Question

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？

Answer 1

该书＆＃34;水文和环境时间序列中的非平稳性＆＃34; （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：

关于其他平稳性测试，您可以查看＆＃34; weakly.stationary（）＆＃34; 功能在＆＃34; analytics＆＃34;包裹和＆＃34; costat＆＃34;包的信息在：

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：

＆＃34;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＆＃34;

来处理

一些有趣的信息：