检验时间序列的平稳性答案

【问题标题】：Test for Stationarity in time series检验时间序列的平稳性
【发布时间】：2018-07-07 18:41:27
【问题描述】：

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 个地点记录的位移。我尝试在 R 中使用 Priestley-Subba Rao：stationarity()。对于 1800 个时间序列中的 1 个，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

请告诉我如何解释它。我所知道的是，如果 T 的 p 值为 0，则拒绝时间序列静止的原假设。此外，对于 1800 年的第二个时间序列，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吗？两个时间序列都来自同一个数据集。此外，考虑到它们来自同一地点并在完全相同的时间记录，是否有可能一个时间序列是静止的而另一个不是。

我还尝试了 R:hwtos2() 函数中的小波谱测试。但是这个函数需要的时间序列长度是 2 的幂。有没有其他更好的测试来观察不受时间序列长度限制的平稳性？

【问题讨论】：

如果您的问题与您用于生成结果的代码是否包含问题有关，请编辑并提供minimal reproducible example。否则，要询问对结果的解释，最好在Cross Validated 上询问。

【解决方案1】：

《水文和环境时间序列中的非平稳性》（Springer 版）一书，第 1 页。 119，为解释 Priestley-Subba Rao 检验中的这些 p 值提供了很好的解释。

一般来说，你也可以看看：

关于其他平稳性测试，你可以看看“weakly.stationary()” “分析”包中的函数和“costat”包中的函数，其信息位于：

建议处理非二元长度（即 2^J 对于一些自然数 J) 时间序列。在页。 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效率高的算法的限制。其他长度的数据集可以通过补零或截断来处理"

一些有趣的信息在：

【讨论】：