主要内容

DWTest.

Durbin-Watson测试用线性回归模型对象

页面上倒塌

句法

p = dwtest（mdl）
p = dwtest（mdl，方法）
p = dwtest（mdl，方法，尾部）
[p，dw] = dwtest（___）

描述

例子

P.= dwtest（MDL.）返回P.- 左边的价值Durbin-Watson测试关于线性回归模型的残差MDL.。零假设是残留物是不相关的，并且替代假设是残留物是自相关的。

P.= dwtest（MDL.那方法）指定计算的算法P.-价值。

P.= dwtest（MDL.那方法那尾巴）指定替代假设。

[P.那DW.] = dwtest（___）还使用先前语法中的任何输入参数组合返回Durbin-Watson统计信息。

例子

全部收缩

打开直播脚本

确定拟合的线性回归模型是否具有自相关残差。

加载普查数据集并创建线性回归模型。

加载普查mdl = fitlm（Cdate，Pop）;

找出P.- 德宾 - 沃森自相关试验的价值。

p = dwtest（mdl）
p = 3.6190e-15

小P.-Value表示残差是自相关的。

输入参数

全部收缩

线性回归模型，指定为alinearmodel.使用的对象Fitlm.要么步骤行程。

计算算法P.-Value，指定为其中一个值：

  • '精确的'- 计算精确P.- 使用PAN的算法值[2]。

  • '近似'- 计算P.- 使用正常近似值[1]。

默认为'精确的'样本大小小于400， 和'近似'否则。

要测试的替代假设类型，指定为其中一个值：

价值 替代假设
'两个都'

串行相关不是0。
'对'

串行相关性大于0（右尾尾测试）。
'剩下'

串行相关小于0（左尾测试）。

DWTest.测试是否MDL.没有串行相关性，针对指定的替代假设。

输出参数

全部收缩

P.- 测试的值，作为数值返回。DWTest.测试残差是否不相关，反对残留物中存在自相关的替代方案。一个小的P.-Value表示残差是自相关的。

Durbin-Watson统计值，作为非负数字值返回。

更多关于

全部收缩

Durbin-Watson测试

Durbin-Watson测试测试测试时间序列数据的线性回归残差不相关，反对替代假设存在递归。

Durbin-Watson测试的测试统计是

D. W. = σ. 一世 = 1 N - 1 （ R. 一世 + 1 - R. 一世 ） 2 σ. 一世 = 1 N R. 一世 2 那

在哪里R.一世是个一世原始的残余，和N是观察人数。

这P.- Durbin-Watson测试的价值是观察测试统计学的概率，如零假设下观察到的值。一个明显的小P.-Value对零假设的有效性产生了疑问，并表明残留物之间的自相关。

参考

[1]德宾，J。和G. S. Watson。“测试以最小二乘回归I的串行相关性I.Biometrika37，pp。409-428,950。

[2]票价，R. W.Pan的“Durnin-Watson统计的尾部概率的程序”。应用统计29，pp。224-227,980。

扩展能力

也可以看看

|||

话题

在R2012A介绍

统计和机器学习工具箱文档

金宝app

掌握机器学习：使用MATLAB逐步指南

掌握机器学习：使用MATLAB逐步指南

下载电子书