时间序列分析 - 最经典的

另一种确定ARMA模型的阶数(p,q)的方法是：

若序列非AR(p)、MA(q)情况,则用AR(1)拟合序列{yt },再考察其残差序列的样本自相关函数是否截尾，若q1步截尾,则模型为ARMA(1,q1),否则,再用AR(2)拟合序列{yt},考察其残差序列的样本自相关函数是否截尾,若q2步截尾,则模型为ARMA(2,q2);否则,再继续增大p,重复上述的做法,直至残差序列的样本自相关函数截尾为止。

TIPS

：因为由于样本的随机性，样本的相关系数不会呈现出理论截尾的完美情况，本应截尾的自相关系数或偏自相关系数仍会呈现出小值振荡的情况；由于平稳时间序列通常都具有短期相关性，随着延迟阶数K->∞ ，自相关与偏自相关都会衰减至零值附近作小值波动。

经验方法：

如果样本(偏)自相关系数在最初的d阶明显大于两倍标准差范围，而后几乎95％的自相关系数都落在

2 倍标准差的范围以内

，而且通常由非零自相关系数

衰减

为小值波动的过程

非常突然

。这时，通常视为(偏)自相关系数截尾。截尾阶数为d。