本文基于单位根检验基本原理，比较了 5 种单位根检验的方法，说明在小样本情况下，为提高检验功效，应针对数据生成过程的特点联合多种检验法进行检验。如果检验变量为非平稳，则需要进行进一步的结构突变检验，本文主张选用结构突变点内生的 Perron 检验法与外生检验法相结合来判断变量的平稳性。
为了提高时间序列单位根检验结果的可信性，应针对变量的数据生成特点采用多种单位根检验，并对其结果进行综合比较，若检验结果拒绝单位根过程，则可得出该序列是平稳序列；但若是非平稳的，还不能得出最终结论，因为检验研究假设前提是数据生成过程（DGP）无结构变化。由于剧烈的外生冲击（如制度变迁，宏观经济政策等）可能会导致 DGP 具有结构突变，但若不考虑这种突变，用单位根检验时，将会把一个带水平突变或趋势突变的退势平稳过程误判为随机趋势非平稳过程，即进行单位根检验时不考虑结构突变会导致检验功效的降低。Perron (1989) 提出了结构突变的单位根检验，他利用此种方法对美国的 14 个经济变量重新进行平稳性检验发现，在 Nelson 和 Plosser 检验的美国 13 个非平稳变量中，有 10 个变量是结构突变的趋势平稳，即分段平稳序列。
KPSS 检验法由 Kwiatkow ski 等人（1992) 提出，因为任何假设检验中存在着“弃真和“取伪”两类错误，当样本容量有限时，a（弃真概率）和β（取伪概率）不能同时取极小，通常把拒绝 H0比错误地接受看得更重些，所以一般采用 Neyman- Pearson 准则，即在控制 a 一定的条件下尽量β达到极小。
基于上述分析，结构突变的单位根检验就转化为对退化趋势之后的残差的单位根检验。首先对时间序列退化趋势，然后对退化趋势后的残差进行单位根检验，并由此判断是具有结构突变的趋势稳定过程还是具有结构突变的单位根过程。
Perron (1997) 提出的适于内生性结构突变的单位根检验法，其原理是在结构突变点未知的条件下，先用结构突变变量的时间趋势项退势，
然后用退势的序列进行 ADF检验。对所有可能的结构突变点重复上述步骤。与相应的临界值比较，若大于临界值，原序列是具有结构突变的单位根过程；若小于临界值，则原序列是趋势突变的平稳过程。
数据为何种生成过程是选择单位根检验法的前提条件，ADF 检验法是假设数据生成过程是自回归过程，KPSS 检验法与 ADF 检验法具有互补性，DFLS 检验法主要是针对有确定趋势的 AR 模型，因此，若需检验的变量的数据生成过程为自回归过程，把以上三种方法联合起来检验可信度会更强。而 PP 检验法是假设数据的生成过程是移动平均过程，但是在小样本条件下 PP 检验存在着严重的检验水平畸变的现象，NP 检验法正是针对这一现象对原 PP 检验中的检验统计量进行了修正，由此，若数据生成过程满足移动平均过程，选用 PP 检验和 NP 检验更符合实际情况。因此，我们在对变量进行单位根检验前，先判断其数据生成过程的类型。