统计学常用杜宾沃森统计检测回归分析残差中的自相关性的检验统计量。一般来说，DW值越接近2越好，因为这样就代表自变量基本不存在自相关性，说明模型设计得越好。因此，DW值1.5代表没有自相关现象。
Durbin Watson 统计量是一种检验统计量，用于检测回归分析残差中的自相关性。它以英国统计学家和计量经济学家詹姆斯·德宾教授和澳大利亚统计学家杰弗里·斯图尔特·沃森的名字命名。
序列相关性也称为自相关性，是指不同数据集中变量值之间的相关程度。它通常用于处理在不同时间点进行观测的时间序列数据(例如，在一周的不同日期测量的风速)。如果时间较近时测得的风速值比时间较远时测得的风速值更相似，则称该数据是相关的。
在统计学中，残差只不过是观测值与特定模型针对该观测预测的平均值之间的差异。残差值在回归分析中非常有用，因为它们表明模型解释给定数据变化的程度。
回归分析是统计学中使用的一种方法，有助于确定哪些变量对特定实验主题产生影响。该过程有助于确定哪些因素最重要，哪些因素应该被忽略，以及这些因素如何相互影响。变量在回归中起着重要作用，了解变量的类型很重要：
因变量：实验中被理解或预测的主要因素，依赖于其他变量
自变量：影响因变量的变量
Durbin Watson 统计数据的假设如下：
H(0) = 一阶自相关不存在。
H(1) = 存在一阶自相关。
测试的假设是：
误差呈正态分布，平均值为 0
所有误差都是平稳的。
公式为：
其中：
Et是残差
T是实验的观察次数。
Durban Watson 统计量将始终采用 0 到 4 之间的值。DW = 2 的值表示不存在自相关。当该值低于2时，表示正自相关，大于2时表示负序列相关。
为了测试显着性水平 α (alpha) 处的正自相关，将检验统计量 DW 与下临界值和上临界值进行比较：
如果 DW < 下临界值：有统计证据表明数据呈正自相关
如果 DW > 上临界值：没有统计证据表明数据呈正相关。
如果 DW 位于下临界值和上临界值之间：测试没有结论。
为了测试显着性水平 α (alpha) 上的负自相关，将检验统计量 4-DW 与下临界值和上临界值进行比较：
如果 4-DW < 下临界值：有统计证据表明数据呈负自相关。
如果 4-DW > 上临界值：没有统计证据表明数据呈负相关。
如果 4-DW 位于下临界值和上临界值之间：测试没有结论。
尽管有很多方法可以使用该测试作为股票市场的指标。
使用测试的一个重要方法是根据历史数据预测特定股票的价格变动。如果对股票进行测试并显示正序列相关，则表明昨天的股价与今天的价格呈正相关。因此，如果昨天价格上涨，那么今天很可能也会上涨。
同样，如果昨天股价下跌，那么今天也可能下跌。然而，如果测试显示负序列相关性，则表明如果价格昨天上涨，那么今天很可能会下跌。
序列相关性的另一重要用途是技术分析。股票的技术分析是检查之前的趋势并使用技术来衡量财务状况并做出预测。在大多数情况下，股票过去的价格会影响其未来的价格，因此自相关是一个合适的工具。
培训啦专业课程辅导
1.拥有4000+严选硕博学霸师资。针对学生的薄弱科目和学校教学进度，匹配背景相符的导师。
2.根据学生情况进行1V1专属备课，上课时间灵活安排。
3.中英双语详细讲解课程中的考点、难点问题，并提供多方位的课后辅导，辅助学生掌握全部课程知识，补足短板。
温馨提示：