Tes augmented dickey-fuller di r (dengan contoh)
Suatu deret waktu dikatakan “stasioner” jika tidak mempunyai tren, menyajikan varian yang konstan dari waktu ke waktu, dan memiliki struktur autokorelasi yang konstan dari waktu ke waktu.
Salah satu cara untuk menguji apakah suatu deret waktu stasioner adalah dengan melakukan uji Dickey–Fuller yang diperbesar , yang menggunakan hipotesis nol dan hipotesis alternatif berikut:
H 0 : Deret waktu tidak stasioner. Dengan kata lain, strukturnya bergantung pada waktu dan variasinya tidak konstan terhadap waktu.
H A : Deret waktu bersifat stasioner.
Jika p-value pengujian berada di bawah tingkat signifikansi tertentu (misalnya α = 0,05), maka kita dapat menolak hipotesis nol dan menyimpulkan bahwa deret waktu tersebut stasioner.
Contoh langkah demi langkah berikut menunjukkan cara melakukan uji Dickey-Fuller yang diperbesar di R untuk rangkaian waktu tertentu.
Contoh: Tes Augmented Dickey-Fuller di R
Misalkan kita memiliki data deret waktu berikut di R:
data <- c(3, 4, 4, 5, 6, 7, 6, 6, 7, 8, 9, 12, 10)
Sebelum melakukan uji augmented Dickey-Fuller pada data, kita dapat membuat plot cepat untuk memvisualisasikan data:
plot(data, type=' l ')
Untuk melakukan pengujian Dickey-Fuller yang diperluas, kita dapat menggunakan fungsi adf.test() dari perpustakaan tseries .
Kode berikut menunjukkan cara menggunakan fungsi ini:
library (tseries) #perform augmented Dickey-Fuller test adf.test(data) Augmented Dickey-Fuller Test data:data Dickey-Fuller = -2.2048, Lag order = 2, p-value = 0.4943 alternative hypothesis: stationary
Berikut cara menafsirkan nilai terpenting dari hasil:
- Statistik pengujian: -2.2048
- Nilai P: 0,4943
Karena nilai p tidak kurang dari 0,05, kita gagal menolak hipotesis nol.
Artinya deret waktu tidak stasioner. Dengan kata lain, strukturnya bergantung pada waktu dan variasinya tidak konstan terhadap waktu.
Sumber daya tambahan
Tutorial berikut menjelaskan cara melakukan tugas umum lainnya di R:
Cara melakukan uji tren Mann-Kendall di R
Cara memplot deret waktu di R
Cara mengurangi tren data