位相プロットとACF／IACF出力（Phase Plot and ACF/IACF Outputs）

Data → Phase Plot and ACF/IACF Outputs を選択して "Time Dependency Analysis Output" ウィンドウを開くと、同定タスクの時間依存性を明らかにすることができます。

Phase Plot（位相プロット）

<output>(k-t) に対する <output>(k) の散布図です。位相/ラグtの値は、散布図右下の "Lag of Phase Plot (k)" フィールドで調整できます。デフォルト値は1です。

このプロットは、あるステップからtステップ後までの時間経過に伴う出力値の変化を示しています。下図の場合、多くの点が対角線上にあることから、出力 <output>(k) と位相シフト後の出力 <output>(k-t) との間に強い依存関係があることがわかります。一般的に、このようになるのはt = 1の場合です。tを1ずつ大きくしていくと、点の分布はだいたい等しくなります。このようにして出力の時間依存性を推測することができます。

Autocorrelation Function (ACF)/Inverse Autocorrelation Function (IACF)

ACF（自動相関関数）とIACF（逆自動相関関数）による分析では、外生入力変数を伴わない線形時系列が想定されます。これは非線形システムの同定には当てはまりませんが、これに基づいて、存在する時間依存性について最初の仮説を立てることはできます。

期待されるACFの形状は、指数関数的に減少する曲線か、または正弦曲線です。数タイムラグ後に突然減少している場合は、その時系列の中に自己回帰部分がない（つまり時間依存性がない）ことがわかります。

IACFプロットは数ステップ後に減衰するはずで、それにより自己回帰部分の次数が決まります。破線はカットオフ目標を表し、これは下の式で求められる95%の信頼区間です。

IACFの挙動が指数関数的または正弦関数的な場合は、自己回帰性はありません。ディーゼルエンジンの例では、IACFは3タイムラグの信号シフト後に減衰します。このタイムラグが、これ以降に行われるモデルトレーニングにおいて考慮されます。