在Stata中执行ADF检验（Augmented Dickey-Fuller test）是时间序列数据分析的重要步骤，用于检验序列是否存在单位根，ADF检验通过引入滞后项来修正残差的自相关性，其核心命令为dfuller，但实际应用中需结合数据预处理、选项设置和结果解读等多个环节，以下从命令基础、语法结构、选项说明、结果解读及操作示例五个方面详细说明。
ADF检验的核心命令与基础语法
Stata中执行ADF检验的基础命令为dfuller，其基本语法结构为：
dfuller 变量名 [if] [in] [, 选项]
“变量名”为待检验的时间序列变量；[if]和[in]为可选条件，用于筛选样本范围；[,]后的选项是ADF检验的关键参数，用于设定检验类型、滞后阶数等。
主要选项说明
ADF检验的选项直接影响检验结果的可靠性，常用选项如下表所示：
| 选项 | 功能说明 | 示例 |
|---|---|---|
noconstant |
不包含截距项（仅用于趋势明确的序列，实际较少使用） | dfuller y, noconstant |
trend |
包含截距项和线性时间趋势项（适用于有明显上升/下降趋势的序列） | dfuller y, trend |
drift |
仅包含截距项（默认选项，适用于无明确趋势但均值非零的序列） | dfuller y, drift（等价于默认） |
lags(#) |
设定ADF检验的滞后阶数（#为正整数，需通过准则确定） | dfuller y, lags(3) |
regress |
显示回归结果详细输出（包括系数、标准误、t统计量等） | dfuller y, lags(2) regress |
滞后阶数的选择
滞后阶数的选择是ADF检验的关键步骤，阶数过低可能导致残差自相关，过高则会降低检验功效，Stata中常用的选择方法有两种：
-
信息准则法：通过
varsoc命令计算不同滞后阶数下的AIC、BIC或HQIC值，选择最小值对应的阶数。varsoc y, maxlag(8) // 检验滞后0-8阶的信息准则
输出结果中，若AIC在滞后3阶最小，则ADF检验中可设定
lags(3)。 -
经验法则：对于年度数据，滞后阶数通常取1-2；季度数据取4；月度数据取12，但该方法依赖数据频率，需结合信息准则调整。
ADF检验的结果解读
执行dfuller命令后，Stata会输出检验统计量、临界值和p值等关键结果，需重点关注以下内容：
- 检验类型（Test Statistic）：表格第一行显示ADF检验的t统计量（如“Z(t)”），该值需与临界值比较。
- 临界值（Critical Values）：输出结果提供1%、5%、10%显著性水平下的临界值，若ADF统计量小于临界值（或p值小于显著性水平），则拒绝原假设（序列存在单位根），认为序列平稳。
- 回归结果（若使用
regress选项）：显示滞后项系数、截距项、趋势项的显著性，可辅助判断序列特征。
示例结果解读：
假设执行dfuller gdp, trend lags(2)后，输出如下：
Augmented Dickey-Fuller test for unit root Number of obs = 98
---------- Interpolated Dickey-Fuller ---------
Test 1% Critical 5% Critical 10% Critical
Statistic Value Value Value
----------------------------------------------------------------------------
Z(t) -3.152 -4.066 -3.461 -3.157
----------------------------------------------------------------------------
MacKinnon approximate p-value for Z(t) = 0.0986 - ADF统计量为-3.152，大于5%临界值-3.461，且p值0.0986>0.05，不能拒绝原假设，认为GDP序列存在单位根（非平稳）。
完整操作示例
以Stata内置的“air2.dta”数据集（航空乘客数据）为例，演示ADF检验完整流程：
-
加载数据与设定时间格式：
webuse air2.dta tsset time // 设定时间变量为time
-
绘制时序图观察趋势：
line air time
图形显示序列有明显上升趋势和季节性，初步判断可能非平稳。
-
选择滞后阶数：
varsoc air, maxlag(12)
输出显示AIC在滞后1阶最小（AIC=10.23），故选择
lags(1)。 -
执行ADF检验（含趋势项）：
dfuller air, trend lags(1) regress
-
结果解读：
输出ADF统计量为-1.823，大于5%临界值-3.461（p值=0.682），不能拒绝原假设，序列非平稳，需对序列进行差分后再检验，gen d_air = D.air // 一阶差分 dfuller d_air, drift lags(1) // 对差分序列检验（含截距项）
若差分后ADF统计量-4.217小于5%临界值-2.879（p值=0.0001），则认为差分序列平稳，原序列为I(1)过程。
FAQs
Q1：ADF检验中，如何选择“noconstant”“trend”“drift”三种模型？
A1：模型选择需结合序列特征和经济意义：
- 若序列无明确趋势且均值接近零，可尝试
noconstant（实际较少用，因多数序列存在截距）； - 若序列无趋势但均值非零，使用
drift（默认选项）； - 若序列有明显上升/下降趋势（如GDP、股价指数），必须使用
trend，可通过时序图初步判断，或对比三种模型的AIC/BIC值，选择信息准则最小的模型。
Q2：ADF检验p值大于0.05，是否一定说明序列非平稳？
A2：不一定，ADF检验的原假设是“序列存在单位根”，p值>0.05仅表示“不能拒绝原假设”，而非“接受原假设”，可能原因包括：① 序列确实非平稳；② 滞后阶数选择不当（过低导致残差自相关，过高导致检验功效下降）；③ 样本量过小（ADF检验需大样本性质，样本量<50时结果可能不可靠），建议调整滞后阶数、扩大样本量或结合PP检验、KPSS检验等其他方法综合判断。
