29/07/2026
📘 سلسلة تعلم EViews من الصفر إلى الاحتراف
🎓 الدرس السادس: اختبار جذر الوحدة (Unit Root Test - ADF)
بعد التأكد من أن البيانات موزعة توزيعًا طبيعيًا، ننتقل إلى أحد أهم الاختبارات في السلاسل الزمنية، وهو اختبار جذر الوحدة (ADF).
⸻
ما هو اختبار ADF؟
هو اختبار يُستخدم لمعرفة ما إذا كانت السلسلة الزمنية مستقرة (Stationary) أم غير مستقرة (Non-Stationary).
⸻
ما المقصود بالاستقرارية؟
السلسلة المستقرة هي التي لا تتغير خصائصها الإحصائية بمرور الزمن، مثل:
✅ المتوسط (Mean) يبقى ثابتًا.
✅ التباين (Variance) يبقى ثابتًا.
إذا كانت البيانات غير مستقرة، فقد تؤدي إلى نتائج مضللة عند بناء النماذج القياسية.
⸻
لماذا نستخدم اختبار ADF؟
نستخدمه من أجل:
✅ معرفة هل السلسلة مستقرة أم لا.
✅ تحديد الحاجة إلى أخذ الفرق الأول (First Difference).
✅ اختيار النموذج القياسي المناسب مثل:
* ARIMA
* VAR
* VECM
* ARDL
⸻
خطوات إجراء الاختبار في EViews
1️⃣ افتح المتغير المراد اختباره.
2️⃣ من القائمة اختر:
View → Unit Root Test
3️⃣ اختر:
Augmented Dickey-Fuller (ADF)
4️⃣ حدد نوع الاختبار المناسب (Intercept أو Trend and Intercept).
5️⃣ اضغط OK.
⸻
كيف نفسر النتائج؟
ركز على Probability (Prob.).
🟢 إذا كانت:
Prob. < 0.05
➡️ السلسلة مستقرة (Stationary).
⸻
🔴 إذا كانت:
Prob. > 0.05
➡️ السلسلة غير مستقرة (Non-Stationary).
وفي هذه الحالة نأخذ الفرق الأول (First Difference) ثم نعيد الاختبار.
⸻
💡 مثال
إذا كانت النتائج:
* ADF Statistic = -4.25
* Probability = 0.002
بما أن:
0.002 < 0.05
فنستنتج أن السلسلة مستقرة.
⸻
⚠️ ملاحظة مهمة
في اختبار ADF لا تعتمد على قيمة Probability فقط، بل يُفضَّل أيضًا مقارنة قيمة ADF Statistic بالقيم الحرجة (Critical Values) الموجودة في نافذة النتائج. إذا كانت قيمة ADF Statistic أكثر سلبية من القيمة الحرجة عند مستوى 5%، فهذا يؤكد أن السلسلة مستقرة.
⸻
📌 في الدرس القادم: سنتعرف على كيفية تحويل السلسلة غير المستقرة إلى سلسلة مستقرة باستخدام الفرق الأول (First Difference) مع تطبيق عملي في EViews.
#الدكتوراه
