ไม่นานมานี้ตั้งแต่ฉันดูการทดสอบ ADF แต่ฉันจำการทดสอบ adf อย่างน้อยสองรุ่น
http://www.stat.ucl.ac.be/ISdidactique/Rhelp/library/tseries/html/adf.test.html
http://cran.r-project.org/web/packages/fUnitRoots/
แพ็คเกจ fUnitRoots มีฟังก์ชันที่เรียกว่า adfTest () ฉันคิดว่าปัญหา "แนวโน้ม" ได้รับการจัดการแตกต่างกันไปในแพ็คเกจเหล่านั้น
แก้ไข ------ จากหน้า 14 ของลิงค์ต่อไปนี้มีการทดสอบ adf 4 เวอร์ชัน (หยุดชั่วคราว)
http://math.uncc.edu/~zcai/FinTS.pdf
อีกหนึ่งลิงก์ อ่านหัวข้อ 6.3 ในลิงค์ต่อไปนี้ มันทำงานได้ดีกว่าที่ฉันทำได้ในการอธิบายคำล่าช้า:
http://www.yats.com/doc/cointegration-en.html
นอกจากนี้ฉันจะระมัดระวังกับโมเดลตามฤดูกาลด้วย เว้นแต่คุณจะแน่ใจว่ามีบางฤดูกาลฉันจะหลีกเลี่ยงการใช้คำตามฤดูกาล ทำไม? สิ่งใดก็ตามที่สามารถแยกย่อยได้ตามเงื่อนไขของฤดูกาลแม้ว่าจะไม่ใช่ก็ตาม นี่คือสองตัวอย่าง:
#First example: White noise
x <- rnorm(200)
#Use stl() to separate the trend and seasonal term
x.ts <- ts(x, freq=4)
x.stl <- stl(x.ts, s.window = "periodic")
plot(x.stl)
#Use decompose() to separate the trend and seasonal term
x.dec <- decompose(x.ts)
plot(x.dec)
#===========================================
#Second example, MA process
x1 <- cumsum(x)
#Use stl() to separate the trend and seasonal term
x1.ts <- ts(x1, freq=4)
x1.stl <- stl(x1.ts, s.window = "periodic")
plot(x1.stl)
#Use decompose() to separate the trend and seasonal term
x1.dec <- decompose(x1.ts)
plot(x1.dec)
กราฟด้านล่างมาจากคำสั่ง plot (x.stl) ด้านบน stl () พบคำตามฤดูกาลเล็ก ๆ ในเสียงสีขาว คุณอาจพูดว่าคำนั้นเล็กมากจนไม่ใช่ปัญหา ปัญหาคือในข้อมูลจริงคุณไม่ทราบว่าคำนั้นเป็นปัญหาหรือไม่ ในตัวอย่างด้านล่างโปรดสังเกตว่าชุดข้อมูลเทรนด์มีเซ็กเมนต์ที่ดูเหมือนว่าข้อมูลดิบที่ผ่านการกรองแล้วและเซกเมนต์อื่น ๆ ที่อาจพิจารณาว่าแตกต่างจากข้อมูลดิบอย่างมีนัยสำคัญ