当时间序列Y,的自相关函数为q步截尾，而偏自相关函数为拖尾且衰减较快时，即被负指数函数控制收敛到0,82kg1,g2 >0<giePk模型选择为MA（)，即q阶移动平均模型。当时间序列Y的偏自相关函数为p步截尾，而自相关函数为拖尾且衰减较快时，模型选择为AR(p)，即p阶自回归模型
当时间序列Yt的自相关函数为q 步截尾，而偏自相关函数为拖尾且衰 减较快时，即被负指数函数控制收敛 到0， 模型选择为MA (q)，即q阶移动平均 模型。 当时间序列Yt的偏自相关函数为 p步截尾，而自相关函数为拖尾且衰 减较快时，模型选择为AR (p)，即p 阶自回归模型。 g , 0 1 1 2 2 − g e g g k kk
当时间序列Y的自相关函数与偏自相关函数均为拖尾，且衰减的较快时，模型选择为ARMA(p,q)，即p阶自回归q阶移动平均模型。当自相关函数ACF与偏自相关函数PACF均有一个峰值（即波段高点），然后快速衰减时，选择ARMA(1,1)模型；当ACF有两个峰值，PACF有一个峰值然后快速衰减时，选择ARMA（1,2)模型；
当时间序列Yt的自相关函数与偏 自相关函数均为拖尾，且衰减的较快 时，模型选择为ARMA (p, q)，即p阶 自回归q阶移动平均模型。当自相关 函数ACF与偏自相关函数PACF均有 一个峰值（即波段高点），然后快速 衰减时，选择ARMA (1, 1) 模型；当 ACF有两个峰值，PACF有一个峰值 ，然后快速衰减时，选择ARMA (1, 2 ) 模型；
当ACF有一个峰值，而而PACF有两个峰值，然后快速衰减时，选择ARMA(2,1）模型。当ACF与PACF均有两个峰值，然后快速衰减时，选择ARMA(2,2)模型。具体阶数p、q的选择可参照后面的其他定阶法。对于ARMA模型的定阶问题较为复杂，有时模型的阶数不是惟一的
当ACF有一个峰值，而PACF 有两个峰值，然后快速衰减时，选 择ARMA (2, 1 ) 模型。当ACF与 PACF均有两个峰值，然后快速衰 减时，选择ARMA (2, 2) 模型。具 体阶数p、q的选择可参照后面的 其他定阶法。对于ARMA模型的 定阶问题较为复杂，有时模型的阶 数不是惟一的
若自相关函数或偏自相关函数表现出缓慢衰减，说明时间序列是非平稳的，这时要作平稳化处理。下图中是两个不同时序的自相关与偏自相关函数图。图中第一列为时序的自相关函数ACF，第二列为偏自相关函数PACF。左图表明ACF为一步截尾，PACF为拖尾且衰减较快
若自相关函数或偏自相关函数 表现出缓慢衰减，说明时间序列是 非平稳的，这时要作平稳化处理。 下图中是两个不同时序的自相关与 偏自相关函数图。图中第一列为时 序的自相关函数ACF，第二列为 偏自相关函数PACF。左图表明 ACF为一步截尾，PACF为拖尾且 衰减较快
右图表明PACF为一步截尾ACF为拖尾且衰减的很慢（该图表明时间序列为非平稳的）。一般样本自相关与偏自相关函数绝对等于0的情况较少见，对于样本的ACF与PACF来说，截尾指接近于0，而不是严格等于0。严格来讲，是否截尾还有其他判断标准，由于篇幅有限，不能完整介绍。（由于p。=l，ACF从pi起给出。)
右图表明PACF为一步截尾， ACF为拖尾且衰减的很慢（该图表明 时间序列为非平稳的）。一般样本自 相关与偏自相关函数绝对等于0的情 况较少见，对于样本的ACF与PACF 来说，截尾指接近于0，而不是严格 等于0。严格来讲，是否截尾还有其 他判断标准，由于篇幅有限，不能完 整介绍。(由于 ，ACF从 起给 出。) 1 0 = 1