Question

constant_all = [38.315546998853549，40.187217618535399，43.71380567455396，45.450748920811293，50.112269986599735，59.275158665010736，65.979556682432815，106.81142772445702，122.61124737594076，160.38976378829483，109.69662873794118，86.785774468513864，73.201627114685436，62.980558157294979，60.149903740134562，54.010569668890867，54.657627915195405，57.065262050299623，59.576109894133168，61.568376379726971，64.51074294474725]

我得到了如上所列的列表。然后我使用cadf = ts.adfuller(constant_all)运行adfuller测试，然后我想通过cadf[0]访问p值。

然而，我总是零。我做错了什么？

Answer 1

根据the documentation，cadf[0]是测试统计信息，而cadf[1]是 p - 值，在您的情况下，约为0.959。

为了便于参考，我们还要添加高和低 p - 值示例：

import statsmodels.tsa.stattools as ts
import numpy as np

# Generate random residuals
np.random.seed(0)
errors = np.random.normal(0, 1, 1000)

# Create AR(1) samples for models with and without unit roots
x_unit_root = [0]
x_no_unit_root = [0]
for i in range(len(errors)):
    x_unit_root.append(x_unit_root[-1] + errors[i])
    x_no_unit_root.append(0.9*x_no_unit_root[-1] + errors[i])

# Calculate Augmented Dickey--Fuller p-values
ts.adfuller(x_unit_root)[1], ts.adfuller(x_no_unit_root)[1]
# (0.89251931327396528, 3.8562004970538103e-06)

为什么我总是因为adfuller测试而得零？

1 个答案: