R语言平稳性检验实战：ADF、KPSS、PP组合判读与陷阱详解

做时间序列建模的人，几乎都遇到过一个让人头大的场景：同样的数据，ADF检验显示p值小于0.05，说明序列平稳；可换成KPSS检验，p值又小于0.05，反而说明序列不平稳。两个都是权威检验，结论却完全相反，该信哪个？这个困惑我太熟悉了。如果刚接触这个方法系列，建议先翻翻第一篇里关于时序图和自相关图的初步判断；直接看这篇也不影响，关键结论我会带着重新说明。这篇重点落在R语言实现上，把三种最常用的平稳性检验——ADF、KPSS、PP——逐一拆开，讲清楚参数怎么设、结果怎么读、结论怎么综合，以及操作里那些文档从来不写、但实际总会踩的坑。内容适合正在做时间序列预处理、准备进入ARIMA建模阶段的朋友，也适合那些已经调用过adf.test但不太确定结果含义的学习者。

1. 为什么平稳性检验要有"一套组合拳"而不是一个函数搞定

先回到一个基础问题：平稳性检验到底在检验什么？大多数教材给出的定义是"序列的统计性质不随时间变化"，但落到统计检验里，不同方法对"不平稳"的刻画方式完全不同。ADF检验把序列看成带漂移的随机游走，原假设是"存在单位根"，也就是默认序列非平稳；KPSS检验反过来，原假设是"序列围绕某个确定性水平或确定性趋势是平稳的"，也就是默认序列平稳。PP检验的原假设和ADF一样，但对误差项序列相关性的处理方式不一样。

这里面的关键点在于：ADF和KPSS的原假设是相反的。很多初学者没有意识到这一点，直接把两个检验的p值朝同一个方向解读，自然就会得出矛盾的结论。用日常场景来类比：ADF像是"默认你携带违禁品，除非有证据证明清白"，KPSS则是"默认你没问题，除非搜出违禁品"。同一个被检查者，在两种默认规则下得到不同判定，本来就很正常。

既然单个检验各有偏向，专业做法就是同时跑多个检验，再根据它们的共识做判断。两个检验都说平稳，结论可信度高；两个都说非平稳，差分处理没跑；一个说平稳一个说不平稳，就要往下查模型设定是不是写错了。这种交叉验证的思路，跟用多个模型投票做预测是一个道理。

三种检验的具体分工如下表：

从这个表能看出来，ADF和PP是一组，KPSS是一组。实操中推荐"ADF + KPSS"组合，一个负责证明平稳，一个负责证明不平稳，两边都不越界的时候，结论才站得住脚。PP检验更适合在数据量较大、且明显存在序列相关的时候作为补充验证。

2. R语言三大检验的逐个拆解：ADF、KPSS、PP的参数与输出解读

2.1 ADF检验：滞后阶数怎么选才不冤枉数据

ADF检验在R里的常用入口有两个：tseries包的adf.test()和urca包的ur.df()。前者用起来简单，一行代码出结果，但很多东西被隐藏了；后者需要手动指定模型类型和滞后阶数，写起来麻烦一些，却给了我们更多的控制权。

先说默认参数。adf.test(x, alternative = "stationary")会自动选择滞后阶数k，默认值是trunc((length(x)-1)^(1/3))，这是经验公式，样本量100时大约选4阶。这个默认值在多数场景够用，但如果序列本身存在较强的短期相关或者样本量很大，建议手动增大k值再跑一次，看看结论是否稳健。

演示之前先明确一个原则：检验结论的可信度，一半取决于检验方法是否正确使用。为了更直观，我模拟一段带有明显趋势和周期性的数据，假设它是某门店的日客流量。随机种子固定在2024是为了让读者重跑代码时得到一模一样的结果；样本量选120，接近实际业务中一年日数据量的规模，既有代表性，又不至于小到检验失效。

library(tseries) library(urca) set.seed(2024) n <- 120 t <- 1:n ts_data <- ts(1.2 * t + 8 * sin(2 * pi * t / 7) + rnorm(n, 0, 5), frequency = 7) # 方式一：tseries包，直接跑 adf.test(ts_data, alternative = "stationary")

这段代码在我这里跑出来的结果是p值0.4421，远大于0.05，无法拒绝"存在单位根"的原假设，判定为非平稳——这符合预期，因为序列确实带趋势。接着用urca包跑同一个序列，但把模型设定为带漂移项和趋势项：

summary(ur.df(ts_data, type = "trend", lags = 4, selectlags = "AIC"))

ur.df的type有三个选项：none表示既无常数项也无趋势项，drift表示含常数项（漂移项），trend表示既含常数项也含确定性趋势项。选择原则很简单：序列有明显上升或下降趋势用trend；围绕某个非零均值波动用drift；围绕零波动用none。模型设定和实际数据不匹配时，检验功效会明显下降，这是很多人跑出奇怪结果的第一大原因。

输出结果里最需要关注的是最后一张表的"Value of test-statistic"和t值临界值。ADF检验的统计量要跟临界值比：统计量比临界值更负（绝对值更大），才说明显著，可以拒绝单位根原假设。另外还有phi1、phi2、phi3这几个联合检验统计量，分别对应"漂移项和单位根是否同时存在"这类组合假设，操作上通常重点看tau3（trend类型下的单位根检验）就够了。

2.2 KPSS检验：原假设一颠倒，结论跟着反转

KPSS检验在tseries包里的函数是kpss.test(x, null = "Level")，null参数可以选"Level"或"Trend"。Level表示检验序列是否围绕一个常数水平平稳，Trend表示检验是否围绕一条确定性趋势线平稳。urca包对应的是ur.kpss(x, type = "mu", lags = "short")，type参数"mu"对应Level，"tau"对应Trend。

继续用上面那段带趋势的序列：

kpss.test(ts_data, null = "Trend")

对带趋势的序列，如果错误地用null = "Level"，几乎必然得到非平稳结论，因为序列的均值一直在变，当然不围绕常数水平波动。正确的做法是：先判断数据的宏观形态，有趋势就用Trend，没有趋势再用Level。这与ur.df里选type参数的逻辑是同一个道理——模型设定必须匹配数据的实际形态。

KPSS输出的解读方向跟ADF完全相反。kpss.test的p值如果大于0.05，说明不能拒绝"平稳"的原假设，倾向认为序列平稳；p值小于0.05，说明拒绝了平稳性，序列被判为非平稳。记住这个方向，后面章节做组合判读才不会错。

还有个小细节：kpss.test默认的lshort = TRUE，使用较短滞后数。对于样本量超过200的序列，建议设置lshort = FALSE让检验使用更长的滞后截断，以减轻序列相关对统计量的污染。这个参数平时没人提，但遇到长序列时差别很明显。

2.3 PP检验：序列相关下的稳健备选

PP检验（Phillips-Perron）解决的问题是：当误差项存在序列相关时，ADF检验的临界值会失真。PP检验通过非参数方法对检验统计量做修正，所以不需要像ADF那样显式设定滞后阶数。它适合数据量较大、且你知道序列有明显相关结构但不想花精力逐个选滞后阶数的场景。

pp.test(ts_data, alternative = "stationary")

输出结构跟adf.test很类似，同样看p值是否小于0.05。不过pp.test在tseries包里没有提供带宽选择的参数，如果你需要精细控制，可以用urca包的ur.pp()。从我的使用体验看，PP检验对小样本的表现不如ADF稳健，样本太小时结果容易不稳定，所以更推荐把它作为辅助验证，而不是唯一依据。

3. 检验结果互相打脸时怎么办：多指标交叉判读的实操套路

3.1 四种组合对应的结论矩阵

把ADF和KPSS的结论组合起来，一共有四种情况。下表是我在项目里常用的判读规则：

需要再次提醒的是，"平稳"和"非平稳"在这个表格里是指检验结论，不是p值方向。ADF的p值小于0.05得出"平稳"结论，KPSS的p值大于0.05才得出"平稳"结论，方向完全不同，别记混了。

第3种情况尤其值得展开。ADF说平稳，KPSS说非平稳，通常是数据存在确定性趋势但ADF的trend设定没有跟上，或者序列中间出现了断点，导致两个检验各自只看到数据的一部分。遇到这种情况，我的第一反应不是急着差分，而是回头画时序图，看趋势是否分段、方差是否随时间变化，排查清楚再下结论。

3.2 从检验结果到差分决策的完整链路

当综合判断指向非平稳时，下一步就是差分。差分阶数不一定要靠肉眼猜，R的forecast包提供了ndiffs()函数，可以直接给出建议：

library(forecast) ndiffs(ts_data, test = "kpss") # 默认方法 ndiffs(ts_data, test = "adf") ndiffs(ts_data, test = "pp")

ndiffs会在0到2之间搜索，返回建议的差分阶数。它的内部逻辑并不复杂：对原始序列做检验，若判定非平稳，差分一次再检验，直到检验通过或达到上限。实际操作中我习惯把kpss和adf两种test结果都跑一遍，如果两者一致，就按建议操作；如果不一致，再手动确认。

差分后记得立刻用三件套重新检验一次，确认差分后的序列是否已平稳：

diff_ts <- diff(ts_data) adf.test(diff_ts, alternative = "stationary") kpss.test(diff_ts, null = "Level") pp.test(diff_ts, alternative = "stationary")

确认差分后序列平稳，再进入自相关函数和偏自相关函数的阶数识别阶段。这里有个反直觉的经验：不要盲目追求差分到完全平稳再停。若差分后的序列在ACF图上出现明显的滞后一阶负相关，很可能说明差分过头了，引入了多余的移动平均成分。金融场景里的经典做法是只对价格取对数差分一次得到收益率，很少见到需要二阶差分的序列。

3.3 一个函数同时输出三种检验的结果

每次手动敲三个检验函数很啰嗦，我在项目里习惯封装一个小小的报告函数，把三个检验的统计量、p值和解读一次性输出：

stationarity_report <- function(x, alpha = 0.05) { library(tseries) adf_out <- adf.test(x, alternative = "stationary") kpss_out <- kpss.test(x, null = "Level") pp_out <- pp.test(x, alternative = "stationary") data.frame( test = c("ADF", "KPSS", "PP"), statistic = round(c(adf_out$statistic, kpss_out$statistic, pp_out$statistic), 3), p_value = round(c(adf_out$p.value, kpss_out$p.value, pp_out$p.value), 4), conclusion = c( ifelse(adf_out$p.value < alpha, "stationary", "non-stationary"), ifelse(kpss_out$p.value < alpha, "non-stationary", "stationary"), ifelse(pp_out$p.value < alpha, "stationary", "non-stationary") ) ) } stationarity_report(ts_data)

注意这个函数对KPSS的conclusion字段做了方向反转，因为KPSS的p值大才代表平稳。用的时候只需要记住"看结果里每个检验给出的conclusion列"即可。如果需要处理带趋势数据，把kpss.test的null参数改为"Trend"再跑一次，两个设定都看看，信息更全。

4. 平稳性检验最容易翻车的五个操作细节

4.1 样本量太小，检验功效形同虚设

ADF检验在小样本下的拒绝能力很弱。所谓功效低，通俗讲就是：序列其实不平稳，但检验统计量就是达不到临界值，系统反而给出"不能拒绝单位根"的结论。样本量低于30时，即使序列明显是随机游走，ADF也常常一脸无辜地报告p值大于0.05。反过来，样本量极大时，很小的偏离也会被判为显著，实际经济含义可能微乎其微。

我的实操底线是：做单个序列的平稳性检验，样本尽量不低于50个观测，理想情况是100以上。样本不够时，至少要把检验结论和ACF图交叉对照，千万不能只凭一个p值就拍板。

4.2 缺失值让检验直接罢工

adf.test、kpss.test、pp.test遇到NA会直接报错，不会自动处理。更隐蔽的问题是：你用了某种填充方式把缺失值补上，但填充方法本身会影响序列的动态结构，进而污染检验结果。比如用线性插值填充一段数据，会让序列显得比实际更平滑，ADF可能因此给出偏平稳的结论。

正确处理顺序是：先做缺失值诊断，判断缺失机制是随机缺失还是有系统性原因；再用对数据结构影响最小的方式处理（常见选择是线性插值或简单移动平均补偿）；最后才做平稳性检验。项目中我还会顺手把缺失比例记录下来，后面建模时如果结果异常，能多一个回溯线索。

4.3 趋势与季节效应混在一起时的误判

遇到过很多次这样的情况：一个季度销售序列，用ADF跑出来p值接近1，判定为高度非平稳；但细心看数据，序列在每年同期表现出强烈且稳定的周期性。这种序列严格说属于"季节性平稳"，并不是随机游走式的非平稳。处理的关键是先分解再检验：把趋势项、季节项、不规则项拆开，对剔除季节成分或经过季节差分后的序列再做平稳性检验。

# 分解后再检验 library(forecast) stl_fit <- stl(ts_data, s.window = "periodic") remainder <- stl_fit$time.series[, "remainder"] adf.test(remainder, alternative = "stationary")

或者用nsdiffs()判断是否需要季节差分：

nsdiffs(ts_data, m = 12) # m=12表示月度数据

如果nsdiffs返回1，说明需要做一次季节差分，之后再结合ndiffs的结果做整体差分。

4.4 结构突变点会让两类检验集体失灵

序列在某一个时间点突然发生了水平跳变，比如外部冲击或口径调整，ADF和KPSS都可能给出错误的结论。原因在于这两种检验都假设整个序列服从同样的生成机制，一旦数据里藏着断点，检验统计量被前后两段的不同均值拉扯，很可能落在临界区域附近，怎么判都别扭。

遇到可疑断点，常规做法是把样本按断点切分，分段做平稳性检验，看各段结论是否一致；或者先做结构突变检验（R里可以用strucchange包），确认突变位置后，再决定是分段建模还是引入干预变量。这部分展开讲又是一篇文章，这里先提醒一句：当ADF和KPSS结论矛盾且数据有明显跳变时，别急着怀疑代码，先怀疑结构。

4.5 批量序列检验的"假平稳"积累

在批量场景里，比如要为几十上百个序列统一做预处理，每个序列单独在5%显著性水平下检验，多重比较问题就来了。假设所有序列真的平稳，每个序列误判为非平稳的概率约5%；反过来，如果存在某个序列本来不平稳但恰好被误判为平稳，概率虽然低，但序列一多，总有撞上的。更麻烦的是，批量场景里不同序列的样本量、波动特征差异很大，统一阈值对短序列特别苛刻，对长序列又过于宽松。

我的建议是：批量检验时不要只看每个序列的p值，而是把p值的分布打印出来，观察整体形态；如果多数序列p值聚集在0.9以上，说明整体非平稳，但其中夹杂少量p值恰好落在0.01附近的序列，要特别警惕那些孤立的显著值是否是数据质量问题导致的。

5. 预处理动作的落地顺序：从检验结果到可建模数据

5.1 先做方差稳定还是先做差分

实际数据里，非平稳常常是均值问题和方差问题同时存在。均值随时间上升，同时波动幅度也跟着变大。如果直接差分，方差的不稳定仍然会影响后续模型拟合和预测区间。标准的处理顺序是：先通过变换稳定方差，再做差分稳定均值。

最常用的变换是对数变换，适合数据恒为正（比如销量、客流、价格）。判据很简单：序列的波动幅度和水平成正比时，log变换通常有效。Box-Cox变换是更一般的做法，R里可以用forecast包的BoxCox.lambda()自动搜索变换参数：

lambda <- BoxCox.lambda(ts_data) ts_transformed <- BoxCox(ts_data, lambda)

变换完后，再用平稳性检验确认是否需要差分。顺序不能反过来，因为先差分再变换的序列可能包含负值，对数就没法用了。

5.2 一阶差分后仍然不平稳的进阶方案

一阶差分后ADF依然无法拒绝单位根，先别急着上二阶差分。按下面顺序排查：

1. 先看差分序列的ACF图，如果衰减是渐进型的，可能还有残余趋势；
2. 再看nsdiffs()的结果，确认是否存在季节性差分需求；
3. 检查是否有离群值，尤其是单点巨大的冲击，会把差分序列的整体均值拉偏；
4. 最后才考虑二阶差分。

如果真的到了二阶差分，建模时要注意：二阶差分等价于对一阶差分再做一阶差分，这会显著放大高频噪声，模型往往需要额外引入MA成分来吸收。所以能一次差分解决的问题，绝不要为了"保险"多做一次。

5.3 建模前最后一道确认程序

平稳性确认之后，做ARIMA等模型之前，还有一个常被跳过的步骤：白噪声检验。如果差分后的序列本身就是白噪声，那说明序列里没有可建模的自相关结构，继续建模等于对噪音拟合。

# 对差分后的序列做Ljung-Box白噪声检验 Box.test(diff_ts, lag = 10, type = "Ljung-Box")

Ljung-Box检验的原假设是"序列无自相关"，p值小于0.05说明存在显著的自相关结构，值得继续建模。反过来，p值很大，最好停一停想一想。记住这个套路：检验平稳性、确认差分阶数、检查白噪声，三步走完，数据才算真正达到了建模标准。

这一篇的实操内容差不多就到这里。我在实际项目里最深的体会是，平稳性检验从来不是一个"跑完函数就结束"的动作，它更像一个和数据的对话过程：先听它告诉你趋势和季节性，再让检验工具确认你的判断，如果工具和直觉打架，一定是某个环节出了问题。建议你把文中的stationarity_report函数保存下来，以后面对新数据直接调用，然后结合ACF图一起看。如果后续在实际操作中碰到AIC选择滞后阶数不理想、或者KPSS检验在长样本下一直拒绝平稳之类的问题，欢迎继续留言交流，这些都是非常典型的实战细节。