1) 纯 AR(p) 在 PACF 中的滞后 p 处有一个截止点：

长 AR(3) 过程的 ACF 和 PACF

2) 纯 MA(q) 将在 ACF 中的滞后 q 处截断。

长 MA(3) 过程的 ACF 和 PACF

3) ARMA(p,q) 将（最终）在两者中都有衰减；您通常无法立即从经验 ACF 和 PACF 中分辨出 p 和 q - 尽管通过一些练习您可以做得更好。

正如 Graeme Walsh 指出的那样，模型识别是迭代过程的一部分（在 Box 和 Jenkins 中明确表示）。

上面的 ACF 图可能暗示 MA(4)，而 PACF 图可能暗示 AR(5)。可以改为尝试说 ARMA(1,1) 并查看“剩余”的内容。除了 ACF 和 PACF 之外，还有其他工具，但它们在实践中通常更难解释（并且可能需要更大的样本量才能给出可靠的指示）。

关于 ARMA(p,q) 的 ACF 和 PACF，可以说：ACF 在滞后 (qp) 之后有尾，而 PACF 在滞后 (pq) 之后有尾 [eg Wei (2005), S. 109]，这使得很难确定订单 p 和 q。通常使用 AIC、BIC、FPE 等信息标准。估计具有不同阶 p 和 q 的严重模型，并选择相应标准的最小值的模型。