如何判定ACF和PACF的拖尾截尾？在SAS軟件中，我們可以通過自相關(guān)函數(shù)圖和偏相關(guān)函數(shù)圖來判斷。如果樣本自相關(guān)系數(shù)和樣本偏自相關(guān)系數(shù)在初始順序上明顯大于標準差的2倍，則幾乎95%的系數(shù)落在標準差的2

如何判定ACF和PACF的拖尾截尾？

在SAS軟件中，我們可以通過自相關(guān)函數(shù)圖和偏相關(guān)函數(shù)圖來判斷。如果樣本自相關(guān)系數(shù)和樣本偏自相關(guān)系數(shù)在初始順序上明顯大于標準差的2倍，則幾乎95%的系數(shù)落在標準差的2倍范圍內(nèi)，而非零系數(shù)衰減到小值波動的過程是非常突然的，通常被認為是k階截斷；如果超過5%的樣本相關(guān)系數(shù)大于標準差的2倍，或者非零系數(shù)衰減到很小的值波動，這個過程是緩慢的或連續(xù)的，通常被認為是一種阻力。

怎么看ACF圖和PACF圖？

您需要查看尾隨是針對序列的自相關(guān)系數(shù)還是偏相關(guān)系數(shù)。如果尾隨不能快速接近0，則表示尾隨。這兩個相關(guān)系數(shù)的尾隨表示ARMA模型是Ma模型或AR模型，也可以是ARMA模型，只要序列是穩(wěn)定的。

r語言中forecast.arima和predict的區(qū)別？

讓我們舉個例子。例如，周期為12的月度數(shù)據(jù)具有季節(jié)性影響。

首先，對于一階12階差分，通過觀察ACF PACF，可以看出它是簡單的加法模型還是乘法季節(jié)模型

如果是乘法模型，我們要模擬ARIMA模型的季節(jié)性部分

ARIMA的季節(jié)性部分是根據(jù)ACF PACF的周期位置來確定其模型參數(shù)ar Ma

季節(jié)性=列表（順序=C（u0，1，0），周期=0）周期是默認的

------------------------------------------------------------------------------------------- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -, 自動阿里瑪（）直接擬合得到系統(tǒng)所考慮的ARIMA模型參數(shù)。

然后預(yù)測（H=預(yù)測期數(shù)）行。

這是給外行的，

但是如果你真的想學(xué)好它，你需要測試模型，特別是剩余的。