搜索
導航
本科課程輔導
發布時間：2024-01-25 11:47
Durbin Watson (DW)統計量用于檢驗統計回歸分析殘差中的自相關性。如果存在自相關性，它會低估標準誤差，可能導致我們誤以為預測變量顯著，而實際上它們并不顯著。
自相關性可以是正的或負的。具有正自相關性的股票意味著如果股票在前一天下跌，那么今天它也有可能下跌。具有負自相關性的股票意味著如果它在前一天下跌，今天有更大的可能性上漲。
杜賓-沃森測試尋找一種特定類型的序列相關，即一階相關(滯后為1單位)。杜賓-沃森測試的假設為：
H0 = 不存在一階自相關。 H1 = 存在一階相關。
DW測試統計量d為：
其中，
et- 是OLS回歸的殘差。
et-1 是殘差的一階差分。
DW統計量d的取值范圍在0和4之間。 d = 2表示沒有自相關。 0 < d < 2表示正自相關。 2 < d < 4表示負自相關。
一般遵循的規則是：DW測試統計量在1.5到2.5的范圍內相對可接受。超出此范圍的值可能引起擔憂。小于1或大于3的值是明顯的擔憂原因。
OLS回歸的一個假設是誤差項之間不相關。DW檢驗用于確認誤差項之間是否存在“無自相關”。
DW測試的優點是：這是確認回歸分析殘差中是否存在自相關的一種簡單方法。DW測試的確點是：在某些情況下，DW測試可能無法得出結論。當在預測變量中包含滯后的因變量時，使用此測試是不適當的。
在下面的部分，考慮了一個案例，其中要使用預測變量(店鋪面積、店鋪位置、上一個財政年度的數據變量，如總面積、促銷期凈銷售、非促銷期凈銷售)來預測零售連鎖店的“預估總零售銷售額”(目標)。
對“預估總零售銷售額”(目標)進行的線性回歸的結果顯示以下預測變量是顯著的：店鋪類型、店鋪面積、FY16總面積、FY16非促銷期凈銷售、FY17非促銷期凈銷售、FY15促銷期凈銷售、FY16促銷期凈銷售、FY17促銷期凈銷售。
DW測試在上述預測變量和因變量“預估總零售銷售額”上運行。
a.輸入
因變量：選擇用于回歸分析的因變量。它必須是一個連續變量。例如，在這種情況下是“預估總零售銷售額”。
b.參數
Dependent_Variables：EstimatedTotalRetailSale在ATH中，要運行該函數，您需要選擇數據的列，然后使用路徑：機器學習 -> 回歸分析(線性) -> 杜賓-沃森檢驗
c.輸出和解釋
該函數的輸出顯示下表，其中包含以下內容：自相關值、DW統計量、測試的p值(即獲得一個值大于|自相關值|的概率)。在1%的顯著性水平下，我們得出結論，如果p值為“0.01”，則可以拒絕H0(自相關值=0)。
海馬課堂專業課程輔導
①3500+海外碩博導師,Highmark承諾導師真實教育背景，假一賠三!
③根據學生情況進行1V1專屬備課，輔導不滿意隨心退!
②試聽課全面升級!讓留學生聽得安心!
④課程輔導產品升級贈送考前檢驗。
⑤中英雙語詳細講解課程中的考點、難點問題，提供多方位的課后輔導!
如果你對此還有疑問,或者有更多關于學業輔導方面需求的話,可以添加微信號：hmkt131聯系海馬課堂的Joye老師哦。
