用MATLAB作ACF图和PACF图，参数p、q怎么判断呢？

为什么PACF图在最后突然升高了？是我程序还是数据有问题吗？

在MATLAB中，可以使用“autocorr”函数和“parcorr”函数分别绘制ACF图和PACF图，并通过观察图形来判断ARMA模型的参数p和q。

具体步骤如下：

加载数据：在MATLAB中，首先需要将需要进行建模的时间序列数据加载到MATLAB工作区。

绘制ACF图：使用“autocorr”函数绘制时间序列的ACF图，函数的基本语法为：autocorr(x,lag)，其中x为时间序列数据，lag为滞后阶数。观察ACF图中，哪些滞后阶数的自相关系数超出了置信区间，可以初步判断ARMA模型的参数q。

绘制PACF图：使用“parcorr”函数绘制时间序列的PACF图，函数的基本语法为：parcorr(x,lag)，其中x为时间序列数据，lag为滞后阶数。观察PACF图中，哪些滞后阶数的偏自相关系数超出了置信区间，可以初步判断ARMA模型的参数p。

确定最终模型：根据ACF图和PACF图的初步判断结果，可以确定ARMA模型的大致参数范围，然后通过对比不同参数下的模型拟合效果，选择最优的ARMA模型。

需要注意的是，ACF图和PACF图只是初步判断ARMA模型的参数p和q的工具，最终确定ARMA模型的参数需要综合考虑多个因素，包括模型的拟合效果、残差序列的自相关性和偏自相关性等。建议在使用MATLAB进行ARMA模型建模之前，先学习相关的时间序列建模和统计分析知识。