在時間序列的模組化中，需要先對資料進行平穩性檢驗，常用的有DF檢驗、ADF檢驗和PP檢驗，文章執行個體ADF檢驗
注：檢驗的P值是隻在一個假設檢驗問題中，利用樣本觀測值能夠作出拒絕原假設的最小顯著性水準。
- 如果a >= p, 則在顯著性水準a 下拒絕H0
-
如果a < p,則在顯著性水準a下接受H0
實作方法一：
from arch.unitroot import ADF
ADF(data)
ADF檢驗的原假設是不平穩，這裡P值近似為0 ， 是以拒絕原假設，認為序列平穩。
from statsmodels.stats.diagnostic import unitroot_adf
unitroot_adf(b.salesVolume)
這裡包含了檢驗值、p-value、滞後階數、自由度等資訊。我們看到了檢驗統計量為–5.954367776923936，小于1%的臨界值-4.01203360058309,，即p值遠小于0.01，是以我們拒絕原假設，認為該時間序列是平穩的。（這裡原假設是存在機關根，即時間序列為非平穩的。)