from statsmodels.tsa.stattools import adfuller
可以看到里面的參數(shù)
x：array_like裆赵，1維拥诡，時間序列
maxlag：int型，最大延遲階數(shù)
regression：Constant and trend order to include in regression艇潭，回歸中包含的常數(shù)和趨勢階數(shù)坑填。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)。（王燕虹蒋，應(yīng)用時間序列分析糜芳，6.3.2ADF檢驗(yàn)飒货，分了三種類型，代碼里給了四種類型）
* 'c' : constant only (default)峭竣，默認(rèn)塘辅，僅有常數(shù)均值。
* 'ct' : constant and trend皆撩，有常數(shù)均值扣墩，有趨勢。
* 'ctt' : constant, and linear and quadratic trend扛吞，有常數(shù)均值有線性和二次趨勢呻惕。
* 'nc' : no constant, no trend，無常數(shù)均值滥比，無趨勢亚脆。
當(dāng)選擇的回歸類型不同時，檢驗(yàn)結(jié)果也會不同盲泛。我在這里深深地踩了一個坑型酥。可以看一下時序圖查乒，你的數(shù)據(jù)是否有趨勢弥喉，是否有常數(shù)均值。
autolag : {'AIC', 'BIC', 't-stat', None}玛迄，自動選擇延遲階數(shù)
* if None, then maxlag lags are used由境，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蓖议，如果選擇AIC或者BIC虏杰，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）（王燕勒虾，應(yīng)用時間序列分析纺阔，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，這個選擇要基于最大延遲maxlag修然，從最大延遲階數(shù)開始笛钝，每次減少一個延遲，直到某一階延遲的t統(tǒng)計(jì)量對5%來說是顯著的愕宋。（也就是說p_value值小于0.05玻靡，顯著拒絕原假設(shè)，證明無單位根中贝，也就是說序列是平穩(wěn)的）
這是我的數(shù)據(jù)的檢測結(jié)果囤捻。
第一部分是τ（tao）統(tǒng)計(jì)量的值。
第二部分是p_value的值邻寿。
第三部分是結(jié)果使用的延遲階數(shù)蝎土。
第四部分是ADF回歸和計(jì)算臨界值所使用的觀察次數(shù)视哑。
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）誊涯，也就是AIC或者BIC的值黎炉。
當(dāng)我們看序列是否平穩(wěn)的結(jié)果時，一般首先看第二部分的p_value值醋拧。如果p_value值比0.05小慷嗜，證明有單位根，也就是說序列平穩(wěn)丹壕。如果p_value比0.05大則證明非平穩(wěn)庆械。
源碼里有一句note，如果p_value接近于0.05時菌赖，則要通過臨界值進(jìn)行判斷缭乘。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)量的值比臨界值小琉用，就證明平穩(wěn)堕绩，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%之間邑时。比5%的臨界值大奴紧。這里的1%，5%晶丘，10%對應(yīng)的是99%黍氮，95%，90%置信區(qū)間浅浮。
ADF檢驗(yàn)只適合AR(P)模型沫浆。
且對方差齊性效果好，對異方差性效果不佳滚秩。異方差可用PP檢驗(yàn)专执。
