结果显示平稳的，置信度小于0.01，否定原假设。

同时adf值小于一级别说明不存在单位根。

在執行ARMA分析時，應先判斷時序資料是否為定態，才可跑ARMA分析。我將相關步驟臚列如下：
1.對時序進行單位根檢驗(常用為ADF單根檢定或PP單根檢定)
2.確認時序資料為定態或已轉為定態後，建立ARMA模型
3.使用PACF及ACF相關圖，判斷ARMA階次。AR項在ACF會有拖尾現象；在PACF會有斷尾，以PACF斷尾階次為判定標準。MA項在PACF會有拖尾現象；在ACF會有斷尾，以ACF斷尾階次為判斷。
4.先檢驗ARMA模型各變項的顯著性，以刪除不合適的落後變項，之後進行殘差檢定。
5.殘差檢定須檢查Q檢定(殘差自相關)、Q2檢定(殘差異質變異)及JB檢定(殘差常態性)，如上述檢定未過，則需重建模型，適度加入AR或MA項。有種情況是Q檢定過而Q2不過，此時表您的模型存在殘差異質變異，則您不可用ARMA模型，必項使用ARCH模型做分析。最後的JB檢定其實過與不過關係不大，因為時序資料常有偏態或狹峰問題，能符合當然最好。(順便一提，此三種檢定，P>0.05，才表不具自相關、不存在異質變異、具常態性)
另外，EVIEWS7以上版本，已有可自行判斷階次的ADD-INS，相當方便！
還有假如有單位根問題，那ARMA(p,q)模型應改稱ARIMA(p,d,q),其中除了p與q為ARMA的階次外，d為差分次數。