def teststationayity(ts):
dftest = adfuller(ts) # 实例化检验得到数值源
# print(dftest)
dfoutput = pd.Series(dftest[0:4], index=["Test Statistic", "p_value", "#Lags Used",
"Number of Observation Uesd"])
# print(dfoutput)
#n阶差分
# _data=pd.Series(ts)
# data=_data.diff(1)[1:]
# # print(data)
# data.plot()
# plt.show()
# plt.savefig("./diff_1.svg")
for key, value in dftest[4].items():
dfoutput["Critical Value({})".format(key)] = value
return dfoutput
一阶差分后很明显是不平稳的波动
(差分:差分的目的主要是消除一些波动 使数据趋于平稳
你说的没错 一阶差分后的确就是增量 这还比较好解释 而有时候一阶差分都未必能达到平稳,此时还要做二阶差分 这个就很难解释意义了
所以对于多变量的时序 一般如果不平稳 我们会选择检验他们是否同阶单整然后在同阶单整的情况下做协整分析 只要有协整关系 就可以用原始数据来建模 我的理解就是放宽了平稳的要求 毕竟经济数据要平稳很多时候是难以达到的)