自相关和偏自相关图作为时间序列判断阶数的重要方法，很多朋友在刚接触的时候都会在如何判断拖尾截尾上有疑问。很有幸为大家作答，话不多说直接上图
方法/步骤
1、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。如图
2、这张图可以看到，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。
3、如果你的图片成这样，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。
4、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）进酚祯馄嫱行参数估计，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，晦倘佳鳎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。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。自相关的系数估计量将有相当大的方差。自相关系数的T检验不显著。模型的预测功能失效。