ADF检验(statsmodels.tsa.stattools.adfuller())
statsmodels.tsa.stattools.adfuller():迪基-福勒检验Augmented Dickey-Fuller(ADF) Test
格式:
statsmodels.tsa.stattools.adfuller(x, maxlag=None, regression=‘c’, autolag=‘AIC’, store=False, regresults=False)
参数:
① x :要测试的数据系列。
②maxlag:int;测试中包含的最大延迟,默认为12 *(nobs / 100)^ {1/4}。
③regression:{‘c’,‘ct’,‘ctt’,‘nc’};包含在回归中的常量和趋势顺序。
‘c’:仅限常量(默认值)。
‘ct’:恒定和趋势。
‘ctt’:常数,线性和二次趋势。
‘nc’:没有恒定,没有趋势。
④autolag: {‘AIC’,‘BIC’,‘t-stat’,None};自动确定滞后时使用的方法。
如果为None,则使用maxlag滞后。
如果是’AIC’(默认值)或’BIC’,则选择滞后数以最小化相应的信息标准。
基于’t-stat’的maxlag选择。从maxlag开始并使用5%大小的测试来降低延迟,直到最后一个滞后长度的t统计量显着为止。
⑤store:bool;如果为True,则另外返回adf统计信息的结果实例。默认值为False。
⑥regolults:bool,optional;如果为True,则返回完整的回归结果。默认值为False。
返回值:
①ADF:float;测试统计(检验的结果,也就是统计量的值)。
②pvalue:float;probability value(统计量的概率P值)。
③usedlag:int;使用的滞后数量(计算过程中用到的延迟阶数)。
④NOBS:int;用于ADF回归和计算临界值的观察数(用于ADF回归和计算的观测值的个数)。
⑤critical values:dict;测试统计数据的临界值为1%,5%和10%(配合第一个一起看的,是在99%,95%,90%置信区间下的临界的ADF检验的值。)。
⑥icbest:float;如果autolag不是None,则最大化信息标准。
⑦resstore:ResultStore, optional; 一个虚拟类,其结果作为属性附加。
参考文献:
https://blog.csdn.net/qq_36707798/article/details/88640684
https://blog.csdn.net/orDream/article/details/100038076?spm=1001.2101.3001.6650.3&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-3.pc_relevant_antiscanv2&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-3.pc_relevant_antiscanv2&utm_relevant_index=5
https://blog.csdn.net/The_Time_Runner/article/details/89969173
ADF检验(statsmodels.tsa.stattools.adfuller())相关推荐
- statsmodels.tsa.stattools.adfuller()结构及用法详解
statsmodels是一个Python模块,提供了大量统计模型的类和函数.主要功能有: regression: Generalized least squares (including weight ...
- statsmodels.tsa.stattools.adfuller 的用法
statsmodels.tsa.stattools.adfuller(x, maxlag=None, regression='c', autolag='AIC', store=False, regre ...
- python adf检验_python做adf检验
adf检验是用来检验序列是否平稳的方式 一般来说是时间序列中的一种检验方法 python中可使用现成的工具statsmodels来实现adf检验 import numpy as np import s ...
- Python时间序列中ADF检验详解
转自:https://pengfoo.com/post/machine-learning/2017-01-24 Abstract 在ARMA/ARIMA这样的自回归模型中,模型对时间序列数据的平稳是有 ...
- adf测试 python_Python时间序列平稳检验--ADF检验
Refer:https://pengfoo.com/post/machine-learning/2017-01-24 Abstract 在ARMA/ARIMA这样的自回归模型中,模型对时间序列数据的平 ...
- adf检验代码 python_第22期:向量自回归(VAR)模型预测——Python实现
一.向量自回归模型简介 经典回归模型都存在一个强加单向关系的局限性,即被解释变量受到解释变量的影响,但反之不成立.然而,在许多情况下所有变量都相互影响.向量自回归(VAR)模型允许这类双向反馈关系,所 ...
- python-时间序列之ADF检验(1)
读取数据,pd.read_csv默认生成DataFrame对象,需将其转换成Series对象 DataFrame和Series是pandas中最常见的2种数据结构.DataFrame可以理解为Exce ...
- 时间序列分析中统计模型statsmodels.tsa.arima_model
(10条消息) 时间序列分析中的 statsmodels.tsa.arima_model被抛弃了,如何解决?_-berry的博客-CSDN博客 """ 根据某个期货的收盘 ...
- python使用statsmodels包中的adfuller函数执行增强迪基-福勒检验(ADF检验、augmented Dickey-Fuller test)、判断时间序列数据是否平稳
python使用statsmodels包中的adfuller函数执行增强迪基-福勒检验(ADF检验.augmented Dickey-Fuller test).判断时间序列数据是否平稳(station ...
最新文章
- RxJava 和 RxAndroid 三(生命周期控制和内存优化)
- Matlab的File菜单功能图解 - 导入数据、保存工作空间、搜索路径、系统参数
- 为了追到小姐姐,我用 Python 制作了一个机器人
- mysql 5.6.14 win32_mysql-5.6.14-win32为免安装解压缩版
- (进阶篇)Redis6.2.0 集群 哨兵模式_故障转移_03
- POJ Area of Simple Polygons 扫描线
- [转]Reporting Service部署之访问权限
- linux 下搭建subversion (svn),CentOS Linux 搭建 SVN(CollabNet Subversion)服务器,易用性和对远程团队的...
- 【译】Vue 的小奇技(第七篇):在 vue-multiselect 基础上创建 ImageSelect 组件
- 在进行了解JAVA CLASS文件解析时必须要明白的三个概念
- C# 让你解决方案乱七八糟的DLL放入指定文件夹
- golang中apend_golang的append()为什么不会影响slice的地址?
- 数据库开发基础-教案-3-认识数据库备份和事务日志备份
- 精选6个PPT模板网站,完全免费,速速收藏
- php操作memcache
- 使用 OpenSSL 创建ssl证书
- 赛式方法论:为什么你的游戏做不完、做得烂?
- 1D mesauring
- 学计算机用商用本,开学装机,笔记本电脑市场解析及购机推荐
- Task3 | HLM | 高收入个体更吝啬吗