ADF検定は[[自己回帰モデル|ARモデル]]を仮定した[[単位根検定]]の手法である．[[DF検定]]は真の過程をAR(1)モデルと仮定していることから用途が制限されるのに対して，ADF検定では真の過程をAR(p)モデルに拡張した検定である． ADF検定における仮説は， - 帰無仮説：データは[[単位根過程]] - 対立仮説：データは[[定常性|定常過程]] であるため，あるメトリックから算出したp値が有意水準を下回り帰無仮説が棄却された場合，対立仮説である「データが定常過程」が採択され，メトリックは定常性を有すると判定できる． AR(p)モデルに従う時系列データ$y_t$が単位根過程に従うとき，AR特性方程式は $z=1$を解にもつため，単位根検定をするためには， $\sum_{i=1}^p \phi_i=1$ を検定しなければならない． しかし，この計算はパラメータすうが多く計算が複雑になるため，ADF検定では，以下のように変形した式を用いている． （`ToDo：ADF検定の定常条件に用いている式について`） --- [[ADF検定の実装]]