预测残差是一种用于评估模型预测性能的统计量，主要应用于线性回归模型的自变量选择和视频压缩领域的全局运动估计。在线性回归中，预测残差平方和方法通过逐一剔除观察数据并拟合模型，选择预测残差平方和最小的模型作为最优解。在视频压缩领域，基于H.264/AVC压缩域的全局运动估计算法利用运动矢量预测残差处理噪声数据，提升了运动估计精度。

预测残差平方和作为一种模型选择准则，其计算流程包含三个步骤：1. 从n组观察值中剔除单组数据；2. 利用剩余n-1组数据建立回归方程；3. 将剔除数据代入方程计算预测残差平方和。该方法通过比较不同模型的预测残差平方和，筛选出最具预测效力的回归方程，已被成功应用于飞机干扰磁场建模、线性模型有偏估计和组合预测权重确定等领域。

2024年10月发表于《高技术通讯》的研究文献提出了基于压缩域信息的全局运动估计新方法，该方法将运动矢量预测残差作为重要参数：1. 提取H.264/AVC码流中的运动矢量场；2. 利用预测残差识别异常运动矢量；3. 通过残差分析提升全局运动参数估计精度。该算法通过预测残差处理成功降低了噪声数据干扰，同时文献中还提及了亮度残差和运动矢量残差等相关概念。