时间序列平稳性检验

Question

我需要检查长度为 7320 的时间序列的二阶平稳性（我有 1800 个这样的时间序列）。 这些时间序列是在山上 1800 个地点记录的位移。 我尝试在 R 中使用 Priestley-Subba Rao ： stationarity() 。 对于 1800 年中的 1 个时间序列，我得到了这些值：

p-value for T : 2.109424e-15 
p-value for I+R : 9.447661e-06 
p-value for T+I+R : 1.4099e-10 

你能告诉我如何解释它吗？ 我所知道的是，如果 T 的 p 值为 0，则拒绝时间序列平稳的原假设。 另外，对于 1800 年中的第二个时间序列，我得到了这些值；

p-value for T : 0 
p-value for I+R : 1.458063e-09 
p-value for T+I+R : 0

你能告诉我如何区分这两者吗？ 两个时间序列都来自同一数据集。 此外，考虑到它们来自同一地点并在完全相同的时间记录，一个时间序列是否可能是静止的，而另一个不是。

我还尝试了 R 中的小波谱测试： hwtos2()函数。 但是这个函数采用的时间序列长度是 2 的幂。有没有其他更好的测试来查看不受时间序列长度限制的平稳性？

Answer 1

“水文和环境时间序列中的非平稳性”一书（Springer Ed.），第 1 页。 119，为在 Priestley-Subba Rao 检验中解释这些 p 值提供了很好的解释。

一般来说，你也可以看看：

https://www.stat.tamu.edu/~suhasini/test_papers/priestley_subbarao70.pdf

关于其他平稳性测试，您可以查看“analytics”包中的“weakly.stationary()”函数和“costat”包，其信息位于：

https://www.jstatsoft.org/article/view/v055i01

哪里有处理非二元长度（即某些自然数 J 为 2^J）时间序列的建议。 在页。 5：

“应该明确的是，这不是小波本身的限制，而是用于计算预期数量的计算效率高的算法的限制。其他长度的数据集可以通过零填充或截断来处理”

一些有趣的信息：

https://arxiv.org/pdf/1603.06415.pdf