending on whether you use time-domain or frequency-domain input-output validation data.
对于时域验证数据，绘图显示以下两个轴：
每个输出的残差自相关函数
Cross-correlation between the input and the residuals for each input-output pair
笔记
对于时间序列模型,剩余一个alysis plot does not provide any input-residual correlation plots.
For frequency-domain validation data, the plot shows the following two axes:
Estimated power spectrum of the residuals for each output
从输入到每个输入输出对的剩余的传输函数幅度
对于线性模型，您可以使用时域数据估计模型，然后使用频域数据验证模型。对于非线性模型，系统识别工具箱™产品仅支持时域数据。金宝app
下图显示了在系统识别应用程序中创建的样本剩余分析图。
显示置信区间
这置信区间对应于对系统统计上微不足道的特定概率的剩余值的范围。工具箱在模型参数中使用估计的不确定性来计算置信区间并假设估计具有高斯分布。
例如，对于95％的置信区间，零周围的区域表示具有95％统计学微不足道的概率的残余值的范围。您可以将置信区间指定为概率（在0和1之间）或作为高斯分布的标准偏差的数量。例如，0.99（99％）的概率对应于2.58标准偏差。
您可以在应用程序中显示置信区间，以了解模型的质量。要了解如何显示或隐藏置信区间，请参阅绘图设置的描述如何在应用程序中绘制残差。
笔记
如果在系统标识应用程序中工作，则可以指定自定义置信区间。如果您使用的是resid命令，置信区间固定为99％。
Related Topics
