【df检验和adf检验步骤】在时间序列分析中，判断数据是否具有平稳性是一个关键步骤。DF检验（Dickey-Fuller Test）和ADF检验（Augmented Dickey-Fuller Test）是常用的单位根检验方法，用于判断时间序列是否为平稳序列。以下是对这两种检验方法的总结与对比。
一、DF检验与ADF检验概述
| 检验名称 | 全称 | 用途 | 是否考虑滞后项 | 是否适用于非线性趋势 |
| DF检验 | Dickey-Fuller Test | 判断时间序列是否具有单位根 | 不考虑 | 不适用 |
| ADF检验 | Augmented Dickey-Fuller Test | 改进版的DF检验，更适用于复杂序列 | 考虑 | 适用 |
二、DF检验步骤
1. 设定原假设与备择假设
- 原假设 $ H_0 $：序列存在单位根（非平稳）
- 备择假设 $ H_1 $：序列不存在单位根（平稳）
2. 构建回归模型
对于简单的一阶自回归模型：
$$
\Delta y_t = \alpha + \beta y_{t-1} + \varepsilon_t
$$
其中，$ \Delta y_t = y_t - y_{t-1} $
3. 进行回归分析
估计上述模型中的参数 $ \beta $，并计算其 t 统计量。
4. 比较统计量与临界值
根据显著性水平（如 5% 或 1%），查找 DF 检验的临界值。若 t 统计量小于临界值，则拒绝原假设，认为序列平稳。
5. 得出结论
若拒绝原假设，则说明序列是平稳的；否则，是非平稳的。
三、ADF检验步骤
1. 设定原假设与备择假设
- 原假设 $ H_0 $：序列存在单位根（非平稳）
- 备择假设 $ H_1 $：序列不存在单位根（平稳）
2. 构建扩展的回归模型
ADF 检验引入了滞后项以处理可能的高阶自相关问题：
$$
\Delta y_t = \alpha + \beta y_{t-1} + \gamma_1 \Delta y_{t-1} + \gamma_2 \Delta y_{t-2} + \dots + \gamma_p \Delta y_{t-p} + \varepsilon_t
$$
3. 选择滞后阶数
可通过 AIC、BIC 等准则确定最优滞后阶数 $ p $。
4. 进行回归分析
估计模型参数，尤其是对 $ \beta $ 的估计。
5. 计算 t 统计量并比较临界值
计算 $ \beta $ 的 t 统计量，并与 ADF 临界值比较。
6. 得出结论
若 t 统计量小于临界值，拒绝原假设，认为序列是平稳的。
四、DF与ADF的区别总结
| 特征 | DF检验 | ADF检验 |
| 是否考虑滞后项 | 否 | 是 |
| 是否能处理高阶自相关 | 否 | 是 |
| 适用范围 | 简单的 AR(1) 序列 | 更复杂的序列（含多个滞后项） |
| 临界值 | 固定 | 随滞后阶数变化 |
| 灵活性 | 较低 | 较高 |
五、注意事项
- 在实际操作中，建议先进行 DF 检验，若结果不显著，再使用 ADF 检验。
- 选择合适的滞后阶数对 ADF 检验结果影响较大，需谨慎处理。
- 若序列包含趋势成分，可考虑加入常数项或趋势项到模型中。
六、结语
DF 和 ADF 检验是时间序列分析中判断平稳性的常用工具。虽然 DF 检验较为简单，但 ADF 检验在处理复杂序列时更为稳健。掌握这两种检验的步骤与区别，有助于更好地进行后续建模与预测工作。
