หากแนวโน้มนั้นกำหนดไว้ล่วงหน้า (เช่นแนวโน้มเชิงเส้น) คุณสามารถเรียกใช้การถดถอยของข้อมูลเกี่ยวกับแนวโน้มที่กำหนดได้ (เช่นดัชนีคงที่และเวลาบวก) เพื่อประเมินแนวโน้มและลบแนวโน้มออกจากข้อมูล หากเทรนด์เป็นแบบสุ่มคุณควรสร้างความแตกต่างให้กับซีรี่ส์
การทดสอบ ADFและการทดสอบ KPSSสามารถให้ข้อมูลบางอย่างแก่คุณเพื่อตรวจสอบว่าแนวโน้มนั้นกำหนดขึ้นหรือ Stochastic หรือไม่
เนื่องจากสมมติฐานว่างของการทดสอบ KPSS อยู่ตรงข้ามกับโมฆะในการทดสอบ ADF จึงสามารถกำหนดวิธีต่อไปนี้เพื่อดำเนินการล่วงหน้าได้:
- ใช้ KPSS เพื่อทดสอบค่า Null ที่อนุกรมอยู่กับที่หรืออยู่นิ่ง ๆ กับแนวโน้ม หากโมฆะถูกปฏิเสธ (ในระดับที่กำหนดไว้อย่างมีนัยสำคัญ) สรุปว่าแนวโน้มนั้นเป็น Stochastic มิฉะนั้นไปที่ขั้นตอนที่ 2
- ใช้การทดสอบ ADF เพื่อทดสอบ null ว่ามีหน่วยรูตอยู่ หากสมมติฐานว่างถูกปฏิเสธให้สรุปว่าไม่มีหน่วยราก (stationarity) มิฉะนั้นผลลัพธ์ของขั้นตอนจะไม่ให้ข้อมูลเนื่องจากไม่มีการทดสอบใดปฏิเสธสมมติฐานสมมุติฐานที่สอดคล้องกัน ในกรณีดังกล่าวอาจมีข้อควรระวังเพิ่มเติมในการพิจารณาการมีอยู่ของรูทยูนิตและสร้างความเสียหายให้กับซีรี่ส์โดยรับความแตกต่างก่อน
ในบริบทของโมเดลอนุกรมเวลาเชิงโครงสร้างคุณสามารถใส่โมเดลระดับท้องถิ่นหรือโมเดลแนวโน้มท้องถิ่นเข้ากับข้อมูลเพื่อรับการประมาณแนวโน้มและลบออกจากซีรีส์ โมเดล local-trend ถูกกำหนดดังต่อไปนี้ (โมเดลระดับโลคัลได้มาพร้อมกับ ):σ2ζ= 0
ชุดสังเกต:ระดับแฝง:ดริฟท์แฝง:Yเสื้อ= μเสื้อ+ γเสื้อ+ ϵเสื้อ,μเสื้อ= μt - 1+ βt - 1+ ξเสื้อ,βเสื้อ= βt - 1+ ζเสื้อ,εเสื้อ~ NID ( 0 ,σ2ε) ;ξเสื้อ~ NID ( 0 ,σ2ξ) ;ζเสื้อ~ NID ( 0 ,σ2ζ) ;