时间序列平稳性检验.docxVIP

时间序列平稳性检验

一、引言

时间序列是按照时间先后顺序采集、反映事物动态演化特征的观测数据，大到宏观经济运行中的产出、物价、就业指标，小到工业设备传感器传回的振动、温度数据，乃至日常生活中的气温变化、交通流量、零售客流等，都属于典型的时间序列范畴。时间序列分析的核心目标，是从看似杂乱的动态观测中挖掘变量随时间演化的稳定规律，进而实现趋势预测、因果识别、决策优化等应用目标。在时间序列方法半个多世纪的发展历程中，平稳性始终是绝大多数经典分析方法的核心隐含前提，从最早的自回归移动平均模型，到广泛用于多变量分析的向量自回归模型，再到经典线性回归框架下的统计推断规则，其有效性都建立在序列平稳的基础之上。早在时间序列分析方法发展初期，学者就发现如果对不存在真实关联的非平稳序列直接做线性回归，会得到统计上高度显著但毫无实际解释力的伪回归结果，这一发现直接将平稳性前提从隐含假设推到了时间序列分析的核心前置环节（格兰杰、纽博尔德，1974）。

近年来随着数据采集技术的普及，时间序列分析方法的应用场景已经从传统的经济学、金融学领域，拓展到环境科学、交通工程、公共卫生、工业运维等多个交叉领域，但不少应用研究者对平稳性这一核心前提的认知存在偏差，要么跳过检验直接建模，要么机械套用检验流程而不理解其内在逻辑，导致研究结论的可靠性、可复制性受到影响。事实上，平稳性检验从来不是建模流程中可有可无的形式化环节，