R에서 증강된 dickey-fuller 테스트(예제 포함)

시계열은 추세가 없고 시간이 지남에 따라 일정한 변동을 나타내며 시간이 지남에 따라 일정한 자기상관 구조를 갖는 경우 “정상”이라고 합니다.

시계열이 고정되어 있는지 테스트하는 한 가지 방법은 다음과 같은 귀무 가설과 대립 가설을 사용하는 증강 Dickey-Fuller 테스트를 수행하는 것입니다.

H ₀ : 시계열이 고정적이지 않습니다. 즉, 구조는 시간에 따라 달라지며 시간이 지나도 변화가 일정하지 않습니다.

H _A : 시계열은 고정되어 있습니다.

검정의 p-값이 특정 유의 수준(예: α = 0.05)보다 낮으면 귀무 가설을 기각하고 시계열이 고정되어 있다는 결론을 내릴 수 있습니다.

다음 단계별 예는 주어진 시계열에 대해 R에서 증강된 Dickey-Fuller 테스트를 수행하는 방법을 보여줍니다.

예: R의 확장된 Dickey-Fuller 테스트

R에 다음과 같은 시계열 데이터가 있다고 가정합니다.

 data <- c(3, 4, 4, 5, 6, 7, 6, 6, 7, 8, 9, 12, 10)

데이터에 대해 증강된 Dickey-Fuller 테스트를 수행하기 전에 데이터를 시각화하는 빠른 플롯을 만들 수 있습니다.

 plot(data, type=' l ')

증강된 Dickey-Fuller 테스트를 수행하려면 tseries 라이브러리의 adf.test() 함수를 사용할 수 있습니다.

다음 코드는 이 함수를 사용하는 방법을 보여줍니다.

 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

결과의 가장 중요한 값을 해석하는 방법은 다음과 같습니다.

• 테스트 통계: -2.2048
• P-값: 0.4943

p-값이 0.05 이상이므로 귀무가설을 기각할 수 없습니다.

이는 시계열이 고정되어 있지 않음을 의미합니다. 즉, 구조는 시간에 따라 달라지며 시간이 지나도 변화가 일정하지 않습니다.

추가 리소스

다음 튜토리얼에서는 R에서 다른 일반적인 작업을 수행하는 방법을 설명합니다.

R에서 Mann-Kendall 추세 테스트를 수행하는 방법
R에서 시계열을 그리는 방법
데이터 추세를 줄이는 방법