ADF-Test(Augmented Dickey-Fuller-Test)

• 시계열 데이터가 정상성을 가지는지를 판단할 때 사용하며 회귀 분석 결과로 나온 계수를 검정 통계량으로 사용한다.

• ADF-Test를 통해 시계열 데이터가 정상성을 가지는지 검정하고 정상성을 가지지 않으면 차분을 통해 평균을 일정하게 만들어 줘야 한다.

• 여기서 차분은 비정상 시계열을 평균이 일정한 정상 시계열로 바꾸는 기법이다.

  • 귀무 가설 : 시계열 자료가 정상 시계열이 아니다.
  • 대립 가설 : 시계열 자료가 정상성을 만족한다.

# pmdarima 패키지의 ADFTest 클래스 임포트
from pmdarima.arima import ADFTest


# ADF-Test 시행

# Type1
p_val, should_diff = ADFTest().should_diff(time_series_data)
print('p_val : %f , should_diff : %s' %(p_val, should_diff))
# >> p_val : 0.022488 , should_diff : False

# Type2
p_val, should_diff = ADFTest().should_diff(time_series_data)
print('p_val : %f , should_diff : %s' %(p_val, should_diff))
# >> p_val : 0.093614 , should_diff : True

• 여기서 should_diff는 차분이 필요한지를 의미한다.
• p_value의 값이 기준점인 0.05보다 낮으면 대립가설이 채택되고 0.05보다 높으면 귀무가설이 채택된다.
• Type2에서는 p-value는 기준점인 0.05보다 높으므로 정상 시계열이 아니며 차분이 필요함을 알 수 있다.