用r自帶的google股價變化資料goog為例(可以通過匯入fpp2包之後直接使用goog這個陣列變數)。
r**為
library(urca)
summary(ur.kpss(goog)
)
（1）比較顯然地，檢驗的結果是用 value of test-statistic:10.7223，來和下面最下面的4個顯著性水平（significance level，10pct表示10%,5pct表示5%）和對應的臨界值（critical values）來比較。
（2）kpss原假設h0是——序列是平穩的，kpss檢驗是單邊檢驗。
假設檢驗的顯著性水平的含義是
p(拒絕h0 | h0為真)=α
而拒絕h0是指發生 value of test-statistic>critical value【這個地方是我猜的或者推斷的】。顯著性水平的含義亦即
p( value of test-statistic> critical value | h0為真)=critical value for a sigificance level我們都知道，差分是把非平穩序列轉化為平穩序列的一種方法。對goog資料做一階差分操作，重新進行檢驗，
summary(ur.kpss(
diff
(goog)
))
如果 value of test-statistic落在不同的臨界點之間，可以根據假設檢驗的原理來得出結論。其他的檢驗方法一般都用5%的臨界點作為判斷標準。
輸出中的 test is of type:mu with 7 lags的計算方法可能是trunc(3·sqrt(n)/13)，其中n是陣列或者時間序列的長度，本例中length(goog)=1000。所以trunc(3·sqrt(1000)/13)=7。
一本教材中平穩性檢驗的一小節
關於kpss的乙個資料
關於kpss中lags計算方法的乙個資料
時間序列平穩性的統計檢驗
在實際應用過程中，通常需要對時間序列進行平穩性判斷，觀察乙個序列是否存在某種趨勢，以及各時間間隔內折線是否存在 明顯的差異。下面介紹一下常用的幾種檢驗方法。1 繪製時間序列散點圖。該方法只能直觀 粗略的看序列是否存在明顯的趨勢。2 daniel檢驗法。主要用於觀察序列是否存在著趨勢，不檢測自相關。該...
理解 時間序列的平穩性
為什麼要平穩？原因一 時間序列資料的資料結構與傳統的統計資料結構不同。最大的區別在於，傳統隨機變數可以得到多個觀測值 比如骰子點數，可以反覆擲得到多個觀測值，忽略時間的差異 而時間序列資料中，每個隨機變數只有乙個觀測值 比如設 價為研究的隨機變數，每天只有乙個 價，不同日子的 服從的分布不同，即考慮...
時間序列學習筆記（2）平穩性
平穩性檢驗 非平穩序列確定性分析 加權平滑法 指數平滑法 純隨機檢驗 幾個定義點 確定趨勢or隨機趨勢，這裡隨機趨勢是很不好把把握的，認為不是隨機散亂的，便認為存在一種趨勢，而確定趨勢是可以找尋具體函式的。趨勢，迴圈，在一段時間內有規律的運動，像我們理解中的一年四季 隨機因素 除趨勢和季節因素 引起...