如下所示：

from statsmodels.tsa.stattools import adfuller

print(adfuller(data))

(-8.14089819118415, 1.028868757881713e-12, 8, 442, {'1%': -3.445231637930579, '5%': -2.8681012763264233, '10%': -2.5702649212751583}, -797.2906467666614)

第一個(gè)是adt檢驗(yàn)的結(jié)果，簡(jiǎn)稱(chēng)為T(mén)值，表示t統(tǒng)計(jì)量。

第二個(gè)簡(jiǎn)稱(chēng)為p值，表示t統(tǒng)計(jì)量對(duì)應(yīng)的概率值。

第三個(gè)表示延遲。

第四個(gè)表示測(cè)試的次數(shù)。

第五個(gè)是配合第一個(gè)一起看的，是在99%，95%，90%置信區(qū)間下的臨界的ADF檢驗(yàn)的值。

第一點(diǎn)，1%、%5、%10不同程度拒絕原假設(shè)的統(tǒng)計(jì)值和ADF Test result的比較，ADF Test result同時(shí)小于1%、5%、10%即說(shuō)明非常好地拒絕該假設(shè)。本數(shù)據(jù)中，adf結(jié)果為-8， 小于三個(gè)level的統(tǒng)計(jì)值

第二點(diǎn)，p值要求小于給定的顯著水平，p值要小于0.05，等于0是最好的。本數(shù)據(jù)中，P-value 為 1e-15,接近0.

ADF檢驗(yàn)的原假設(shè)是存在單位根，只要這個(gè)統(tǒng)計(jì)值是小于1%水平下的數(shù)字就可以極顯著的拒絕原假設(shè)，認(rèn)為數(shù)據(jù)平穩(wěn)。注意，ADF值一般是負(fù)的，也有正的，但是它只有小于1%水平下的才能認(rèn)為是及其顯著的拒絕原假設(shè)。

對(duì)于A(yíng)DF結(jié)果在1% 以上 5%以下的結(jié)果，也不能說(shuō)不平穩(wěn)，關(guān)鍵看檢驗(yàn)要求是什么樣子的。

補(bǔ)充知識(shí)：python 編寫(xiě)ADF 檢驗(yàn) ，代碼結(jié)果參數(shù)所表示的含義

我就廢話(huà)不多說(shuō)了，大家還是直接看代碼吧！

from statsmodels.tsa.stattools import adfuller

import numpy as np
import pandas as pd

adf_seq = np.array([1,2,3,4,5,7,5,1,54,3,6,87,45,14,24])

dftest = adfuller(adf_seq,autolag='AIC')

dfoutput = pd.Series(dftest[0:4],index=['Test Statistic','p-value','#Lags Used','Number of Observations Used'])

# 第一種顯示方式

for key,value in dftest[4].items():

　　dfoutput['Critical Value (%s)' % key] = value

　　print(dfoutput)

# 第二種顯示方式

print(dftest)

（1）第一種顯示方式如圖所示：

具體的參數(shù)含義如下所示：

Test Statistic : T值，表示T統(tǒng)計(jì)量

p-value： p值，表示T統(tǒng)計(jì)量對(duì)應(yīng)的概率值

Lags Used：表示延遲

Number of Observations Used: 表示測(cè)試的次數(shù)

Critical Value 1% : 表示t值下小于 - 4.938690 ， 則原假設(shè)發(fā)生的概率小于1%， 其它的數(shù)值以此類(lèi)推。

其中t值和p值是最重要的，其實(shí)這兩個(gè)值是等效的，既可以看t值也可以看p值。

p值越小越好，要求小于給定的顯著水平，p值小于0.05，等于0最好。

t值，ADF值要小于t值，1%， 5%， 10% 的三個(gè)level，都是一個(gè)臨界值，如果小于這個(gè)臨界值，說(shuō)明拒絕原假設(shè)。

其中，1% ： 嚴(yán)格拒絕原假設(shè)； 5%： 拒絕原假設(shè)； 10% 以此類(lèi)推，程度越來(lái)越低。如果，ADF小于1% level， 說(shuō)明嚴(yán)格拒絕原假設(shè)。

（2）第二種表示方式，如下圖所示：

第一個(gè)值（0.0）： 表示Test Statistic ， 即T值，表示T統(tǒng)計(jì)量

第二個(gè)值（0.958532086060056）：p-value，即p值，表示T統(tǒng)計(jì)量對(duì)應(yīng)的概率值

第三個(gè)值（7）：Lags Used，即表示延遲

第四個(gè)值（7）：Number of Observations Used，即表示測(cè)試的次數(shù)

大括號(hào)中的值，分別表示1%， 5%， 10% 的三個(gè)level

查閱了資料，簡(jiǎn)單的做的總結(jié)經(jīng)驗(yàn)。

以上這篇Python ADF 單位根檢驗(yàn) 如何查看結(jié)果的實(shí)現(xiàn)就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。