企业官网建设流程全解析

别再只盯着h=1了！用Matlab的adftest做时间序列平稳性检验，这3个输出参数你得会看

时间序列分析中，平稳性检验是建模前的关键步骤。许多Matlab用户在使用adftest函数时，往往只关注返回的h值，却忽略了其他输出参数蕴含的丰富信息。这种单一维度的判断方式，可能导致对数据特性的误判，进而影响后续模型的准确性。

1. 深入理解ADF检验的核心逻辑

ADF检验（Augmented Dickey-Fuller test）作为时间序列平稳性检验的黄金标准，其原理远比表面看到的h=0/1复杂。检验的核心是通过构建特定的回归方程，判断时间序列是否存在单位根（unit root）——这是非平稳性的典型特征。

原假设与备择假设的实质：

• 原假设（H₀）：序列存在单位根（非平稳）
• 备择假设（H₁）：序列不存在单位根（平稳）

检验过程中，Matlab会计算一个特定的检验统计量（stat），并将其与不同显著性水平下的临界值（cValue）进行比较。这个比较结果直接决定了h的取值，但背后的统计意义需要更细致的解读。

2. 四维解读：adftest输出参数全解析

2.1 h值：决策的二进制信号

h是检验结果的二元判定：

h = 0 % 接受原假设（非平稳） h = 1 % 拒绝原假设（平稳）

但单纯依赖h存在明显局限：

• 无法反映检验结果的置信程度
• 对临界值附近的"模糊地带"不敏感
• 忽略不同显著性水平下的结果差异

2.2 pValue：结果的可信度度量

p值提供了拒绝原假设的概率依据：

pValue = 0.01 % 强烈拒绝原假设 pValue = 0.06 % 边缘性结果（取决于alpha取值）

p值的实战解读指南：

2.3 stat与cValue：检验统计量的直接较量

检验统计量stat与临界值cValue的关系，揭示了数据特性的深层次信息：

[h,pValue,stat,cValue] = adftest(data); disp(['统计量：',num2str(stat),' 临界值：',num2str(cValue)]);

判断规则：

• stat < cValue→ 拒绝H₀（平稳）
• stat > cValue→ 无法拒绝H₀（非平稳）

注意：cValue会随显著性水平（alpha）变化。默认alpha=0.05时，对应95%置信水平下的临界值。

3. 参数联动的实战案例分析

3.1 典型平稳序列的特征

% 生成平稳白噪声序列 rng(1); y = randn(100,1); [h,p,stat,cv] = adftest(y); disp(['h:',num2str(h),' p:',num2str(p),... ' stat:',num2str(stat),' cv:',num2str(cv)]);

输出特征：

• h = 1
• p ≈ 0.001（远小于0.05）
• stat ≈ -7.5（远小于cv ≈ -2.89）

3.2 非平稳序列的典型表现

% 生成随机游走序列 y = cumsum(randn(100,1)); [h,p,stat,cv] = adftest(y); disp(['h:',num2str(h),' p:',num2str(p),... ' stat:',num2str(stat),' cv:',num2str(cv)]);

输出特征：

• h = 0
• p ≈ 0.7（远大于0.05）
• stat ≈ 0.3（大于cv ≈ -2.89）

3.3 临界案例的精细判别

当结果处于边界时（如p≈0.04-0.06），建议：

1. 尝试不同显著性水平：

   [h1,~,~,~] = adftest(y,'alpha',0.05); [h2,~,~,~] = adftest(y,'alpha',0.01);

2. 结合序列图和其他检验方法（如KPSS检验）
3. 考虑差分后的序列表现

4. 高级应用技巧与常见陷阱

4.1 参数优化策略

滞后阶数选择：

% 自动选择最优滞后阶数 [h,p,stat,cv] = adftest(y,'lags',0:10,'test','t1');

检验类型指定：

% 包含趋势项的检验 [h,p,stat,cv] = adftest(y,'model','ts');

4.2 典型误判场景

伪平稳判断：

• 当序列存在结构性突变时
• 季节性强烈的序列在非适当模型下
• 接近单位根的近非平稳过程

解决方案对比表：

4.3 结果报告的规范表达

专业报告中应包含：

1. 检验类型（含滞后阶数选择方法）
2. 所有输出参数值
3. 使用的显著性水平
4. 最终结论及限制说明

示例报告段落： "采用ADF检验（包含常数项，滞后阶数通过AIC准则自动选择，最大滞后=10）对序列X进行平稳性检验。在α=0.05显著性水平下，得到h=1（p=0.003，stat=-4.21，cValue=-2.89），可拒绝原假设，判定序列平稳。需注意，该结论基于线性假设，未考虑可能的非线性特征。"

5. 与其他检验方法的协同应用

在实际分析中，建议组合使用多种检验方法：

检验方法对比矩阵：

组合检验策略：

1. 先进行ADF检验获取基准结论
2. 用KPSS检验验证结果一致性
3. 当出现矛盾时，进行PP检验
4. 对边界案例使用ERS检验

% 组合检验示例 [h_adf,p_adf] = adftest(y); [h_kpss,~] = kpsstest(y); if h_adf~=1 && h_kpss==1 [h_pp,p_pp] = pptest(y); end