from statsmodels.tsa.stattools import adfuller
可以看到里面的參數(shù)
x：array_like，1維，時(shí)間序列
maxlag：int型，最大延遲階數(shù)
regression：Constant and trend order to include in regression，回歸中包含的常數(shù)和趨勢階數(shù)。解釋一下：ADF檢驗(yàn)和DF檢驗(yàn)一樣可以用于三種類型的單位根檢驗(yàn)。（王燕，應(yīng)用時(shí)間序列分析，6.3.2ADF檢驗(yàn)，分了三種類型，代碼里給了四種類型）
* 'c' : constant only (default)，默認(rèn)，僅有常數(shù)均值。
* 'ct' : constant and trend，有常數(shù)均值，有趨勢。
* 'ctt' : constant, and linear and quadratic trend，有常數(shù)均值有線性和二次趨勢。
* 'nc' : no constant, no trend，無常數(shù)均值，無趨勢。
當(dāng)選擇的回歸類型不同時(shí)，檢驗(yàn)結(jié)果也會不同。我在這里深深地踩了一個(gè)坑?？梢钥匆幌聲r(shí)序圖，你的數(shù)據(jù)是否有趨勢，是否有常數(shù)均值。
autolag : {'AIC', 'BIC', 't-stat', None}，自動選擇延遲階數(shù)
* if None, then maxlag lags are used，如果選擇none，則使用最大延遲階數(shù)
* if 'AIC' (default) or 'BIC', then the number of lags is chosen
to minimize the corresponding information criterion，如果選擇AIC或者BIC，則延遲階數(shù)是根據(jù)相應(yīng)的最小信息準(zhǔn)則決定的。（BIC就是SBC準(zhǔn)則）（王燕，應(yīng)用時(shí)間序列分析，3.3.6模型優(yōu)化）
* 't-stat' based choice of maxlag. Starts with maxlag and drops a
lag until the t-statistic on the last lag length is significant
using a 5%-sized test，這個(gè)選擇要基于最大延遲maxlag，從最大延遲階數(shù)開始，每次減少一個(gè)延遲，直到某一階延遲的t統(tǒng)計(jì)量對5%來說是顯著的。（也就是說p_value值小于0.05，顯著拒絕原假設(shè)，證明無單位根，也就是說序列是平穩(wěn)的）
這是我的數(shù)據(jù)的檢測結(jié)果。
第一部分是τ（tao）統(tǒng)計(jì)量的值。
第二部分是p_value的值。
第三部分是結(jié)果使用的延遲階數(shù)。
第四部分是ADF回歸和計(jì)算臨界值所使用的觀察次數(shù)。
第五部分是臨界值。
第六部分是最大的信息準(zhǔn)則的值（如果autolag 非空），也就是AIC或者BIC的值。
當(dāng)我們看序列是否平穩(wěn)的結(jié)果時(shí)，一般首先看第二部分的p_value值。如果p_value值比0.05小，證明有單位根，也就是說序列平穩(wěn)。如果p_value比0.05大則證明非平穩(wěn)。
源碼里有一句note，如果p_value接近于0.05時(shí)，則要通過臨界值進(jìn)行判斷。也就是說如果p_value接近于0.05就要通過第一部分τ（tao）統(tǒng)計(jì)量的值和第五部分的臨界值進(jìn)行對比。τ（tao）統(tǒng)計(jì)量的值比臨界值小，就證明平穩(wěn)，反之就是非平穩(wěn)。我的檢測結(jié)果τ（tao）統(tǒng)計(jì)量的值再臨界值5%-10%之間。比5%的臨界值大。這里的1%，5%，10%對應(yīng)的是99%，95%，90%置信區(qū)間。
ADF檢驗(yàn)只適合AR(P)模型。
且對方差齊性效果好，對異方差性效果不佳。異方差可用PP檢驗(yàn)。
