R တွင် kpss စမ်းသပ်နည်း (ဥပမာတစ်ခုအပါအဝင်)

အချိန်စီးရီးတစ်ခုသည် ငုတ်လျှိုးသွားခြင်းရှိမရှိ ဆုံးဖြတ်ရန် KPSS စမ်းသပ်မှုကို အသုံးပြုနိုင်သည်။

ဤစမ်းသပ်မှုသည် အောက်ပါ null နှင့် အခြားအခြားသော အယူအဆကို အသုံးပြုသည် ။

• H ₀ : အချိန်စီးရီးသည် ငုတ်လျှိုးနေသောလမ်းကြောင်းတစ်ခုဖြစ်သည်။
• H _A : အချိန်စီးရီးများသည် ငုတ်လျှိုးနေသောလမ်းကြောင်း မရှိပါ ။

စမ်းသပ်မှု၏ p-တန်ဖိုး သည် အချို့သော အရေးပါမှုအဆင့်အောက်တွင် ရှိပါက (ဥပမာ α = 0.05)၊ ထို့နောက် null hypothesis ကို ငြင်းပယ်ပြီး time series သည် တည်ငြိမ်သောလမ်းကြောင်းမရှိဟု ကောက်ချက်ချပါသည်။

မဟုတ်ပါက၊ ကျွန်ုပ်တို့သည် null hypothesis ကို ငြင်းပယ်ရန် ပျက်ကွက်မည်ဖြစ်ပါသည်။

အောက်ပါဥပမာများသည် R တွင် KPSS စာမေးပွဲကို မည်သို့လုပ်ဆောင်ရမည်ကို ပြသထားသည်။

ဥပမာ 1- R တွင် KPSS စမ်းသပ်မှု (စာရေးကိရိယာဒေတာနှင့်အတူ)

ဦးစွာ၊ နှင့်အလုပ်လုပ်ရန် R တွင် ဒေတာအတုအချို့ကို ဖန်တီးကြပါစို့။

 #make this example reproducible
set. seeds (100)

#create time series data
data<-rnorm(100)

#plot time series data as line plot
plot(data, type=' l ') 

ဤအချိန်စီးရီးဒေတာအတွက် KPSS စမ်းသပ်မှုလုပ်ဆောင်ရန် tseries ပက်ကေ့ခ်ျမှ kpss.test() လုပ်ဆောင်ချက်ကို ကျွန်ုပ်တို့အသုံးပြုနိုင်သည်-

 library (tseries)

#perform KPSS test
kpss. test (data, null=" Trend ")

	KPSS Test for Trend Stationarity

data:data
KPSS Trend = 0.034563, Truncation lag parameter = 4, p-value = 0.1

Warning message:
In kpss.test(data, null = "Trend"): p-value greater than printed p-value

p-value သည် 0.1 ဖြစ်သည်။ ဤတန်ဖိုးသည် 0.05 ထက်မနည်းသောကြောင့် KPSS စမ်းသပ်မှု၏ null hypothesis ကို ငြင်းပယ်ရန် ပျက်ကွက်ပါသည်။

ဆိုလိုသည်မှာ အချိန်စီးရီးများသည် ငုတ်လျှိုးနေသောလမ်းကြောင်းတစ်ခုဟု ကျွန်ုပ်တို့ ယူဆနိုင်သည်။

မှတ်ချက် – p-value သည် အမှန်တကယ်တွင် 0.1 ထက် ကြီးနေသေးသော်လည်း kpss.test() လုပ်ဆောင်ချက်မှ အနိမ့်ဆုံးတန်ဖိုးမှာ 0.1 ဖြစ်သည်။

ဥပမာ 2- R တွင် KPSS စမ်းသပ်မှု (စက်မတင်သည့်ဒေတာဖြင့်)

ဦးစွာ၊ နှင့်အလုပ်လုပ်ရန် R တွင် ဒေတာအတုအချို့ကို ဖန်တီးကြပါစို့။

 #make this example reproducible

#create time series data
data <-c(0, 3, 4, 3, 6, 7, 5, 8, 15, 13, 19, 12, 29, 15, 45, 23, 67, 45)

#plot time series data as line plot
plot(data, type=' l ') 

တစ်ဖန်၊ ဤအချိန်စီးရီးဒေတာအတွက် KPSS စမ်းသပ်မှုလုပ်ဆောင်ရန် tseeries ပက်ကေ့ခ်ျမှ kpss.test() လုပ်ဆောင်ချက်ကို ကျွန်ုပ်တို့အသုံးပြုနိုင်သည်-

 library (tseries)

#perform KPSS test
kpss. test (data, null=" Trend ")

	KPSS Test for Trend Stationarity

data:data
KPSS Trend = 0.149, Truncation lag parameter = 2, p-value = 0.04751

p-တန်ဖိုးသည် 0.04751 ဖြစ်သည်။ ဤတန်ဖိုးသည် 0.05 ထက်နည်းသောကြောင့် KPSS စမ်းသပ်မှု၏ null hypothesis ကို ငြင်းပယ်ပါသည်။

ဆိုလိုသည်မှာ အချိန်စီးရီး သည် ငုတ်တုတ်မဟုတ်ပေ ။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် R တွင် အချိန်စီးရီးဒေတာနှင့် အလုပ်လုပ်ပုံဆိုင်ရာ နောက်ထပ်အချက်အလက်များကို ပေးဆောင်သည်-

R တွင် အချိန်စီးရီးတစ်ခုကို ဘယ်လိုဆွဲမလဲ။
R တွင် augmented Dickey-Fuller စမ်းသပ်မှုပြုလုပ်နည်း