ADF检验和PP检验

ADF检验和PP检验都是单位根检验的方法，用于判断时间序列数据是否平稳。单位根检验是建立ARMA模型、ARIMA模型、变量间的协整分析、因果关系检验等的基础。ADF检验全称为Augmented Dickey-Fuller test，是对Dickey-Fuller检验的增广形式。ADF检验的原理是判断序列是否存在单位根，如果序列平稳，则不存在单位根；否则，存在单位根。ADF检验的假设是存在单位根，如果得到的显著性检验统计量的p值小于设定的置信水平（如10%，5%，1%），则可以拒绝原假设，即认为序列平稳。

PP检验基于ADF过程，也是用于判断序列是否存在单位根的方法。PP检验的原理与ADF类似，也是通过设置显著性水平来判断序列平稳性。如果PP检验得到的p值小于置信水平（如0.05），则可以拒绝原假设，认为序列平稳。

这两种检验方法都可以在Python中进行实现，可以使用statsmodels库中的adfuller函数进行ADF检验，使用pp.test函数进行PP检验。在Eviews软件中，也可以进行单位根检验操作，通过输入变量名称并观察输出结果来分析序列的平稳性。