精简版:
我有一个正在测试平稳性的时间序列气候数据。根据先前的研究,我希望数据的基础模型(或可以说是“生成”)具有截距项和正线性时间趋势。为了测试这些数据的平稳性,我是否应该使用包含截距和时间趋势(即等式#3)的Dickey-Fuller检验?
还是我应该使用仅包含截距的DF检验,因为我认为该模型所基于的方程的第一个差异只有截距?
长版:
如上所述,我有一个时间序列的气候数据正在测试平稳性。根据先前的研究,我希望数据基础模型具有拦截项,正线性时间趋势和一些正态分布的误差项。换句话说,我希望基础模型看起来像这样:
其中是正态分布。因为我假设基础模型具有截距和线性时间趋势,所以我使用简单的Dickey-Fuller检验的方程式#3测试了单位根,如下所示:
该测试返回了一个临界值,该临界值将导致我拒绝原假设,并得出基本模型非平稳的结论。但是,如果我正确运用这一点,因为即使我的问题底层模型假设有一个截距和时间趋势,这并不意味着第一个区别的意志为好。相反,实际上,如果我的数学正确的话。
计算基于所述方程的第一差假定的主要模型给出:
因此,第一差似乎仅具有一个截距,而不是一个时间的趋势。
我认为我的问题与这一问题类似,但我不确定如何将该答案应用于我的问题。
样本数据:
这是我正在使用的一些示例温度数据。
64.19749
65.19011
64.03281
64.99111
65.43837
65.51817
65.22061
65.43191
65.0221
65.44038
64.41756
64.65764
64.7486
65.11544
64.12437
64.49148
64.89215
64.72688
64.97553
64.6361
64.29038
65.31076
64.2114
65.37864
65.49637
65.3289
65.38394
65.39384
65.0984
65.32695
65.28
64.31041
65.20193
65.78063
65.17604
66.16412
65.85091
65.46718
65.75551
65.39994
66.36175
65.37125
65.77763
65.48623
64.62135
65.77237
65.84289
65.80289
66.78865
65.56931
65.29913
64.85516
65.56866
64.75768
65.95956
65.64745
64.77283
65.64165
66.64309
65.84163
66.2946
66.10482
65.72736
65.56701
65.11096
66.0006
66.71783
65.35595
66.44798
65.74924
65.4501
65.97633
65.32825
65.7741
65.76783
65.88689
65.88939
65.16927
64.95984
66.02226
66.79225
66.75573
65.74074
66.14969
66.15687
65.81199
66.13094
66.13194
65.82172
66.14661
65.32756
66.3979
65.84383
65.55329
65.68398
66.42857
65.82402
66.01003
66.25157
65.82142
66.08791
65.78863
66.2764
66.00948
66.26236
65.40246
65.40166
65.37064
65.73147
65.32708
65.84894
65.82043
64.91447
65.81062
66.42228
66.0316
65.35361
66.46407
66.41045
65.81548
65.06059
66.25414
65.69747
65.15275
65.50985
66.66216
66.88095
65.81281
66.15546
66.40939
65.94115
65.98144
66.13243
66.89761
66.95423
65.63435
66.05837
66.71114