Słownik
Test Durbina-Watsona
Test Durbina-Watsona – jest procedurą statystyczną stosowaną przede wszystkim w analizie regresji liniowej do oceny, czy reszty modelu są ze sobą skorelowane. Test koncentruje się przede wszystkim na autokorelacji pierwszego rzędu, czyli zależności pomiędzy resztami odpowiadającymi kolejnym obserwacjom. Test Durbina-Watsona pozwala sprawdzić, czy kolejne reszty modelu regresji wykazują systematyczną zależność zamiast zachowywać się niezależnie .
Występowanie autokorelacji reszt może prowadzić do nieprawidłowego oszacowania błędów standardowych, a w konsekwencji do błędnych przedziałów ufności i wyników testów istotności. Test Durbina-Watsona jest szczególnie przydatny wtedy, gdy obserwacje posiadają naturalną kolejność, przede wszystkim w danych zbieranych w czasie, np. analiza szeregów czasowych. Przykładem może być modelowanie miesięcznej sprzedaży, rocznych wskaźników gospodarczych czy innych danych, dla których obserwacja w jednym okresie może być związana z obserwacją w okresie poprzednim.
Test Durbina-Watsona ma największe znaczenie w danych uporządkowanych w czasie; nie jest rutynowo potrzebny w każdym modelu regresji opartym na niezależnych obserwacjach. W klasycznej regresji liniowej dla danych niezależnych większe znaczenie mogą mieć inne elementy diagnostyki modelu, np. analiza reszt czy ocena współliniowości predyktorów za pomocą współczynnika VIF dla współliniowości.Wartość statystyki Durbina-Watsona mieści się w przedziale od 0 do 4:
- wartość około 2 wskazuje na brak wyraźnej autokorelacji pierwszego rzędu,
- wartości poniżej 2 wskazują na tendencję do autokorelacji dodatniej,
- wartości powyżej 2 wskazują na tendencję do autokorelacji ujemnej,
- wartości zbliżone odpowiednio do 0 lub 4 oznaczają coraz silniejszą autokorelację dodatnią lub ujemną.
