Jeśli trend jest deterministyczny (np. Trend liniowy), można przeprowadzić regresję danych na trend deterministyczny (np. Stały plus indeks czasowy), aby oszacować trend i usunąć go z danych. Jeśli trend jest stochastyczny, należy odrzucić serię, biorąc na nią pierwsze różnice.
Test ADF i test KPSS mogą dostarczyć ci informacji pozwalających ustalić, czy trend jest deterministyczny czy stochastyczny.
Ponieważ hipoteza zerowa testu KPSS jest przeciwieństwem wartości zerowej w teście ADF, można wcześniej ustalić następujący sposób postępowania:
- Zastosuj KPSS, aby sprawdzić zero, że seria jest stacjonarna lub stacjonarna wokół trendu. Jeśli wartość zerowa zostanie odrzucona (na określonym poziomie istotności), stwierdź, że trend jest stochastyczny, w przeciwnym razie przejdź do kroku 2.
- Zastosuj test ADF, aby sprawdzić, czy istnieje root jednostki. Jeśli hipoteza zerowa zostanie odrzucona, to wyciągnij wniosek, że nie ma pierwiastka jednostkowego (stacjonarności), w przeciwnym razie wynik procedury nie będzie informacyjny, ponieważ żaden z testów nie odrzucił odpowiedniej hipotezy zerowej. W takim przypadku bardziej ostrożne może być rozważenie istnienia pierwiastka z jednostki i zniechęcenie serii, biorąc pod uwagę pierwsze różnice.
W kontekście strukturalnych modeli szeregów czasowych można dopasować do danych model na poziomie lokalnym lub model trendu lokalnego, aby uzyskać oszacowanie trendu i usunąć go z szeregu. Model trendu lokalnego jest zdefiniowany następująco (model poziomu lokalnego uzyskuje się za pomocą ):σ2)ζ= 0
zaobserwowane serie:poziom utajony:utajony dryf:yt= μt+ γt+ ϵt,μt= μt - 1+ βt - 1+ ξt,βt= βt - 1+ ζt,ϵt∼ NID ( 0 ,σ2)ϵ) ;ξt∼ NID ( 0 ,σ2)ξ) ;ζt∼ NID ( 0 ,σ2)ζ) ;