我需要检查长度为7320的时间序列的二阶平稳性(我有1800个这样的时间序列)。这些时间序列是在山上1800个站点记录的位移。
我尝试在R:stationarity()
中使用Priestley-Subba Rao。对于1800年的一次系列,我得到了这些值:
p-value for T : 2.109424e-15
p-value for I+R : 9.447661e-06
p-value for T+I+R : 1.4099e-10
你能告诉我如何解释它。我所知道的是,如果T的p值为0,则拒绝时间序列静止的零假设。此外,对于1800年的第二次系列,我得到了这些值;
p-value for T : 0
p-value for I+R : 1.458063e-09
p-value for T+I+R : 0
你能告诉我如何区分这两者。两个时间序列都来自同一数据集。此外,有可能一个时间序列是静止的而另一个不是,因为它们来自同一地点并且在同一时间记录。
我还在R:hwtos2()
函数中尝试了小波频谱测试。但是这个函数需要时间序列长度为2的幂。对于不限制时间序列长度的平稳性,还有其他更好的测试吗?
答案 0 :(得分:0)
该书"水文和环境时间序列中的非平稳性" (施普林格编辑),在pag。 119,为在Priestley-Subba Rao测试中解释那些p值提供了一个很好的解释。
一般情况下,您也可以查看:
https://www.stat.tamu.edu/~suhasini/test_papers/priestley_subbarao70.pdf
关于其他平稳性测试,您可以查看" weakly.stationary()" 功能在" analytics"包裹和" costat"包的信息在:
https://www.jstatsoft.org/article/view/v055i01
其中有建议处理非二元长度(即2 ^ J 对于某些自然数J)时间序列。在pag。 5:
"应该明确的是,这不是小波本身的限制,而是用于计算预期量的计算上有效的算法。其他长度的数据集可以通过零填充或截断"
来处理一些有趣的信息: