python 与 matlab 结果不一致

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

同样一组数据，进行adftest时p值一个是.001，另一个是.06。怎么相差这么大啊，平稳与不平稳啊，咋回事啊请教下各位？？？

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：MATLAB python matla atlab Lab

数据有经过标准化处理嘛

和算法有关系吧，做这个是不是stata的用的多

shadowaver 发表于 2023-5-31 10:30
数据有经过标准化处理嘛

标准化过后的，p值跟MATLAB相差太大了，100倍啊，可能吗？！

lauk201712 发表于 2023-6-5 12:47
标准化过后的，p值跟MATLAB相差太大了，100倍啊，可能吗？！

如果差距这么大，那两个软件的检验指标应该不一样

adftest ，两边都做的是自相关性检验嘛，除了标准化以外，差分和滞后阶数也会影响到p值

shadowaver 发表于 2023-6-5 15:19
adftest ，两边都做的是自相关性检验嘛，除了标准化以外，差分和滞后阶数也会影响到p值

同一组数据，滞后阶都设置过的，就是残差的单位根检验相差这么大的，回归方法都一样的

Differences in p-value results from an Augmented Dickey-Fuller (ADF) test between Python and MATLAB could arise from several factors:
1.        Implementation Differences: Python's statsmodels and MATLAB's adftest might use slightly different algorithms or criteria for the ADF test.
2.        Test Assumptions: The ADF test in both Python and MATLAB make assumptions about the data and the test, including assumptions about the presence of a unit root, the presence of a drift term or a deterministic time trend, and so forth. If the assumptions are not met, it can lead to different results.
3.        Different Levels of Significance: Python and MATLAB may use different levels of significance, which could lead to different p-value interpretations.
4.        Sample Size: The number of observations used for the test can significantly impact the p-value. Ensure that both Python and MATLAB are working with the same dataset size.
5.        Lag Length Selection: The choice of maximum lags in the ADF regression could be different in Python and MATLAB, causing differences in the outcome.
6.        Data Preprocessing: Ensure that your data preprocessing steps are the same across both platforms.
If you're getting significantly different p-values, I'd recommend reviewing the test parameters and the implementation details in both Python and MATLAB, ensuring that you're comparing like-for-like in terms of data, assumptions, and the statistical test itself. If the differences persist, it might be helpful to seek advice from a statistician or someone familiar with the specific nuances of these testing methods in Python and MATLAB.

一个可能的原因是你在两次测试中使用的统计软件、模型设定、数据处理方法等不同，导致结果有显著差异。下面是几个可能的解决方案：
1.        确认你的软件版本和实现方法是否一致：不同的统计软件可能使用稍微不同的算法来进行ADF测试，可能会导致结果的不同。
2.        检查你的模型设定：ADF检验的设定可能包括有无趋势项、有无截距项等，不同的设定可能导致检验结果的不同。如果你在一个软件中设置了有趋势项，在另一个软件中没有设置，那么结果就可能会不同。
3.        检查你的滞后阶数选择：在进行ADF检验时，我们需要选择一个滞后阶数。不同的滞后阶数可能会导致不同的检验结果。你需要确认在两次测试中使用的滞后阶数是否一致。
4.        确认你的数据预处理方法是否一致：如果你在进行ADF检验前对数据进行了预处理（比如对数变换、差分等），你需要确认在两次测试中使用的预处理方法是否一致。
如果你确认了以上所有设定都是一致的，但是结果仍然不同，那么可能需要进一步查看软件的具体实现细节，或者寻求更专业的帮助。同时，你也需要记住，ADF检验只是检验时间序列平稳性的一种方法，存在一定的局限性。在进行统计分析时，我们应当综合考虑各种信息，而不是完全依赖单一的检验结果。

hifinecon 发表于 2023-6-5 23:22
一个可能的原因是你在两次测试中使用的统计软件、模型设定、数据处理方法等不同，导致结果有显著差异。下面 ...

肯定都一致的，之前在网上就看到有人说R跟MATLAB单位根有不同结果，至于算法方面，那只有看开发人员的源码了。PS·有人吐槽过scipy的积分算法也有问题