ADF检验 代码示例

ADF检验（Augmented Dickey-Fuller Test）是一种常用的单位根检验方法，用于判断时间序列数据是否具有平稳性。平稳性是指时间序列数据的均值和方差在时间上保持不变的性质。

ADF检验的原假设是时间序列数据存在单位根，即非平稳性。如果原假设被拒绝，则可以认为时间序列数据是平稳的。

以下是ADF检验的代码示例（使用Python的statsmodels库）：

import pandas as pd
from statsmodels.tsa.stattools import adfuller

# 准备时间序列数据
data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

# 进行ADF检验
result = adfuller(data)

# 提取ADF检验结果
adf_statistic = result  # ADF统计量
p_value = result  # p值
critical_values = result  # 关键值

# 打印ADF检验结果
print("ADF Statistic:", adf_statistic)
print("p-value:", p_value)
print("Critical Values:")
for key, value in critical_values.items():
    print("\t", key, ":", value)

在上述代码中，我们首先导入了需要的库，然后准备了一个简单的时间序列数据。接下来，使用`adfuller`函数对数据进行ADF检验，并将结果保存在`result`变量中。最后，我们提取了ADF统计量、p值和关键值，并打印出来。