平稳的序列 直观感受如下：
但还有一种情况：数据量也大，但是结论依旧比较离谱，比如我统计考研人数：
- 第一年上去一拨人，另一波人二战
- 第二年，参加考试的二战的同学凭实力挤下去应届的，但仍有人三战；也有一部分应届生考上了，但另一部分二战
- 第三年…三战的挤下去二战的，二战的挤下去一战的…同样，一战变为二战，二战变为三战，三战变为四战…
所以当我要统计考研人数的时候，其实统计的就是：一战的 + （二战剩下的+三战剩下的+…+N战剩下的），时间维度越长，这个 N战剩下的就对结果影响越大。
其中当我要预测考研人数的时候： 二战剩下的+三战剩下的+.....+N战剩下的 = 之前剩下的这个 之前剩下的就称为 单位根，带着单位根预测有没有问题？没有问题！但是不够准！
单位根检验 / 平稳性检验：就是用来判断是否数据中是否存在”之前剩下的”这一部分，如果能剔除出去，问题就变得简单了，准确性也会更高。单位根检验分很多，更多请参考其他更理论的内容哈
一般常用的就是ADF单位根检验
- H0：不平稳，存在单位根
- H1：平稳，不存在单位根
示例代码：
from statsmodels.tsa.stattools import adfuller
import numpy as np
if __name__ == '__main__':
array = np.random.standard_normal(size=100)
adf_result = adfuller(array)
adf_value = adf_result[0]
print("adf值：", adf_value)
p_value = adf_result[1]
print("p：", p_value)
t_value = adf_result[4]
print("临界值：", t_value)
得到结果：
adf值： -4.918907632344451
p： 3.203639985122076e-05
临界值： {'1%': -3.506944401824286, '5%': -2.894989819214876, '10%': -2.584614550619835}
如果要证明数据平稳，需要：
Original: https://blog.csdn.net/weixin_35757704/article/details/121769993
Author: 呆萌的代Ma
Title: python ADF单位根检验，序列平稳性检验
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/601394/
转载文章受原作者版权保护。转载请注明原作者出处！