一、平穩性的圖示判斷
給出一個隨機時間序列，首先可以通過該序列的事件路徑圖來粗略地判斷它是否是平穩的。使用語句Ｔ＝@ＴＲＥＮＤ＋１９７８產生時間點的序列Ｔ，畫出ＣＰＩ跟時間Ｔ的關係圖，即時序圖，如圖112所示。
圖112
由圖112，我們可以直觀地看到ＣＰＩ關於時間Ｔ有明顯遞增的趨勢，不同時間段的均值不同，有持續上升，即ＣＰＩ序列不平穩。
當然，這種直觀的圖示也常引發誤導，因此需要進行進一步的判斷。
二、樣本自相關圖判斷
點擊主界麵Quick→Series Statistics→Correlogram...，在彈出的對話框中輸入ＣＰＩ
，點擊OK就會彈出Correlogram Specification對話框，選擇Level，並輸入要輸出的階數(一般為12)，點擊OK，即可得到ＣＰＩ的樣本相關函數圖，如圖113所示。
圖113
一個時間序列的樣本自相關函數定義為：
rk＝∑n-kt=1（Ｘt－Ｘ）（Ｘt+k－Ｘ）∑nt=1（Ｘt－Ｘ）２，k＝１，２，３，…
易知，隨著k的增加，樣本自相關函數下降且趨於零。但從下降速度來看，平穩序列要比非平穩序列快得多。從上述樣本相關函數圖，可以看到ＣＰＩ的樣本相關函數是緩慢的遞減趨於零的，並沒有像偏自相關函數那樣的迅速減為零。所以，通過ＣＰＩ的樣本相關圖，可初步判定該ＣＰＩ時間序列非平穩。
當然這中判斷方法也是有一定的主觀性的，下麵我們進行客觀性的判斷，進一步明確ＣＰＩ序列的平穩性。
三、單位根檢驗
采用單位根檢驗(ＡＤＦ檢驗)對ＣＰＩ序列進行平穩性的單位根檢驗。點擊主界麵Quick→Series Statistics→Unit Root Test，在彈出的Series對話框中輸入CPI，點擊OK，就會出現Unit Root Test對話框，如圖114所示。