{"id":1760,"date":"2023-07-25T02:36:28","date_gmt":"2023-07-25T02:36:28","guid":{"rendered":"https:\/\/statorials.org\/nl\/dickey-volledigere-testpython\/"},"modified":"2023-07-25T02:36:28","modified_gmt":"2023-07-25T02:36:28","slug":"dickey-volledigere-testpython","status":"publish","type":"post","link":"https:\/\/statorials.org\/nl\/dickey-volledigere-testpython\/","title":{"rendered":"Augmented dickey-fuller-test in python (met voorbeeld)"},"content":{"rendered":"

<\/p>\n

\n

Van een tijdreeks wordt gezegd dat deze \u2018stationair\u2019 is als deze geen trend vertoont, een constante variantie in de tijd vertoont en een constante autocorrelatiestructuur in de loop van de tijd heeft.<\/span><\/p>\n

Een manier om te testen of een tijdreeks stationair is, is door een augmented Dickey-Fuller-test<\/strong> uit te voeren, waarbij de volgende nul- en alternatieve hypothesen worden gebruikt:<\/span><\/p>\n

H 0<\/sub> :<\/strong> De tijdreeks is niet-stationair. Met andere woorden, de structuur ervan is afhankelijk van de tijd en de variatie ervan is niet constant in de tijd.<\/span><\/p>\n

H A<\/sub> :<\/strong> De tijdreeks is stationair.<\/span><\/p>\n

Als de p-waarde<\/a> van de test onder een bepaald significantieniveau ligt (bijvoorbeeld \u03b1 = 0,05), kunnen we de nulhypothese verwerpen en concluderen dat de tijdreeks stationair is.<\/span><\/p>\n

Het volgende stapsgewijze voorbeeld laat zien hoe u een uitgebreide Dickey-Fuller-test in Python kunt uitvoeren voor een bepaalde tijdreeks.<\/span><\/p>\n

Voorbeeld: uitgebreide Dickey-Fuller-test in Python<\/strong><\/span><\/h3>\n

Stel dat we de volgende tijdreeksgegevens in Python hebben:<\/span><\/p>\n

 data = [3, 4, 4, 5, 6, 7, 6, 6, 7, 8, 9, 12, 10]<\/strong><\/pre>\n
 Voordat we een uitgebreide Dickey-Fuller-test op de gegevens uitvoeren, kunnen we een snelle plot maken om de gegevens te visualiseren:<\/span> <\/p>\n
 import<\/span> matplotlib. pyplot<\/span> as<\/span> plt\n\nplt. plot<\/span> (data)<\/strong> <\/pre>\n
\"\"<\/p>\n
 pip install statsmodels\n<\/strong><\/pre>\n
 Vervolgens kunnen we de volgende code gebruiken om de augmented Dickey-Fuller-test uit te voeren:<\/span><\/p>\n
 from<\/span> statsmodels. tsa<\/span> . stattools<\/span> import<\/span> adfuller\n\n#perform augmented Dickey-Fuller test<\/span>\nadfuller(data)\n\n(-0.9753836234744063,\n 0.7621363564361013,\n 0,\n 12,\n {'1%': -4.137829282407408,\n  '5%': -3.1549724074074077,\n  '10%': -2.7144769444444443},\n 31.2466098872313)\n<\/strong><\/pre>\n
 Zo interpreteert u de belangrijkste waarden van het resultaat:<\/span><\/p>\n
 Om een uitgebreide Dickey-Fuller-test uit te voeren, kunnen we de functie adfuller()<\/a> uit de statsmodels-<\/strong> bibliotheek gebruiken. Eerst moeten we statsmodels installeren:<\/span><\/p>\n