月度支出时间序列KPSS检验参数选择及结果解读疑问

针对你的4年月度支出时间序列（已观察到趋势），我来帮你理清KPSS检验里regression参数的选择逻辑，以及结果解读的关键点：

先搞懂两个参数的核心差异 #

• regression='c'：这个模式检验的是序列是否围绕固定均值平稳。简单说，它默认你的序列没有趋势，只看数据会不会在某个恒定的平均值附近上下波动。
• regression='ct'：这个模式检验的是序列是否围绕线性趋势平稳。它允许你的序列有一个持续的上升/下降趋势，检验的是去除这个线性趋势之后的残差部分是否平稳。

结合你的场景，优先选regression='ct' #

你已经明确观察到序列存在趋势，那第一步必须用'ct'模式来检验：

• 如果用'c'模式，检验会把趋势当作“非平稳”的信号，大概率会得出“序列非平稳”的结论，但你根本分不清这个结论是因为趋势本身，还是序列真的存在单位根（真正的非平稳），这样的结果对你没什么参考价值。
• 用'ct'模式的话，能精准判断：你的序列是“带着趋势但趋势之外的部分平稳”，还是“就算去掉趋势，依然是非平稳的”。

结果解读的关键（别和ADF搞混！） #

KPSS检验的原假设是“序列平稳”（对应你选的'c'或'ct'的平稳类型），和ADF检验的原假设相反，这点一定要记牢：

1. 如果p值 > 显著性水平（比如0.05）：不能拒绝原假设，说明序列符合你所选的平稳类型——比如选'ct'的话，就是“围绕线性趋势平稳”，不需要做差分处理。
2. 如果p值 < 显著性水平：拒绝原假设，说明即使考虑了线性趋势，序列还是非平稳的，这时候可能需要做差分，或者进一步分析序列的其他非平稳来源。

给你的代码示例 #

from statsmodels.tsa.stattools import kpss

# 针对带趋势的支出序列，先执行带趋势的KPSS检验
kpss_stat, p_value, used_lags, critical_values = kpss(your_monthly_expenses, regression='ct')

print(f"KPSS统计量: {round(kpss_stat, 4)}")
print(f"p值: {round(p_value, 4)}")
print(f"临界值: {critical_values}")

内容的提问来源于stack exchange，提问作者TL16