[時間序列模型] python做adf檢驗

adf檢驗是用來檢驗序列是否平穩的方式，一般來說是時間序列中的一種檢驗方法。
python中可使用現成的工具statsmodels來實現adf檢驗。

方法及參數：

import numpy as np 
import statsmodels.tsa.stattools as ts

x = np.array([1, 2, 3, 4, 5, 6, 7])
result = ts.adfuller(x, 1)
print result
(-2.6825663173365015, 0.077103947319183241, 0, 7, {'5%': -3.4775828571428571, '1%': -4.9386902332361515, '10%': -2.8438679591836733}, 15.971188911270618)

 

statsmodels.tsa.stattools.adfuller(x, maxlag=None, regression='c', autolag='AIC', store=False, regresults=False)[source]¶
 x: 序列，一維數組
 maxlag：差分次數
 regresion:{c:只有常量，
            ct:有常量項和趨勢項，
            ctt:有常量項、線性和二次趨勢項，
            nc:無任何選項}
 autolag:{aic or bic: default, then the number of lags is chosen to minimize the corresponding information criterium,
          None:use the maxlag,
          t-stat:based choice of maxlag. Starts with maxlag and drops a lag until the t-statistic on the last lag length is significant at the 95 % level.}

 ADF檢驗總結一句話：如果序列是平穩的，則不存在單位根， 否則就會存在單位根。

同時，源數據不平穩（大多肉眼可見），可以做一階差分、二階差分這樣子，看是否差分后平穩。

ADF檢驗的原假設是存在單位根，因此如果得到的統計量顯著小於3個置信度（1%，5%，10%）的臨界統計值時，說明是拒絕原假設的。另外是看P-value是否非常接近0（4為小數基本即可。）