与增强Dickey Fuller测试混淆


16

我正在研究electricityR包中可用的数据集TSA。我的目的是找出arima模型是否适合此数据并最终拟合。因此,我进行如下操作:

第一个:绘制下图所示的时间序列:ts plot1

第二个:我想获取对数electricity以稳定方差,然后适当地对序列进行差分,但是在这样做之前,我测试了序列的平稳性使用adf(Dickey Fuller)测试的原始数据集,令人惊讶的是,结果如下:

代码和结果:

adf.test(electricity)

             Augmented Dickey-Fuller Test
data:  electricity 
Dickey-Fuller = -9.6336, Lag order = 7, p-value = 0.01 
alternative hypothesis: stationary
Warning message: In adf.test(electricity) : p-value smaller than printed p-value

好吧,按照我的初学者的时间序列概念,我认为这意味着数据是固定的(p值小,拒绝非平稳性的零假设)。但是,从ts曲线来看,我发现这不可能是固定的。有人对此有有效的解释吗?


5
ADF仅测试单位根平稳,这可能是趋势平稳。因此,您应该使用KPSS测试,请参阅stats.stackexchange.com/questions/30569/… 通常,DS(差异平稳)模型和TS(趋势平稳)模型之间存在差异。KPSS是区分这些模型的更好测试,有关更多详细信息,请参见链接。
2013年

3
该系列似乎具有季节性和趋势性。将确定性趋势+季节性虚拟变量整合到ADF测试中,然后运行测试。还检查是否存在自相关残差。
Pantera

Answers:


12

adf.testXŤ-XŤ-1个

> adf.test(electricity, k=12)

Augmented Dickey-Fuller Test
data:  electricity
Dickey-Fuller = -1.9414, Lag order = 12, p-value = 0.602
alternative hypothesis: stationary

2

假设“ adf.test”确实来自“ tseries”包(直接或间接),原因是它自动包含线性时间趋势。从tseries doc(版本0.10-35):“使用了包含常数和线性趋势的通用回归方程式”,因​​此测试结果的确表明了趋势平稳性(尽管名称不稳定)。

我也同意Pantera的观点,即季节性影响可能会使结果失真。该序列实际上可能是时间趋势+确定性季节+随机单位根过程,但是ADF测试可能会将季节性波动误解为随机回归到确定性趋势,这意味着根小于统一。(另一方面,鉴于您已经包含了足够的滞后,这应该显示为(假)单位根在季节性频率上,而不是ADF测试所看到的零/长期频率。在任何情况下,给定季节性模式,最好将季节包括在内。)

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.