截尾拖尾

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。具体可结合其他方法验证。

图中自相关系数拖着长长的尾巴，就是拖尾，AC值是慢慢减少的。而偏相关系数是突然收敛到临界值水平范围内的，这就是截尾，PAC突然变的很小。不知道说明白了吗？

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。具体可结合其他方法验证。

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。

p值很大，不拒绝原假设，序列是平稳的。