1.R語言函數ur.kpss()
對於一個時間序列，例如用R自帶的google股價變化數據goog(可以通過導入fpp2包之後直接使用goog這個數組變量，這裏僅爲示例，代指要檢驗的時間序列或者數組)。
1.1 對goog進行KPSS檢驗
R代碼爲
library(urca)
summary(ur.kpss(goog))
輸出結果如下：
這個結果怎麼解釋？沒找到官方的太嚴格的資料。我根據一些參考資料中做了一些推斷，僅供參考。
（1）比較顯然地，檢驗的結果是用 Value of test-statistic:10.7223，來和下面最下面的4個顯著性水平（significance level，10pct表示10%,5pct表示5%）和對應的臨界值（critical values）來比較。
（2）KPSS原假設H0是——序列是平穩的，KPSS檢驗是單邊檢驗。
假設檢驗的顯著性水平的含義是
P(拒絕H0 | H0爲真)=α
而拒絕H0是指發生 Value of test-statistic>Critical value【這個地方是我猜的或者推斷的】。顯著性水平的含義亦即
P( Value of test-statistic> Critical value | H0爲真)=Critical value for a sigificance level
（3）本次檢驗中Value of test-statistic=10.7223>0.739，也就是在“序列爲平穩序列這個假設前提下，概率0.01的小概率事件發生了”。所以原假設爲假。於是得出結論：原序列是非平穩序列。
1.2 對diff(goog)進行KPSS檢驗
我們都知道，差分是把非平穩序列轉化爲平穩序列的一種方法。對goog數據做一階差分操作，重新進行檢驗，
summary(ur.kpss(diff(goog)))
運行結果如下：
顯然地，Value of test-statistic 越小越好，小於最左邊的 critical values。檢驗結果沒有得出拒絕原假設的檢驗結果，所以不能拒絕原假設。
1.3 其他情況
如果 Value of test-statistic落在不同的臨界點之間，可以根據假設檢驗的原理來得出結論。其他的檢驗方法一般都用5%的臨界點作爲判斷標準。
圖片輸出中的 Test is of type:mu with 7 lags的計算方法可能是trunc(3·sqrt(n)/13)，其中n是數組或者時間序列的長度，本例中length(goog)=1000。所以trunc(3·sqrt(1000)/13)=7。