白噪声检验python

白噪声检验也称为纯随机性检验， 当数据是纯随机数据时，再对数据进行分析就没有任何意义了， 所以拿到数据后最好对数据进行一个纯随机性检验

acorr_ljungbox(x, lags=None, boxpierce=False) # 数据的纯随机性检验函数

lags为延迟期数，如果为整数，则是包含在内的延迟期数，如果是一个列表或数组，那么所有时滞都包含在列表中最大的时滞中

boxpierce为True时表示除开返回LB统计量还会返回Box和Pierce的Q统计量

返回值：

lbvalue:测试的统计量

pvalue:基于卡方分布的p统计量

bpvalue:((optionsal), float or array) ? 基于 Box-Pierce 的检验的p统计量

bppvalue:((optional), float or array) ? 基于卡方分布下的Box-Pierce检验的p统计量

代码实现：

from statsmodels.stats.diagnostic import acorr_ljungbox

acorr_ljungbox(b.salesVolume, lags = [6, 12],boxpierce=True)

由输出结果可以看到，不管是使用哪个统计量，p值都很大，所以该数据无法拒绝原假设，即认为该数据是纯随机数据

补充知识：用python实现时间序列单位根检验

在时间序列的建模中，需要先对数据进行平稳性检验，常用的有DF检验、ADF检验和PP检验，文章实例ADF检验