单位根经验，平稳不平稳看什么值

单位根检验（Unit Root Test）是用来判断一个时间序列是否具有单位根，即序列是否是非平稳的。如果时间序列具有单位根，则序列是具有随机游走特性的非平稳序列；如果没有单位根，则序列可能被认为是平稳的。

进行单位根检验时，常用的统计量包括：

1. ADF（Augmented Dickey-Fuller）统计量：ADF是Dickey-Fuller检验的一种变体，允许包含确定性趋势或季节性组件。ADF检验的零假设是序列具有单位根，备择假设是序列是平稳的。

2. PP（Phillips-Perron）统计量：PP检验是对ADF检验的一种改进，它对异方差性和序列相关性更加稳健。

3. KPSS（Kwiatkowski-Phillips-Schmidt-Shin）统计量：与ADF检验相反，KPSS检验的零假设是序列是平稳的，备择假设是序列具有单位根。

在R语言中，可以使用以下命令进行单位根检验：

• ADF检验：ur.df()函数。
• PP检验：pp.test()函数。
• KPSS检验：kpss.test()函数。

检验结果中的关键值包括：

• Test Statistic（检验统计量）：这是基于时间序列数据计算出的统计量，用于判断序列是否平稳。
• p-value（p值）：如果p值小于显著性水平（比如0.05），则拒绝零假设，认为序列是非平稳的（ADF和PP检验）或具有单位根（KPSS检验）。

例如，使用ADF检验的R代码如下：

# 假设ts_data是你想要检验的时间序列数据
library(urca)
adf_test <- ur.df(ts_data, type = "none", lags = "long")
summary(adf_test)

在这个例子中，type = "none"表示不包括常数项和趋势项，lags = "long"表示尽可能地选择滞后项以最大化ADF检验的功效。

KPSS检验的R代码如下：

library(tseries)
kpss_test <- kpss.test(ts_data)
print(kpss_test)

根据检验的p值，如果小于显著性水平（如0.05），则有足够证据认为序列是非平稳的（对于ADF和PP检验），或者有单位根（对于KPSS检验）。如果p值较大，不能拒绝零假设，也就是认为序列是平稳的。然而，这种结论需要结合实际经济理论、序列的可视化分析以及其他统计检验综合考虑。