看到这个问题，刚好本人最近的论文使用了ADF检验这个方法，前段时间研究了整个ADF检验的流程，对其有较深刻的理性认识。
通俗来讲，在一般情况下，ADF检验主要用于时间序列数据，这是因为时间序列会存在不平稳的过程，不平稳的时间序列数据可能会带来t检验失败、自回归系数估计值有偏向的等问题，最后使用stata对数据跑回归可能是一个伪回归或者伪相关，因此得出来的回归结果就是不大可靠的。
在ADF检验当中比较重要的一个环节就是看滞后阶数是否显著（lags几期）之后回归。接下来讲一下stata操作流程：
首先，进行不带趋势项的DF检验，命令为dfuller lny（假如lny是经济产出变量），看DF统计量大不大于左边单侧检验，若小于，则可以拒绝“存在单位很”的原假设。
接着输入“dfuller lny，lags（xx）reg ”，其中，xx可以是任何数字，用于检测最优滞后阶数，如果Z值一直不显著，可以使用PP检验，命令为：pperron lny。
如果PP检验还是不显著........那就用最有功效的DF-GLS检验，命令为：“dfgls lny” ，此时stata会给你一个表格，该表会显示数据在几阶的1%、5%、10%显不显著，这个时候再不显著，就证明该时间序列存在单位根。
发现数据存在单位根之后我们要将原假设变为平稳序列，这个时候要进行KPSS检验，命令为：“kpss lny，nottrend”。
接着stata会告诉你数据从几阶到几阶滞后，如果统计量均大于5%置信水平的统计值，则认为存在单位根，因此，进一步检验lny的差分是否平稳，命令为：dfgls dlny，如果表格显示滞后阶数介于几到几之间，那这个时候就可以拒绝原假设了，即认为差分dlny为平稳过程。
之后再进行kpss检验，命令为：“kpss dlny，nottrend ”。
这个时候，我们就可以看到统计量均远小于5%的临界值，接受平稳过程的原假设，在最后填写ADF检验结果表格的时候就可以写上：“接受lny 为a阶单整a（x）过程。”
然后上述过程对每个时间序列变量都进行一遍。
在最后的结果表格写上：“ADF统计值、5%临界值、P值、平稳与否。”
在进行kpss检验之后为几阶单整过程即可。（如果理解不了其中的数学逻辑可以先上软件操作，论文中不需要太多的理论推导，上结果分析回归结果即可，答辩的时候再准备理论推导）
参考资料：陈强.高级计量经济学及stata应用[M].高等教育出版社.2010（414-422）
