ऑगमेंटेड डिकी फुलर टेस्ट के साथ भ्रम


16

मैं electricityआर पैकेज में उपलब्ध डेटा सेट पर काम कर रहा हूं TSA। मेरा उद्देश्य यह पता लगाना है कि क्या कोई arimaमॉडल इस डेटा के लिए उपयुक्त होगा और अंततः इसे फिट करेगा। इसलिए मैं निम्नानुसार आगे बढ़ा:

1: समय श्रृंखला को प्लॉट करें जिसके परिणामस्वरूप यदि निम्न ग्राफ है: ts plot1

2: मैं electricityविचरण को स्थिर करने के लिए लॉग इन करना चाहता था और बाद में श्रृंखला को उचित रूप में विभेदित करना चाहता था , लेकिन ऐसा करने से ठीक पहले, मैंने स्टेशनरी पर परीक्षण किया मूल डेटा adf(ऑगमेंटेड डिकी फुलर) परीक्षण और आश्चर्यजनक रूप से सेट का उपयोग करते हुए , यह निम्नानुसार है:

कोड और परिणाम:

adf.test(electricity)

             Augmented Dickey-Fuller Test
data:  electricity 
Dickey-Fuller = -9.6336, Lag order = 7, p-value = 0.01 
alternative hypothesis: stationary
Warning message: In adf.test(electricity) : p-value smaller than printed p-value

खैर, समय की श्रृंखला के बारे में मेरी शुरुआत की धारणा के अनुसार, मुझे लगता है कि इसका मतलब है कि डेटा स्थिर है (छोटे पी-मूल्य, गैर-स्टेशनरिटी की अशक्त परिकल्पना को अस्वीकार)। लेकिन ts प्लॉट को देखते हुए, मुझे ऐसा कोई रास्ता नहीं मिला जिससे यह स्थिर हो सके। क्या किसी के पास इसके लिए एक वैध स्पष्टीकरण है?


5
ADF केवल यूनिट रूट स्टेशनरी के लिए परीक्षण करता है, यह ट्रेंड स्टेशनरी हो सकता है। तो आपको केपीएसएस टेस्ट का उपयोग करना चाहिए, आँकड़े देखें ।stackexchange.com/questions/30569/ … सामान्य तौर पर, डीएस (अंतर-स्थिर) और टीएस (ट्रेंड स्टेशनरी) मॉडल के बीच अंतर होता है। केपीएसएस उन मॉडलों के बीच अंतर करने के लिए बेहतर परीक्षण है, अधिक विवरण के लिए लिंक देखें।
स्टेटिस्टियन

3
ऐसा लगता है कि श्रृंखला में मौसमी और प्रवृत्ति है। ADF- परीक्षण में एक नियतात्मक प्रवृत्ति + मौसमी डमीज को एकीकृत करें और परीक्षण चलाएं। स्वतःसंबंधित अवशेषों के लिए भी जाँच करें।
पनतारा

जवाबों:


12

adf.testएक्सटी-एक्सटी-1

> adf.test(electricity, k=12)

Augmented Dickey-Fuller Test
data:  electricity
Dickey-Fuller = -1.9414, Lag order = 12, p-value = 0.602
alternative hypothesis: stationary

2

यह मानते हुए कि "adf.test" वास्तव में "tseries" पैकेज (प्रत्यक्ष या अप्रत्यक्ष रूप से) से आता है, इसका कारण यह होगा कि इसमें स्वचालित रूप से एक रैखिक समय प्रवृत्ति शामिल है। टेरिस डॉक से (संस्करण 0.10-35): "सामान्य प्रतिगमन समीकरण जो एक स्थिर और एक रेखीय प्रवृत्ति को शामिल करता है, उसका उपयोग किया जाता है [...]" इसलिए परीक्षा परिणाम वास्तव में प्रवृत्ति स्थिरता को इंगित करता है (जो नाम के बावजूद स्थिर नहीं है)।

मैं पैन्टेरा से भी सहमत हूं कि मौसमी प्रभाव परिणाम को विकृत कर सकते हैं। श्रृंखला वास्तव में एक समय की प्रवृत्ति + नियतकालिक मौसमी + स्टोचैस्टिक इकाई रूट प्रक्रिया हो सकती है, लेकिन एडीएफ परीक्षण मौसमी उतार-चढ़ाव की व्याख्या कर सकता है, जो कि नियतात्मक प्रवृत्ति के लिए स्टोकेस्टिक रिवर्सल के रूप में हो सकता है, जो एकता की तुलना में छोटी हो जाएगी। (दूसरी ओर, यह देखते हुए कि आपने पर्याप्त अंतराल शामिल कर लिया है, इसे मौसमी आवृत्तियों पर (स्थानिक) इकाई जड़ों के रूप में दिखाना चाहिए, न कि शून्य / लंबे समय तक चलने वाली आवृत्ति जिसे ADF परीक्षण दिखता है। किसी भी मामले में, दिए गए। मौसमी पैटर्न मौसमी को शामिल करना बेहतर है।)

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.