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？

r time-series stationarity

— 瓦拉
source

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

12

adf.test $x_t - x_{t-1}$

> 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

— 贺拉斯
source

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。）

— 斯文·S。
source