截尾是指
时间序列的
自相关函数（ACF）或偏自相关函数（PACF）在某阶后均为0的性质（比如AR的PACF）；不同于拖尾，拖尾是ACF或PACF并不在某阶后均为0的性质（比如AR的ACF）。
截尾是受限
因变量分析中的概念，常用在生存分析。如果对对象调查包括了全部的分布就不存在截尾问题，如果样本相对与总体分布是一部分就存在截尾。又分几种，例如对收入调查，小于5000元的用实际收入表示，大于5000元的用>=5000元表示，在计算中都用5000元代替，这就是censor（删失）。如果小于5000元的用实际收入表示，大于5000元不作调查，只是全部收入分布的一部分，这就是truncate（截尾）。
AR模型：
自相关系数拖尾，偏自相关系数截尾；MA模型：自相关系数截尾，偏
自相关函数拖尾；
ARMA模型：自相关函数和偏自相关函数均拖尾。根据输出结果，自相关函数图拖尾，偏自相关函数图截尾，且n从2或3开始控制在
置信区间之内，因而可判定为AR(2)模型或者AR(3)模型。具体可结合其他方法验证。
自相关和偏自相关图一般来说是判断拖尾阶尾和选择
ARIMA模型的基本方法，但这种方法依然比较粗糙。有些时候会出现自相关和偏自相关均截尾的现象，这是就需要用信息准则来判断了。p值很大，不拒绝原假设，序列是平稳的。