Test Durbina-Watsona jest procedurą statystyczną stosowaną w analizie regresji. Jej celem jest weryfikacja założenia o nieskorelowaniu błędów (reszt) w modelu regresji. Występowanie autokorelacji reszt może prowadzić do błędnego wnioskowania statystycznego dokonywanego na podstawie stworzonego modelu (m.in. przez obciążenie estymatorów i nieprawidłowe błędy standardowe).

Warto jednak podkreślić, że test Durbina-Watsona zwykle stosujemy gdy występuje jakaś sekwencja czasowa zbierania danych, innymi słowy prowadzimy badania z wykorzystaniem pomiarów powtarzanych jednej lub kilku zmiennych wykorzystywanych w analizowanym modelu regresji. W przypadku planowania badań bez pomiaru powtarzanego, wykonanie np. regresji liniowej niekoniecznie wymaga weryfikacji założenia o autokorelacji i lepiej skupić się na innych wskaźnikach np. współczynniku VIF.

Wynik testu Durbina-Watsona może przyjmować wartości między 0 a 4. Wartości bliskie 2 wskazują na brak autokorelacji pierwszego rzędu (czyli brak skorelowania reszt), podczas gdy wartości zbliżone do 0 lub 4 sugerują obecność autokorelacji. Im bliżej wartość D-W jest do 0, tym większa jest sugestia o występowaniu autokorelacji dodatniej, podczas gdy wartości zbliżone do 4 wskazują na możliwość występowania autokorelacji ujemnej. Zwykle przyjmuje się iż wartości w przedziale 1,5 – 2,5 są oznaką braku autokorelacji.

Podsumowując test Durbina-Watsona to przydatne narzędzie dla ekonometrii oraz badań naukowych, które polegają na modelowaniu regresji, zwłaszcza gdy prowadzimy pomiary powtarzane. Pozwala ono na diagnozowanie jednego z potencjalnych problemów związanych z jakością dopasowania modelu do danych, którego występowanie może prowadzić do błędnego wnioskowania dokonywanego na podstawie stworzonego modelu.