来自模型的误差应具有零均值或与零没有显着差异的均值。(1) 在实践中，这意味着没有脉冲、没有电平/阶跃变化、没有季节性脉冲和没有本地时间趋势。(2) 最终模型的误差方差应该是恒定的，这意味着误差方差没有结构变化或依赖于原始序列的水平。(3) 模型的参数必须随时间不变。（1）的适当测试可通过干预检测测试（Tiao、Tsay 等）获得。(2) 的适当检验是常数误差方差的 Tsay 检验和变换的 Box-Cox 检验。(3) 的检验是 Chow 检验。如果您不想自己编写这些测试，因为它们不是免费提供的，您可能需要查看 AUTOBOX。http://www.autobox.com。希望这可以帮助。

Box 和 Jenkins 建议使用自相关和偏自相关函数来识别模型。通用 Box Jenkins 模型是季节性 ARIMA 模型，它允许非平稳分量（周期分量和多项式趋势）。测试非平稳性的规则是计算自相关函数，如果相关性很大并且下降缓慢，则表明存在非平稳性。这有点主观，但 IrishStat 使用 AUTOBOX 以更正式的自动化方式执行此操作。正如他所提到的，电平变化和脉冲也可能是非平稳行为的指示，AUTOBOX 程序将检测这些行为并将其合并到模型中。拟合模型后，诊断检查会查看残差以确定它们是否独立于 0 均值和恒定方差。无法测试独立性，但您可以测试残差中的显着自相关，这种相关性表明缺乏独立性。Ljung-Box 检验是残差序列中相关性的一般检验。如果拒绝零自相关，则可能需要更高阶的 AR 和/或 MA 项。如果残差序列在缓慢衰减的自相关方面也看起来不平稳，则可以尝试分别对线性二次或三次趋势的序列 1st 2nd 或 3rd 进行差分。如果似乎是剩余序列中剩余的周期性分量，则可以使用季节差分。Ljung-Box 检验是残差序列中相关性的一般检验。如果拒绝零自相关，则可能需要更高阶的 AR 和/或 MA 项。如果残差序列在缓慢衰减的自相关方面也看起来不平稳，则可以尝试分别对线性二次或三次趋势的序列 1st 2nd 或 3rd 进行差分。如果似乎是剩余序列中剩余的周期性分量，则可以使用季节差分。Ljung-Box 检验是残差序列中相关性的一般检验。如果拒绝零自相关，则可能需要更高阶的 AR 和/或 MA 项。如果残差序列在缓慢衰减的自相关方面也看起来不平稳，则可以尝试分别对线性二次或三次趋势的序列 1st 2nd 或 3rd 进行差分。如果似乎是剩余序列中剩余的周期性分量，则可以使用季节差分。