自相关和偏自相关图一般来说是判断拖尾阶尾和选择ARIMA模型的基本方法，但这种方法依然比较粗糙。
有些时候会出现自相关和偏自相关均截尾的现象，这是就需要用信息准则来判断了。
通过图片来做一个示例：
AR模型：自相关系数拖尾，偏自相关系数截尾，
MA模型：自相关系数截尾，偏自相关函数拖尾。
ARMA模型：自相关函数和偏自相关函数均拖尾。
根据输出结果，自相关函数图拖尾，偏自相关函数图截尾，且n从2或3开始控制在置信区间之内，因而可判定为AR(2)模型或者AR(3)模型。
自相关和偏自相关都是拖尾，数据到后面还有增大的情况，没有明显的收敛趋势。
自相关7阶拖尾（n从7开始缩至置信区间），偏自相关2阶拖尾。
扩展资料：
自相关的后果：
线性相关模型的随机误差项存在自相关的情况下，用OLS（普通最小二乘法）进行参数估计，会造成影响。
从高斯-马尔可夫定理的证明过程中可以看出，只有在同方差和非自相关性的条件下，OLS估计才具有最小方差性。当模型存在自相关性时，OLS估计仍然是无偏估计，但不再具有有效性。
这与存在异方差性时的情况一样，说明存在其他的参数估计方法，其估计误差小于OLS估计的误差；也就是说，对于存在自相关性的模型，应该改用其他方法估计模型中的参数。
1、自相关不影响OLS估计量的线性和无偏性，但使之失去有效性。
2、自相关的系数估计量将有相当大的方差。
3、自相关系数的T检验不显著。
4、模型的预测功能失效。
在sas软件中，我们可以通过得到的自相关函数图和偏相关函数图来判断。
如果样本自相关系数和样本偏自相关系数在最初的阶明显大于2倍标准差，而后几乎95%的系数都落在2倍标准差的范围内，且非零系数衰减为小值波动的过程非常突然，通常视为k阶截尾；
如果有超过5%的样本相关系数大于2倍标准差，或者非零系数衰减为小值波动的过程比较缓慢或连续，通常视为拖尾。
相关示例
AR模型：自相关系数拖尾，偏自相关系数截尾；
MA模型：自相关系数截尾，偏自相关函数拖尾；
ARMA模型：自相关函数和偏自相关函数均拖尾。
根据统计图形和数据判断
根据输出结果，自相关函数图拖尾，偏自相关函数图截尾，且n从2或3开始控制在置信区间之内，因而可判定为AR(2)模型或者AR(3)模型。
这张图可以看到，很明显的自相关和偏自相关都是拖尾，因为数据到后面还有增大的情况，没有明显的收敛趋势。
如果图片成这样，估计十有八九是一个ARMA模型了。自相关7阶拖尾（n从7开始缩至置信区间），偏自相关2阶拖尾。
扩展资料：
截尾自相关和偏自相关图一般来说是判断拖尾阶尾和选择ARIMA模型的基本方法，但这种方法依然比较粗糙。有些时候会出现自相关和偏自相关均截尾的现象，这时就需要用信息准则来判断了。p值很大，不拒绝原假设，序列是平稳的。
截尾及拖尾在统计学时间序列中的基本应用
根据时间序列模型的识别规则，建立相应的模型。若平稳序列的偏自相关函数是截尾的，而自相关函数是拖尾的，可断定序列适合AR模型。
若平稳序列的偏自相关函数是拖尾的，而自相关函数是截尾的，则可断定序列适合MA模型；若平稳序列的偏自相关函数和自相关函数均是拖尾的，则序列适合ARMA模型。同时根据信息标准AIC和SIC来协助判断阶数。
参考资料来源：百度百科-截尾
一般来说，自相关和部分自相关是判断尾随阶尾和选择ARIMA模型的基本方法，但这种方法还比较粗糙。
有时自相关和部分自相关被截断，需要用信息准则来判断。
以图片为例：
AR模型：自相关系数拖尾，部分自相关系数拖尾，
MA模型：自相关系数截断，部分自相关函数尾。
ARMA模型：对自相关函数和部分自相关函数进行尾化。
根据输出结果，自相关函数图为尾，部分自相关函数图为尾，N控制在2或3的置信区间内，可以确定为AR（2）模型或AR（3）模型。
自相关和部分自相关都是尾的，且数据有增加的趋势，没有明显的收敛趋势。
自相关阶7拖尾（n从7到置信区间），部分自相关阶2拖尾。
扩展资料:
截尾自相关和偏自相关图一般来说是判断拖尾阶尾和选择ARIMA模型的基本方法，但这种方法依然比较粗糙。有些时候会出现自相关和偏自相关均截尾的现象，这时就需要用信息准则来判断了。p值很大，不拒绝原假设，序列是平稳的。
截尾及拖尾在统计学时间序列中的基本应用
根据时间序列模型的识别规则，建立相应的模型。若平稳序列的偏自相关函数是截尾的，而自相关函数是拖尾的，可断定序列适合AR模型。
若平稳序列的偏自相关函数是拖尾的，而自相关函数是截尾的，则可断定序列适合MA模型；若平稳序列的偏自相关函数和自相关函数均是拖尾的，则序列适合ARMA模型。同时根据信息标准AIC和SIC来协助判断阶数。
参考资料来源:百度百科–截尾
本回答被网友采纳如果样本自相关系数和样本偏自相关系数在最初的阶明显大于2倍标准差，而后几乎95%的系数都落在2倍标准差的范围内，且非零系数衰减为小值波动的过程非常突然，通常视为k阶截尾；
如果有超过5%的样本相关系数大于2倍标准差，或者非零系数衰减为小值波动的过程比较缓慢或连续，通常视为拖尾。本回答被网友采纳
如果样本自相关系数和样本偏自相关系数在最初的阶明显大于2倍标准差，而后几乎95%的系数都落在2倍标准差的范围内，且非零系数衰减为小值波动的过程非常突然，通常视为k阶截尾；
如果有超过5%的样本相关系数大于2倍标准差，或者非零系数衰减为小值波动的过程比较缓慢或连续，通常视为拖尾。