【df检验和adf检验步骤】在时间序列分析中，平稳性是进行建模的重要前提。如果时间序列不平稳，可能会导致模型结果不可靠。因此，我们需要通过一些统计检验来判断时间序列是否具有平稳性。其中，DF（Dickey-Fuller）检验和ADF（Augmented Dickey-Fuller）检验是最常用的两种方法。以下是对这两种检验的简要总结及其实现步骤。
一、DF检验与ADF检验简介
| 检验名称 | 全称 | 用途 | 特点 |
| DF检验 | Dickey-Fuller Test | 判断时间序列是否具有单位根 | 仅适用于简单AR(1)模型 |
| ADF检验 | Augmented Dickey-Fuller Test | 判断时间序列是否具有单位根 | 考虑了更高阶的滞后项，适用范围更广 |
二、DF检验与ADF检验的步骤对比
1. 设定假设
- 原假设 (H₀)：时间序列存在单位根（非平稳）
- 备择假设 (H₁)：时间序列不存在单位根（平稳）
2. 构建回归模型
- DF检验：
$$
\Delta y_t = \alpha + \beta y_{t-1} + \varepsilon_t
$$
- α 是常数项
- β 是系数，若 β=0，则表示存在单位根
- ADF检验：
$$
\Delta y_t = \alpha + \beta y_{t-1} + \gamma_1 \Delta y_{t-1} + \gamma_2 \Delta y_{t-2} + \cdots + \gamma_p \Delta y_{t-p} + \varepsilon_t
$$
- 引入了滞后差分项，用于消除自相关影响
3. 计算检验统计量
- 计算 t 统计量，用于检验 β 是否为零
- 若 t 统计量小于临界值，则拒绝原假设，认为序列平稳
4. 确定滞后阶数（ADF检验专用）
- 可通过信息准则（如AIC、BIC）或似然比检验选择合适的滞后阶数 p
- 通常建议从低阶开始逐步增加，直到残差不再显著
5. 查找临界值
- 根据样本大小和显著性水平（如1%、5%、10%），查表或使用软件工具获取临界值
- 若检验统计量小于临界值，说明拒绝原假设，序列平稳
6. 得出结论
- 若拒绝原假设，则认为时间序列是平稳的
- 否则，需要对序列进行差分处理后再进行检验
三、总结对比表
| 步骤 | DF检验 | ADF检验 |
| 假设设定 | H₀: 存在单位根 | H₀: 存在单位根 |
| 回归形式 | 简单AR(1) | 包含滞后差分项 |
| 滞后阶数 | 不考虑 | 需要确定 |
| 适用场景 | 简单时间序列 | 更复杂、有自相关的序列 |
| 检验统计量 | t 统计量 | t 统计量 |
| 临界值 | 查表或软件 | 查表或软件 |
| 结论 | 判断是否平稳 | 判断是否平稳 |
四、注意事项
- 在实际应用中，建议使用统计软件（如Python的statsmodels库、R语言等）进行检验，以提高准确性。
- ADF检验更适合实际数据，因为现实中时间序列往往存在自相关。
- 如果检验结果显示序列不平稳，通常需要对其进行差分处理，再重新检验。
通过以上步骤，可以系统地判断一个时间序列是否平稳，为后续建模提供基础支持。DF和ADF检验虽然原理相似，但ADF在实际应用中更为常用和可靠。