eviews时间序列平稳性检验ADF如何判断?如图

p值为00229<005，说明在5%下显著，即拒绝原假设，是平稳的。

从上往下 分为2个部分 最上面的部分是ADF检验的结论部分，看的时候看prob这列的值，这个越小就表明越不可能存在单位根，小的标准就看你选择置信水平，比如你选择5%，那么小于5%就得到不存在单位更的结论。关键在于你对置信水平的选择。通常有10%，5%，1%几种。

软件信息

EViews是专门为大型机构开发的、用以处理时间序列数据的时间序列软件包的新版本。EViews的前身是1981年第1版的Micro TSP。虽然EViews是经济学家开发的，而且主要用于经济学领域，但是从软件包的设计来看，EViews的运用领域并不局限于处理经济时间序列。即使是跨部门的大型项目，也可以采用Eviews进行处理。

EViews处理的基本数据对象是时间序列，每个序列有一个名称，只要提及序列的名称就可以对序列中所有的观察值进行 *** 作，EViews允许用户以简便的可视化的方式从键盘或磁盘文件中输入数据，根据已有的序列生成新的序列，在屏幕上显示序列或打印机上打印输出序列，对序列之间存在的关系进行统计分析。

EViews具有 *** 作简便且可视化的 *** 作风格，体现在从键盘或从键盘输入数据序列、依据已有序列生成新序列、显示和打印序列以及对序列之间存在的关系进行统计分析等方面。

从此，我的世界没有了往昔的喧嚣，你的离去无疑就是一记重创和打击，常常独处时光的一角，数着云烟的过往，看花开花谢一年又一季，企盼着你的归期。就这样漫步红尘，随日出而行，伴星月而栖，冷凄的日子，回忆成了生命的主题，想起曾经的温馨，曾经的笑语，曾经的美丽。想念的日子，落寞的心空一次次被孤独侵袭，无法排解的疼痛，撕扯着失去灵魂的躯体，挣扎中只有那一声无力的叹息!

楼主提取趋势的原因是想让趋势序列平稳化吧？你说要提取时间序列的周期，那就说明去趋势序列还含有周期变动，这样的话它肯定就不是白噪声序列了。如果这样，则首先要对提取趋势后的序列做单位根检验，检验提取趋势后的序列是否平稳。单位根检验的步骤为（eviews）：打开序列，点击view，unit root test ，使用默认选项即可，看输出的P-value，H0为：序列有单位根（不平稳），H1为：没有单位根（平稳）。根据P值做出判断。若去趋势序列平稳了，那就可以对平稳序列建模了，例如ARMA模型，存在周期的话也可以用周期函数拟合，或者使用季节差分的ARMA模型。当这些都完成后，再应该对残差序列做白噪声检验，通过白噪声检验就说明建模完成。白噪声检验的步骤为：打开resid序列，view，correlogram，差分阶数选择level，确定，看q统计量的伴随p值是不是很大就行了。

如何用eviews分析时间序列，解答如下
<li>创建workfile：点击file/new/workfile，输入起止日期
<li>步骤阅读2建立object输入数据：点击object/new
object，定义数据文件名ex4_2并输入数据。将workfile保存：点击file/save，而store只存储对象object。
<li>步骤阅读3画时序数据图：点击workfile中的view/line
graph。
<li>步骤阅读4用单位根法检验平稳性：点击view/unit
root
test，比较adf值。
<li>步骤阅读5结果分析：由图知：adf_t=00722>-34946，则x序列非平稳。
<li>步骤阅读6模型识别：点击view/correlogram画自相关系数（ac）和偏自相
<li>关系数（pac）图。
<li>则当k>2时，则，即呈现2步截尾现象，而
<li>序列被负指数函数控制收敛于零，呈拖尾现象，故可初步判定序
<li>列y适合ar(2)模型。
<li>小刚seo为你解答

数据的录入与保存：
创建Workfile：点击File/New/Workfile，输入起止日期。
建立object输入数据：点击object/new object，定义数据文件名ex4_2并输入数据。
将Workfile保存：点击File/save，而store只存储对象object。
模型定阶：点击Quick/Estimate equation输入类似Y AR(1) AR(2)
AR(3)形式的各种不同模型，利用AIC准则或F检验选择最合适的模
型。
先拟合AR(3)模型：得知，参数不显著，且AIC=28352，SC＝29169，SSE=8695。
再拟合AR(2)模型：AIC＝28329，SC=28870，SSE＝8964
再拟合AR(1)模型：SSE＝9132，AIC=28194，SC＝28463。
F检验：F=277<392，说明AR(3)与AR(2)模型没有显著性差异，故可判定适应模型为AR(2) 。
模型预测：用AR(2)模型作预测

---