Thống kê kiểm tra Durbin Watson

Tôi đã áp dụng thử nghiệm DW cho mô hình hồi quy của mình trong R và tôi có thống kê thử nghiệm DW là 1,78 và giá trị p là 2,2e-16 = 0.

Điều này có nghĩa là không có sự tương quan giữa các phần dư bởi vì chỉ số này gần bằng 2 với giá trị p nhỏ hoặc có nghĩa là mặc dù chỉ số gần với 2 giá trị p là nhỏ và do đó chúng tôi bác bỏ giả thuyết khống về tồn tại không tự kỷ?

Trong R, hàm durbinWatsonTest()từ cargói xác minh xem phần dư từ mô hình tuyến tính có tương quan hay không:

• Giả thuyết khống ( ) là không có mối tương quan giữa các phần dư, tức là chúng độc lập.$\text{H}_0$
• Giả thuyết thay thế ( ) là phần dư được tự động hóa.$\text{H}_a$

Vì giá trị p gần bằng 0 nên có nghĩa là người ta có thể từ chối null.

Nếu bạn tin rằng thử nghiệm DW, thì có, nó chỉ ra rằng bạn có mối tương quan nối tiếp. Tuy nhiên, hãy nhớ rằng ngôn ngữ kiểm tra giả thuyết bạn không bao giờ có thể chấp nhận bất cứ điều gì, bạn chỉ có thể không từ chối nó.

Hơn nữa, thử nghiệm DW yêu cầu tập hợp đầy đủ các giả định mô hình tuyến tính cổ điển, bao gồm tính quy tắc và không thiên vị để có bất kỳ quyền lực nào. Hầu như không có ứng dụng thực tế nào có thể hợp lý giả định điều này, và do đó bạn sẽ khó thuyết phục được người khác về tính hợp lệ của nó. Có nhiều thử nghiệm đơn giản hơn (và mạnh mẽ hơn) để sử dụng thay vì DW, bạn nên sử dụng các thử nghiệm này!

Tất nhiên, giải pháp dễ dàng là chỉ tính toán các lỗi tiêu chuẩn mạnh, ví dụ như newey-west (dễ thực hiện trong R), sau đó bạn có thể chỉ cần bỏ qua vấn đề

Thử nghiệm Durbin Watson có vẻ để kiểm tra cả tự động tương quan tích cực và tiêu cực nhưng chỉ cho đơn hàng đầu tiên. Nó không nên được sử dụng cho dữ liệu được tự động hóa vượt quá thứ tự 1. Liên kết sau đây cho thấy cả giả thuyết cũng như suy luận

https://www.statistichowto.datasciencecentral.com/durbin-watson-test-cffic

Từ trang web này:

"Các giả thuyết cho thử nghiệm Durbin Watson là: H0 = không có tự động tương quan thứ tự đầu tiên. H1 = tồn tại mối tương quan thứ tự đầu tiên.

Thử nghiệm Durbin Watson báo cáo một thống kê kiểm tra, với giá trị từ 0 đến 4, trong đó quy tắc ngón tay cái là:

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).

Một nguyên tắc nhỏ là các giá trị thống kê kiểm tra trong khoảng 1,5 đến 2,5 là tương đối bình thường. "

Lưu ý rằng để có được kết luận chính xác hơn, chúng ta không nên chỉ dựa vào thống kê DW, mà nên nhìn vào giá trị p. Các gói phần mềm như SAS sẽ cung cấp 2 giá trị p - một cho thử nghiệm tự động tương quan thứ tự dương và gói thứ hai cho thử nghiệm tự động tương quan thứ tự âm (cả hai giá trị p đều tăng lên 1). Nếu cả hai giá trị p đều nhiều hơn Alpha đã chọn của bạn (0,05 trong hầu hết các trường hợp), thì chúng tôi không thể từ chối giả thuyết khống rằng "không có tự động tương quan thứ tự đầu tiên tồn tại.

Nếu bất kỳ một trong các giá trị p là <0,05 (hoặc Alpha được chọn), thì chúng ta biết rằng giả thuyết thay thế tương ứng là đúng (với độ chắc chắn 1- Alpha).

Tôi hy vọng điều đó sẽ giúp.

Các thử nghiệm dwtest chống lại giả thuyết thay thế thay cho giả thuyết null. Vì vậy, nếu giá trị p dưới mức bạn nói, thì có nghĩa là nó chấp nhận giả thuyết thay thế và bác bỏ giả thuyết khống.

Giá trị p là giá trị α ( mức ý nghĩa hoặc mức alpha ) thấp hơn mà bạn nên từ chối giả thuyết khống.

Đó chỉ là một đường màu đỏ: nếu bạn ổn với α = 0,1, α = 0,05, α = 0,01 hoặc bất kỳ α> 2.2e-16, thì cũng không vấn đề gì. Giá trị p này đảm bảo rằng giả thuyết null phải bị loại bỏ và bạn không cần phải kiểm tra lại nhiều lần cho mỗi cấp độ.

Điều tương tự với các thử nghiệm khác và giá trị p. Nhưng bạn có thể không quên những gì là null và giả thuyết thay thế .