对序列的平稳性有两种检验方法：一种是根据时序图和自相关图显示的特征做出判断的图检验方法，一种是构造检验统计量进行假设检验的方法。
时序图和自相关图检验方法是一种操作简便、运用广泛的平稳性判别方法，它的缺点是判别结论带有很强的主观色彩。 所以最好能用统计检验方法加以辅助进行判断时间序列的平稳性。 目前最常用的平稳性统计检验方法是单位根检验（Unit Root Test）。本节将主要介绍平稳性的图检验。
（1）时序图检验
所谓时序图就是一个平面二维坐标图，通常横轴表示时间，纵轴表示序列取值。 时序图可以直观地掌握时间序列的一些基本分布特征。
根据平稳时间序列均值、方差为常数的性质，平稳序列的时序图应该显示出该序列始终在一个常数值附近随机波动，而且波动的范围有界的特点。 如果观察序列的时序图，显示出该序列有明显的趋势性或周期性，那它通常不是平稳序列。 根据这个性质，对于很多非平稳序列，可以通过查看它的时序图将其识别出来。
【例11.1】 表11.4 给出了我国2001—2013 年啤酒产量、人均GDP、煤炭占能源消费总量比值和居民消费价格指数的时间序列。
表11.4 啤酒产量、人均GDP、煤炭占能源消费总量比值和居民消费价格指数
图11.2 和图11.3 具有明显的递增趋势，所以，2001—2013 年啤酒产量和人均GDP都不是平稳序列。
图11.2 2001—2013 年啤酒产量时序图
(www.xing528.com)
图11.3 2001—2013 年人均GDP 时序图
图11.4 序列数据变化则比较平稳，没有明显的递增趋势或下降趋势。 所以，2001—2013 年居民消费价格指数基本可以视为平稳序列。 为了稳妥起见，还需要利用自相关图进一步辅助识别该时间序列是否平稳。
图11.4 2001—2013 年居民消费价格指数时序图
（2）自相关图检验
自相关图是一个平面二维坐标悬垂线图，一个坐标轴表示延迟时期数，另一个坐标轴表示自相关系数，通常以悬垂线表示自相关系数的大小。
该性质用自相关系数来描述就是随着延迟期数k 的增加，平稳序列的自相关系数ρ＾k会很快地衰减向零。 反之，非平稳序列的自相关系数ρ＾k 衰减向零的速度通常比较慢，这就是利用自相关图进行平稳性判断的标准。
【例11.2】 绘制的某时间序列自相关图如图11.5 所示。
上述自相关图显示该序列的自相关系数一直都比较小，且始终控制在两倍的标准差范围以内，可以认为该序列自始至终都在均值附近波动，这是随机性非常强的平稳时间序列通常具有的自相关图特征。
图11.5 某时间序列自相关图
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
