在 python 中增强 dickey fuller 测试 - 如何使用参数来拟合我的数据？

编程问答 2022-05-29

问题描述

我想使用 python 中的 adfuller 测试来检查一个系列是否是静止的。 Serie I 检查的最高温度是 1800-2020 年。 我知道有一个趋势 - 每天最高温度的平均每年都在增加。我知道有一个年度季节性（滞后 = 365）。 此外，每个每日样本 Xt 都高度依赖于 Xt-1。 所以我期望测试结果表明该系列不是平稳的。

我按照这个 link 来理解结果，它说 pvalue > 0.05 表示数据不是平稳的，pvalue 

from statsmodels.tsa.stattools import adfuller
adfuller(data[data.year>2015].TMAX,maxlag=365,regression = 'ct',store=True)
RESULT PVALUE: 0.330
adfuller(data[data.year>2015].TMAX.dropna().values,maxlag = 365,regression = 'ct')
RESULT PVALUE: 0.33
adfuller(data[data.year>2005].TMAX.dropna().values,autolag = "AIC",regression = 'ct')
RESULT PVALUE: 0.0007

但我不明白结果：

  • 首先，它们取决于样本数量（更多年 -> 结果是它更稳定）。为什么？
  • 第二，我不明白 15 年的数据如何被认为是静止的，尽管时间的依赖性保持不变......

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

pythonstatistical-teststatisticsstatmodels