Augmented Dickey Fuller 테스트와 혼동

electricityR 패키지에서 사용할 수 있는 데이터 세트를 작업 중입니다 TSA. 저의 목표는 arima모델이이 데이터에 적합한 지 알아 내고 결국에는 맞는지 알아내는 것입니다. 그래서 나는 다음과 같이 진행했습니다 :

1 : 다음 그래프의 결과 인 시계열을 플로팅하십시오 :

2 : electricity분산을 안정화 하기 위해 로그를 만들고 싶었 습니다. adf(Augmented Dickey Fuller) 테스트를 사용한 원본 데이터 세트 와 놀랍게도 결과는 다음과 같습니다.

코드 및 결과 :

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

글쎄, 초보자의 시계열 개념에 따르면 데이터가 고정적이라는 것을 의미한다고 가정합니다 (작은 p- 값, 비정상 성이 아닌 귀무 가설을 기각 함). 그러나 ts 플롯을 보면 이것이 고정 될 수있는 방법을 찾지 못합니다. 누구든지 이것에 대한 유효한 설명이 있습니까?

adf.test$x_t - x_{t-1}$

> 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

"adf.test"가 실제로 "tseries"패키지 (직접 또는 간접)에서 온 것으로 가정하면, 그 이유는 선형 시간 추세를 자동으로 포함하기 때문입니다. tseries doc (버전 0.10-35)에서 : "상수와 선형 추세를 포함하는 일반적인 회귀 방정식이 사용됩니다 ...] 테스트 결과는 실제로 추세 정상 성을 나타냅니다 (이름에도 불구하고 고정되어 있지 않음).

또한 Pantera에 따르면 계절 효과로 인해 결과가 왜곡 될 수 있습니다. 실제로이 시리즈는 시간 추세 + 결정적 계절 + 확률 론적 근근 과정 일 수 있지만 ADF 테스트는 계절 변동을 결정 론적 경향으로의 확률 론적 복귀로 잘못 해석 할 수 있으며, 이는 근본보다 작은 근본을 의미합니다. 반면에, 지연 시간이 충분하면 ADF 테스트에서 보는 0 / 장기 주파수가 아닌 계절 주파수에서 (스퓨리어스) 단위 루트로 표시되어야합니다. 계절 패턴 계절을 포함하는 것이 좋습니다.)