ndiffs pmdarima (时间序列)的不同结果

Question

我在分析时间序列。它显然有一个趋势和一个季节性的组成部分。当我做adf根测试时，我得到的p值为0.98，这意味着它是非平稳的。

但是当我在pmdarima做and时，Philippe Perron和Dickey Fuller得到0，而这显然是有趋势的。KPSS返回1，这似乎更准确。当做nsdiffs时，当明显是静止时，也会发生同样的情况。

我做错什么了？为什么我会得到不同的结果？这是否意味着没有趋势？

from pmdarima.arima.utils import ndiffs

difs_adf = ndiffs(train_, test = "adf")
difs_kpss = ndiffs(train_, test = "kpss")
difs_pp = ndiffs(train_, test = "pp")
print(difs_adf , difs_kpss , difs_pp)

另一方面，什么是在统计工具中adf测试中的“回归”参数。当系列有趋势时，是否使用"ct“？常数是异方差的同义词吗？

from statsmodels.tsa.stattools import adfuller, kpss

adf = adfuller(train_, regression='ct', autolag='AIC')
print(f'ADF Statistic: {adf[0]}')
print(f'p-value: {adf[1]}')

Answer 1

不确定是否有帮助，但我发现了这个示例，其中的方法是获取这些测试的最大结果并继续进行：https://notebook.community/tgsmith61591/pyramid/examples/stock_market_example

from pmdarima.arima import ndiffs

kpss_diffs = ndiffs(y_train, alpha=0.05, test='kpss', max_d=6)
adf_diffs = ndiffs(y_train, alpha=0.05, test='adf', max_d=6)
n_diffs = max(adf_diffs, kpss_diffs)

print(f"Estimated differencing term: {n_diffs}")