这检验了需求遵循单位根过程的原假设。当p 值小于或等于指定的显着性水平（通常为 0.05 (5%) 或 0.01 (1%) 甚至 0.1 (10%)）时，您通常会拒绝空值。您的近似 p 值为 0.2924，因此在所有这些情况下您都无法拒绝零，但这并不意味着零假设为真。数据只是与它一致。

另一种看待这一点的方式是，您的检验统计量（绝对值）小于 10%的临界值。如果您观察到像 -4 这样的测试统计量，那么您可以拒绝空值并声称您的变量是固定的。如果您记得当测试统计量为“极端”时您拒绝，这可能是更熟悉的方式。我发现绝对值的东西有点令人困惑，所以我更喜欢看 p 值。

但你还没有完成。一些需要担心和尝试的事情：

1. 你在这里没有任何滞后。关于如何选择正确的数字，存在三种思想流派。一，是使用数据的频率来决定（季度滞后4个，每月滞后12个）。第二，选择一些你确信大于需要的滞后，并把最长的滞后，只要它不显着，一个接一个地修剪掉。这是一种循序渐进的方法，可能会使您误入歧途。三，使用修改后的 DF 测试（dfgls在 Stata 中），其中包括对要使用的最佳滞后数的估计。该测试在该词的统计意义上也更强大。
2. 您也没有漂移或趋势条款。如果数据图表显示随时间呈上升趋势，请添加趋势选项。如果没有趋势，但您的均值不为零，那么您拥有的默认选项就可以了。如果您发布数据图表可能会有所帮助。

除了@ Dimitriy：

Stata运行表格的OLS回归ADF。first difference因此，空值是右侧因变量（此处为需求）的滞后系数为零（您需要使用选项回归，以确认它正在运行回归first difference形式）。另一种方法是它小于零 ( one-tailed test)。因此，当您比较计算的测试统计数据和临界值时，如果计算的值小于临界值 ( note that this is one (left) tailed test)，则必须拒绝 null。在您的情况下，-1.987 不小于-3.580（1% 临界值）[尽量不要使用绝对值，因为这通常应用于two-tailed test]。因此，我们不会拒绝 1% 的空值。如果你继续这样下去，你会看到 null 也没有在 5% 或 10% 时被拒绝。这也证实了MacKinnon approximate p-value for Z(t) = 0.2924这表示 null 将仅被拒绝大约 30%，考虑到传统的显着性水平（1,5 和 10%），这是相当高的。

更多理论：

在 null 下，需求遵循单位根过程。所以我们不能应用通常的中心极限定理。我们需要使用功能中心极限定理。换句话说，测试统计量不服从t分布，而是Tau分布。所以，我们不能使用t-distribution.

统计数据

Valor z >Valor crítico 5% >>>> Acepto Ho: la serie tiene raíces unitarias >>>> Si hay raíces unitarias >>>> serie no estacionaria

La probabilidad del valor de z(t) es no significativo >>>> serie no estacionaria

Valor z ≤ Valor crítico 5% >>>> Rechazo Ho: la serie tiene raíces unitarias >>>> No hay raíces unitarias >>>> serie estacionaria

La probabilidad del valor de z(t) es significativo >>>> serie estacionaria

（粗略且有些随意）翻译

如果$z > z_{0.05}$在哪里$z_{0.05}$是测试的临界值，那么我们“接受”$H_0$，即该系列有单位根。如果有单位根，则序列不是平稳的。

因此，如果$p$-的价值$z(t)$不显着，序列不是静止的。

如果$z \leq z_{0.05}$然后我们拒绝原假设$H_0$该系列有一个单位根。如果没有单位根，那么我们就可以断定序列是平稳的。

这$p$-的价值$z(t)$显着将导致我们得出结论，该系列是平稳的。