时间序列----ADF检验

ADF 检验

在ARMA/ARIMA这样的自回归模型中，模型对时间序列数据的平稳是有要求的，因此，需要对数据或者数据的n阶差分进行平稳检验，而一种常见的方法就是ADF检验，即单位根检验

实例说明：

x=np.arange(10)
result=sts.adfuller(x,1)
result
输出结果：
(0.9921567416492214, 0.9941824998493046, 1, 8, {‘1%’: -4.6651863281249994, ‘5%’: -3.3671868750000002, ‘10%’: -2.802960625}, -555.5406151390793)

结果说明：
统计检验值：0.9921567416492214
P-value：0.9941824998493046
1阶
8个观察值

如何确定该序列能否平稳呢？主要看：

1、1%、%5、%10不同程度拒绝原假设的统计值和ADF Test result的比较，ADF Test result同时小于1%、5%、10%即说明非常好地拒绝该假设，本数据中，adf结果为-9， 小于三个level的统计值。
2、P-value是否非常接近0.本数据中，P-value 为 2e-15,接近0。

ADF检验的原假设是存在单位根，只要这个统计值是小于1%水平下的数字就可以极显著的拒绝原假设，认为数据平稳。注意，ADF值一般是负的，也有正的，但是它只有小于1%水平下的才能认为是及其显著的拒绝原假设。
对于ADF结果在1% 以上 5%以下的结果，也不能说不平稳，关键看检验要求是什么样子的。