一、DF檢驗
隨機遊走序列 Xt=Xt-1+μt是非平穩的，其中μt是白噪聲。而該序列可看成是隨機模型Xt=ρXt-1+μt中引數ρ= 1時的情形。也就是說，我們對式 Xt=ρXt-1+μt
（1） 做迴歸，如果確實發現ρ=1，就說隨機變數Xt有一個單位根。可變形式成差分形式：Xt=(ρ-1)Xt-1+μ t =δXt-1+ μt
（2）檢驗
（1）式是否存在單位根ρ=1，也可透過（2）式判斷是否有 δ=0檢驗一個時間序列Xt的平穩性，可透過檢驗帶有截距項的一階自迴歸模型 Xt=α+ ρXt-1 +μt （*）中的引數ρ是否小於1。或者：檢驗其等價變形式Xt=α+ δXt-1+μt（**）中的引數δ是否小於0 。
零假設 H0：δ= 0；備擇假設 H1：δ< 0 可透過OLS法估計Xt=α+ δXt-1+μt並計算t統計量的值，與DF分佈表中給定顯著性水平下的臨界值比較：如果：t < 臨界值，則拒絕零假設H0：δ= 0 ，認為時間序列不存在單位根，是平穩的。
二、ADF檢驗
在DF檢驗中，實際上是假定了時間序列是由具有白噪聲隨機誤差項的一階自迴歸過程AR(1)生成的。但在實際檢驗中，時間序列可能由更高階的自迴歸過程生成的，或者隨機誤差項並非是白噪聲，為了保證DF檢驗中隨機誤差項的白噪聲特性，Dicky和Fuller對DF檢驗進行了擴充，形成了ADF（Augment Dickey-Fuller ）檢驗。
進行ADF檢驗要分3步：
1 對原始時間序列進行檢驗，此時第二項選level，第三項選None.如果沒透過檢驗，說明原始時間序列不平穩；
2 對原始時間序列進行一階差分後再檢驗，即第二項選1st difference，第三項選intercept,若仍然未透過檢驗，則需要進行二次差分變換；
3 二次差分序列的檢驗，即第二項選擇2nd difference ，第四項選擇Trend and intercept.一般到此時間序列就平穩了。
在進行ADF檢驗時，必須注意以下兩個實際問題：
（1）必須為迴歸定義合理的滯後階數，通常採用AIC準則來確定給定時間序列模型的滯後階數。在實際應用中，還需要兼顧其他的因素，如系統的穩定性、模型的擬合優度等。
（2）可以選擇常數和線性時間趨勢，選擇哪種形式很重要，因為檢驗顯著性水平的 t 統計量在原假設下的漸近分佈依賴於關於這些項的定義。
一、DF檢驗
隨機遊走序列 Xt=Xt-1+μt是非平穩的，其中μt是白噪聲。而該序列可看成是隨機模型Xt=ρXt-1+μt中引數ρ= 1時的情形。也就是說，我們對式 Xt=ρXt-1+μt
（1） 做迴歸，如果確實發現ρ=1，就說隨機變數Xt有一個單位根。可變形式成差分形式：Xt=(ρ-1)Xt-1+μ t =δXt-1+ μt
（2）檢驗
（1）式是否存在單位根ρ=1，也可透過（2）式判斷是否有 δ=0檢驗一個時間序列Xt的平穩性，可透過檢驗帶有截距項的一階自迴歸模型 Xt=α+ ρXt-1 +μt （*）中的引數ρ是否小於1。或者：檢驗其等價變形式Xt=α+ δXt-1+μt（**）中的引數δ是否小於0 。
零假設 H0：δ= 0；備擇假設 H1：δ< 0 可透過OLS法估計Xt=α+ δXt-1+μt並計算t統計量的值，與DF分佈表中給定顯著性水平下的臨界值比較：如果：t < 臨界值，則拒絕零假設H0：δ= 0 ，認為時間序列不存在單位根，是平穩的。
二、ADF檢驗
在DF檢驗中，實際上是假定了時間序列是由具有白噪聲隨機誤差項的一階自迴歸過程AR(1)生成的。但在實際檢驗中，時間序列可能由更高階的自迴歸過程生成的，或者隨機誤差項並非是白噪聲，為了保證DF檢驗中隨機誤差項的白噪聲特性，Dicky和Fuller對DF檢驗進行了擴充，形成了ADF（Augment Dickey-Fuller ）檢驗。
進行ADF檢驗要分3步：
1 對原始時間序列進行檢驗，此時第二項選level，第三項選None.如果沒透過檢驗，說明原始時間序列不平穩；
2 對原始時間序列進行一階差分後再檢驗，即第二項選1st difference，第三項選intercept,若仍然未透過檢驗，則需要進行二次差分變換；
3 二次差分序列的檢驗，即第二項選擇2nd difference ，第四項選擇Trend and intercept.一般到此時間序列就平穩了。
在進行ADF檢驗時，必須注意以下兩個實際問題：
（1）必須為迴歸定義合理的滯後階數，通常採用AIC準則來確定給定時間序列模型的滯後階數。在實際應用中，還需要兼顧其他的因素，如系統的穩定性、模型的擬合優度等。
（2）可以選擇常數和線性時間趨勢，選擇哪種形式很重要，因為檢驗顯著性水平的 t 統計量在原假設下的漸近分佈依賴於關於這些項的定義。