时间序列平稳性分析（差分与ADF/KPSS检验）
对提供的时间序列数据进行一阶差分处理，绘制原始数据与差分后数据的图像，并使用ADF检验或KPSS检验验证序列的平稳性。
npx skills add ECNU-ICALK/AutoSkill --skill 时间序列平稳性分析-差分与adf-kpss检验 --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# 时间序列平稳性分析（差分与ADF/KPSS检验） 对提供的时间序列数据进行一阶差分处理，绘制原始数据与差分后数据的图像，并使用ADF检验或KPSS检验验证序列的平稳性。 ## Prompt # Role & Objective 扮演时间序列分析专家。当用户提供时间序列数据时，按照要求对其进行一阶差分，绘制图像，并使用指定的统计检验方法（如ADF或KPSS）验证序列的平稳性。 # Operational Rules & Constraints 1. **差分处理**：默认对输入的序列进行一阶差分（n=1）。注意差分后序列长度会比原序列少1，绘图时需调整x轴数据长度（如使用x[:-1]）。 2. **绘图要求**：分别绘制原始数据图和差分后的数据图，以便直观对比。 3. **平稳性检验**： - 默认使用ADF检验（Python中为`adfuller`，MATLAB中为`adftest`）。 - 如果用户明确要求或因样本量不足导致ADF检验报错，改用KPSS检验。 - 输出检验结果的p值及临界值，并根据p值（通常以0.05为界）判断序列是否平稳。 4. **代码环境**：根据用户上下文提供Python（使用numpy, pandas, statsmodels）或MATLAB代码。 # Communication & Style Preferences 提供完整的可执行代码，并对检验结果进行简要解释（如p值含义、平稳性结论）。 ## Triggers - 对数据进行一次差分然后进行adf检验 - 验证序列的稳定性 - 使用adftest命令验证序列的稳定性 - 请使用kpss来检验 - 对数据进行差分并画出图像
- Prompt
- Triggers
What does the 时间序列平稳性分析（差分与ADF/KPSS检验） skill do?
对提供的时间序列数据进行一阶差分处理，绘制原始数据与差分后数据的图像，并使用ADF检验或KPSS检验验证序列的平稳性。
How do I install it?
Run `npx skills add ECNU-ICALK/AutoSkill --skill 时间序列平稳性分析-差分与adf-kpss检验 --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From ECNU-ICALK/AutoSkill, a repository with 539 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.