Tes augmented dickey-fuller dengan python (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 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 pengujian Dickey-Fuller yang diperbesar dengan Python untuk rangkaian waktu tertentu.

Contoh: tes Dickey-Fuller yang diperbesar dengan Python

Misalkan kita memiliki data deret waktu berikut dengan Python:

 data = [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:

 import matplotlib. pyplot as plt

plt. plot (data) 

Untuk melakukan pengujian Dickey-Fuller yang diperluas, kita dapat menggunakan fungsi adfuller() dari perpustakaan statsmodels . Pertama, kita perlu menginstal statsmodels:

 pip install statsmodels

Kemudian kita dapat menggunakan kode berikut untuk melakukan tes Dickey-Fuller yang diperbesar:

 from statsmodels. tsa . stattools import adfuller

#perform augmented Dickey-Fuller test
adfuller(data)

(-0.9753836234744063,
 0.7621363564361013,
 0,
 12,
 {'1%': -4.137829282407408,
  '5%': -3.1549724074074077,
  '10%': -2.7144769444444443},
 31.2466098872313)

Berikut cara menafsirkan nilai terpenting dari hasil:

• Statistik pengujian: -0,97538
• Nilai P: 0,7621

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

Cara memplot deret waktu di Matplotlib
Cara memplot beberapa seri dari Pandas DataFrame
Cara Melakukan Tes Tren Mann-Kendall dengan Python