由于这是一个非常全面的主题，您将不得不自己研究 Box-Jenkins 框架内的模型检查，但我尝试对您的简短问题给出一个简短的回答：

通常，在拟合时间序列模型之后（至少您使用的是标准模型并且没有假设特殊的个体模型，其中残差的行为可能不同），残差应该是白噪声。所以它们应该没有自相关。如果您有显着的自相关（您必须对此进行测试），而不仅仅是在您的 acf/pacf 中以高滞后顺序出现一个峰值，这可能表明您指定了错误的模型。这取决于，例如，您可以将残差与您的其他变量一起绘制在散点图中并查看，例如是否仍然存在季节性行为，但您也绝对应该对此进行测试。如果自相关显着，是的，这是一个问题，因为这意味着您错过了包含一些信息。因此，例如，您的滞后订单是不够的。如果自相关结果不显着，

所以答案是：测试它。请参阅：如何测试残差的自相关？

如果这个答案让你满意，那就太好了，如果你点击我帖子的左钩子并接受我的帖子作为答案。

按照 Stat Tistician 的建议，解决方案是使用带有 ARIMA error 的回归模型。

library(nlme)

#create some fake data with AR4 noise
n=500
set.seed(42)
v = arima.sim(list(ar=c(0.2,0.2,0.2,0.2)), n)
x= seq(-3,3,length.out = n)
y = 0.5*x + 2*v + 0.5*rnorm(n)

#fit
summary(gls(y~x, correlation = corARMA(form = ~1, p=4,q=0)))