Una aplicación directa de modelos autoregresivos (AR) con errores independientes e idénticamente distribuidos (iid) a veces resulta inadecuada para ajustar bien los datos de series temporales. Una alternativa natural es asumir además que los errores del modelo siguen un proceso AR, cuya estructura tiene impactos esenciales en las inferencias estadísticas relacionadas con los modelos autoregresivos. En este documento, construimos una nueva prueba unificada para verificar la estructura de error AR basada en el método de verosimilitud empírica. La prueba propuesta es deseable porque su distribución límite siempre es chi-cuadrado, independientemente de si el modelo autoregresivo es estacionario o no estacionario, con o sin un término de intercepción. También se proporcionan algunas simulaciones para ilustrar el rendimiento de muestra finita de esta prueba. Finalmente, aplicamos la prueba propuesta a un conjunto de datos reales financieros.