AR模型

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。

说的到位！AR（P)是ACF拖尾，PACF是P阶截尾，而MA（P)是ACF是P阶截尾，PACF是拖尾，而ARMA两者都是拖尾！

拖尾和截尾是截然不同的两个概念。拖尾就是拖尾了，顾名思义吧。截尾是受限因变量分析中的概念，常用在生存分析。几句话很难讲明白，如果对对象调查包括了全部的分布就不存在截尾问题，如果样本相对与总体分布是一部分就存在截尾。又分几种，例如对收入调查，小于5000元的用实际收入表示，大于5000元的用>=5000元表示，在计算中都用5000元代替，这就是censor（删失）。如果小于5000元的用实际收入表示，大于5000元不作调查，只是全部收入分布的一部分，这就是truncate（截尾）。

截尾是指时间序列的自相关函数（ACF）或偏自相关函数（PACF）在某阶后均为0的性质（比如AR的PACF）；拖尾是ACF或PACF并不在某阶后均为0的性质（比如AR的ACF）。

3楼所说的并不是截尾，trancative其实是截断。

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。