Durbin Watson检验统计量


11

我将DW检验应用于R中的回归模型,得到的DW检验统计量为1.78,p值为2.2e-16 = 0。

这是因为stat接近2且p值很小,还是意味着残差之间没有自相关?还是意味着尽管stat接近2还是p值很小,因此我们拒绝了存在的零假设没有自相关?


您的回归是否包括因变量的滞后作为回归?
ColorStatistics

Answers:


22

在R,该函数durbinWatsonTest()car包验证是否从线性模型的残差是相关的或不:

  • 零假设()是残差之间没有相关性,即它们是独立的。H0
  • 另一种假设()是残差是自相关的。H一个

由于p值接近零,这意味着人们可以拒绝零值。


6

如果您相信DW测试,则可以,它表明您具有串行相关性。但是,请记住,假设检验的语言永远不会接受任何东西,只能拒绝它。

此外,DW测试还需要完整的经典线性模型假设集,包括正态性和无偏性才能拥有任何功效。几乎没有现实生活中的应用程序可以合理地假设这一点,因此您将很难说服其他人对其有效性进行说服。有很多更简单(更可靠)的测试可以代替DW使用,您应该使用这些测试!

当然,简单的解决方案是仅计算鲁棒的标准误差,例如newey-west(在R中很容易做到),那么您可以简单地忽略该问题


2

Durbin Watson测试旨在检查正和负自相关,但仅用于一阶。请勿将其用于与1阶以上自相关的数据。以下链接同时显示了假设和推论

https://www.statisticshowto.datasciencecentral.com/durbin-watson-test-coefficient

从此网站:

“ Durbin Watson检验的假设是:H0 =不存在一阶自相关。H1 =存在一阶相关。

Durbin Watson检验报告了一个检验统计量,其值为0到4,经验法则是:

2 is no autocorrelation.
0 to <2 is positive autocorrelation (common in time series data).
>2 to 4 is negative autocorrelation (less common in time series data).

根据经验,测试统计值在1.5到2.5的范围内是相对正常的。”

请注意,要获得更精确的结论,我们不仅应依赖DW统计信息,还应查看p值。像SAS这样的软件包将提供2个p值-一个用于测试正一阶自相关,第二个用于测试负一阶自相关(两个p值加1)。如果两个p值都大于您选择的Alpha(在大多数情况下为0.05),则我们不能拒绝“不存在一阶自相关的原假设”。

如果任何一个p值<0.05(或选择的Alpha),则我们知道相应的替代假设为真(1- Alpha确定性)。

希望对您有所帮助。


0

dwtest针对替代假设而非原假设进行检验。因此,如果p值在您说的水平以下,则表示其接受替代假设,并拒绝原假设。


4
可以说对存在的每项统计测试都可以说...
gung-恢复莫妮卡

0

p值是您应拒绝原假设的较低的α(显着性水平alpha水平)。

只是一条红线:如果您对α= 0.1,α= 0.05,α= 0.01或任何α> 2.2e-16没问题,那没关系。此p值可确保必须拒绝原假设,并且您无需为每个级别都反复进行测试。

其他测试和p值也是如此。但是您可能不会忘记零假设和替代假设


这个问题似乎有点含糊,但是这似乎并没有解决解释有关低p值对相关残差的存在意味着什么的问题。
迈克尔·R·切尔尼克

@MichaelChernick零假设必须被拒绝:残差是相关的。p值〜0表示错误地假设结论的风险几乎为零。同样,这意味着假设假设为真几乎是100%安全的。看看这里的更多。
安德烈·奥利维拉
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.