【df檢驗和adf檢驗步驟】在時間序列分析中，單位根檢驗是判斷數據是否平穩的重要方法。DF（Dickey-Fuller）檢驗和ADF（Augmented Dickey-Fuller）檢驗是兩種常用的單位根檢驗方法。它們用于檢測時間序列是否存在單位根，從而判斷其是否為平穩序列。
以下是對DF檢驗與ADF檢驗的步驟進行總結，并以表格形式展示兩者的異同點。
一、DF檢驗與ADF檢驗概述
| 檢驗類型 | 全稱 | 用途 | 特點 |
| DF檢驗 | Dickey-Fuller檢驗 | 檢測時間序列是否具有單位根 | 適用于簡單的一階自回歸模型，不考慮滯后項 |
| ADF檢驗 | Augmented Dickey-Fuller檢驗 | 檢測時間序列是否具有單位根 | 在DF基礎上增加滯后項，適用于更復雜的時間序列模型 |
二、DF檢驗步驟
1. 設定原假設與備擇假設
- 原假設 $ H_0 $：序列存在單位根（非平穩）
- 備擇假設 $ H_1 $：序列不存在單位根（平穩）
2. 構建回歸模型
對于一階自回歸模型：
$$
\Delta y_t = \alpha + \beta y_{t-1} + \epsilon_t
$$
其中，$\Delta y_t = y_t - y_{t-1}$ 是差分項，$\alpha$ 為常數項，$\beta$ 為自回歸系數。
3. 估計模型并計算統計量
通過最小二乘法估計模型參數，得到 $\hat{\beta}$ 的估計值及其標準誤。
4. 計算DF統計量
$$
t = \frac{\hat{\beta}}{SE(\hat{\beta})}
$$
5. 比較臨界值
將計算出的t值與DF檢驗的臨界值進行比較，決定是否拒絕原假設。
6. 得出結論
- 若t值小于臨界值，則拒絕原假設，認為序列是平穩的。
- 若t值大于或等于臨界值，則不能拒絕原假設，認為序列是非平穩的。
三、ADF檢驗步驟
1. 設定原假設與備擇假設
- 原假設 $ H_0 $：序列存在單位根（非平穩）
- 備擇假設 $ H_1 $：序列不存在單位根（平穩）
2. 構建擴展的自回歸模型
ADF檢驗考慮了更多的滯后項，模型形式如下：
$$
\Delta y_t = \alpha + \beta y_{t-1} + \gamma_1 \Delta y_{t-1} + \gamma_2 \Delta y_{t-2} + \cdots + \gamma_p \Delta y_{t-p} + \epsilon_t
$$
其中，$ p $ 為滯后階數，由AIC或BIC準則確定。
3. 估計模型并計算統計量
使用最小二乘法估計模型參數，得到 $\hat{\beta}$ 的估計值及其標準誤。
4. 計算ADF統計量
$$
t = \frac{\hat{\beta}}{SE(\hat{\beta})}
$$
5. 比較臨界值
ADF檢驗的臨界值與DF檢驗不同，需參考ADF檢驗表。
6. 得出結論
同DF檢驗，根據t值與臨界值的關系判斷序列是否平穩。
四、DF檢驗與ADF檢驗對比表
| 項目 | DF檢驗 | ADF檢驗 |
| 模型結構 | 簡單的一階自回歸模型 | 包含多個滯后項的擴展模型 |
| 是否考慮滯后項 | 不考慮 | 考慮 |
| 適用性 | 適用于簡單的AR(1)模型 | 適用于更復雜的高階模型 |
| 臨界值 | 與DF表一致 | 與ADF表一致 |
| 計算復雜度 | 較低 | 較高 |
| 靈活性 | 較低 | 較高 |
| 檢驗結果可靠性 | 相對較低 | 更可靠 |
五、總結
DF檢驗是單位根檢驗的基礎，而ADF檢驗是其擴展版本，能夠處理更多滯后項，提高了檢驗的準確性。在實際應用中，通常推薦使用ADF檢驗，因為它能更好地適應現實中的時間序列數據結構。選擇合適的滯后階數對于提高檢驗效果至關重要，一般可通過AIC或BIC準則來確定。
