時間序列平穩性檢驗

Question

我需要檢查長度為 7320 的時間序列的二階平穩性（我有 1800 個這樣的時間序列）。 這些時間序列是在山上 1800 個地點記錄的位移。 我嘗試在 R 中使用 Priestley-Subba Rao ： stationarity() 。 對於 1800 年中的 1 個時間序列，我得到了這些值：

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

你能告訴我如何解釋它嗎？ 我所知道的是，如果 T 的 p 值為 0，則拒絕時間序列平穩的原假設。 另外，對於 1800 年中的第二個時間序列，我得到了這些值；

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

你能告訴我如何區分這兩者嗎？ 兩個時間序列都來自同一數據集。 此外，考慮到它們來自同一地點並在完全相同的時間記錄，一個時間序列是否可能是靜止的，而另一個不是。

我還嘗試了 R 中的小波譜測試： hwtos2()函數。 但是這個函數采用的時間序列長度是 2 的冪。有沒有其他更好的測試來查看不受時間序列長度限制的平穩性？

Answer 1

“水文和環境時間序列中的非平穩性”一書（Springer Ed.），第 1 頁。 119，為在 Priestley-Subba Rao 檢驗中解釋這些 p 值提供了很好的解釋。

一般來說，你也可以看看：

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

關於其他平穩性測試，您可以查看“analytics”包中的“weakly.stationary()”函數和“costat”包，其信息位於：

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

哪里有處理非二元長度（即某些自然數 J 為 2^J）時間序列的建議。 在頁。 5：

“應該明確的是，這不是小波本身的限制，而是用於計算預期數量的計算效率高的算法的限制。其他長度的數據集可以通過零填充或截斷來處理”

一些有趣的信息：

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