Augmented Dickey-Fuller test - 정상성 시계열 데이터 확인 방법

stationary 한 시계열 데이터인지 아닌지 확인하는 방법들에 대해 알아본다.

• 눈으로 보기: 직접 plotting해서 시간에 따라 변하는지 볼 것

 

 

• 간단한 평균 내보기: 대략 반으로 쪼개서 앞의 평균과 뒤의 평균이 얼마나 다른지 볼 것

• statistical test: 통계적 검정하기 --> ADF 검정

 

검정통계량이(ADF Statistics)가 Critical Value 보다 작으면 stationary 한 시계열 데이터

혹은 P-value가 설정한 신뢰수준 값 (e.g. 0.05) 보다 작은지 큰지 확인하면 된다. 작으면 stationary한 시계열 데이터!

 
아래 코드를 통한 결과를 보면 female birth데이터가 adf검정값이 critical value보다 작고 p-value가 0.05보다 작으므로 통계적으로 볼때, 정상성(stationary)을 갖는 시계열 데이터라고 판단할 수 있다.

from statsmodels.tsa.stattools import adfuller

def print_adfuller(inputSeries):
    result = adfuller(inputSeries)
    print('ADF Statistic: %f' % result[0])
    print('p-value: %f' % result[1])
    print('Critical Values:')
    for key, value in result[4].items():
        print('\t%s: %.3f' % (key, value))

print_adfuller(df_airline['q'])
print("--------")
print_adfuller(df_female['q'])
print("--------")


==========
ADF Statistic: 0.815369
p-value: 0.991880
Critical Values:
	1%: -3.482
	5%: -2.884
	10%: -2.579
--------
ADF Statistic: -4.808291
p-value: 0.000052
Critical Values:
	1%: -3.449
	5%: -2.870
	10%: -2.571
--------

 

출처

https://machinelearningmastery.com/time-series-data-stationary-python/

How to Check if Time Series Data is Stationary with Python

https://frhyme.github.io/python-lib/check_stationary-in-time-series/

time series의 stationarity를 체크해봅시다.