用python实现时间序列单位根检验

在时间序列的建模中，需要先对数据进行平稳性检验，常用的有DF检验、ADF检验和PP检验，文章实例ADF检验
注：检验的P值是只在一个假设检验问题中，利用样本观测值能够作出拒绝原假设的最小显著性水平。

• 如果a >= p, 则在显著性水平a 下拒绝H0
• 如果a < p,则在显著性水平a下接受H0
  实现方法一：

from arch.unitroot import ADF

ADF(data)

ADF检验的原假设是不平稳，这里P值近似为0 ， 所以拒绝原假设，认为序列平稳。

from statsmodels.stats.diagnostic import unitroot_adf

unitroot_adf(b.salesVolume)

这里包含了检验值、p-value、滞后阶数、自由度等信息。我们看到了检验统计量为–5.954367776923936，小于1%的临界值-4.01203360058309,，即p值远小于0.01，因此我们拒绝原假设，认为该时间序列是平稳的。（这里原假设是存在单位根，即时间序列为非平稳的。)