Ich stehe gerade vor einem Problem bei meinem aktuellen Projekt und weiß nicht so recht, wie ich weiter vorgehen soll. Ich arbeite mit einer Reihe von Zeitreihendaten, bei denen ich stark vermute, dass sie nicht stationär sind. Mein erster Impuls war, einfach einen Dickey-Fuller-Test durchzuführen, um das zu überprüfen. Aber je länger ich darüber nachdenke, desto unsicherer werde ich, ob dieser Test allein wirklich die ganze Geschichte erzählt. Vielleicht übersehe ich etwas Grundlegendes in der Vorbereitung, das die Ergebnisse völlig verzerren könnte. Wie geht ihr normalerweise vor, wenn ihr vor dieser Frage steht?
Du gehst richtig vor aber der Dickey Fuller Test ist nur ein Baustein zur Prüfung ob die Serie stationär ist. Prüfe zuerst die Struktur visuell und achte auf Trend saisonale Muster und Varianzen. Schau dir die Autokorrelationen an und überlege wie viele Lags sinnvoll sind. Der Augmented Dickey Fuller ist empfindlich gegen die Lag Wahl und eine falsche Wahl verzerrt die Ergebnisse. Wenn der Test nicht signifikant ist bedeutet das nicht unbedingt Stabilität es kann Power Probleme geben. Ergänzende Tests wie KPSS oder PP helfen und berücksichtigen strukturelle Brüche die Teststatistiken verzerren können.
Ich habe mich schon mal in den wald der tests verirrt und am ende hat mich das Bauchgefühl gerettet. Man verliert sich in p Werten während draußen der Trend weiterläuft. Vielleicht ist es gerade emotional aber es gibt momente da reicht mir die visuelle Prüfung bevor ich mich auf die Parameter stuerze.
Vielleicht denkt man man müsse die serie stationär machen doch manchmal erzählt der Trend eine Geschichte die man modellieren will nicht löschen. Differenzieren ist eine Option aber auch differenzierende Modelle oder lineare zeitreihen mit Trendkomponenten könnten passen.
Meine erfahrung ein kurzer test reicht selten. Oft reicht es nicht nur dickey fuller zu ziehen man muss die residuen prüfen die Lagwahl testen und die auswirkungen von saisonalen komponenten berücksichtigen.
Vielleicht statt sich auf tests zu versteifen frage ich mich was du eigentlich wissen willst Willst du prognosen verbessern oder das Generierungsprozess verstehen Die antwort bestimmt ob du Differenzierung brauchst oder modelle bevorzugst die Nicht stationaritaet direkt abbilden.
Wie groß ist dein datensatz und gibt es strukturbrüche?
