文档帮助中心文档
Durbin-Watson测试与线性回归模型对象
p = dwt (mdl)
p = dwt (mdl方法)
p = dwt (mdl方法,尾巴)
(p, DW) = dwt (___)
例子
p= dwt (mdl)返回p价值的Durbin-Watson测试在线性回归模型的残差mdl。零假设是残差不相关的,备择假设是autocorrelated残差。
p= dwt (mdl)
p
mdl
p= dwt (mdl,方法)指定的算法计算p价值。
p= dwt (mdl,方法)
方法
p= dwt (mdl,方法,尾巴)指定备择假设。
p= dwt (mdl,方法,尾巴)
尾巴
(p,DW)= dwt (___)还返回Durbin-Watson统计使用任何输入参数组合在前面的语法。
(p,DW)= dwt (___)
DW
全部折叠
确定是否合身的线性回归模型autocorrelated剩余工资。
加载人口普查数据集,并创建一个线性回归模型。
人口普查
负载人口普查mdl = fitlm (cdate、流行);
找到p价值的Durbin-Watson自相关测试。
p = 3.6190 e15汽油
小p值表明autocorrelated残差。
LinearModel
线性回归模型,指定为一个LinearModel对象创建使用fitlm或stepwiselm。
fitlm
stepwiselm
“准确”
“近似”
算法计算p值,指定这些值之一:
“准确”——计算准确的p值使用的算法[2]。
“近似”——计算p使用正常价值近似[1]。
默认值是“准确”当样本容量小于400年,“近似”否则。
400年
“两个”
“对”
“左”
备择假设测试类型,指定这些值之一:
序列相关性不是0。
序列相关性大于0 (right-tailed测试)。
序列相关性小于0 (left-tailed测试)。
dwt测试是否mdl没有序列相关性,对指定的备择假设。
dwt
p测试的价值,作为一个数值返回。dwt测试是否残差不相关的,对另一种残差自相关存在。一个小p值表明autocorrelated残差。
Durbin-Watson统计值,作为非负数字值返回。
Durbin-Watson测试测试的零假设线性回归残差不相关的时间序列数据,对备择假设,存在自相关。
Durbin-Watson测试的检验统计量
D W = ∑ 我 = 1 n − 1 ( r 我 + 1 − r 我 ) 2 ∑ 我 = 1 n r 我 2 ,
在哪里r我是我th原始残留n是观测的数量。
的p价值的Durbin-Watson测试观察检验统计量的概率是一样极端,或更极端,零假设下的观测值。一个明显的小p值零假设的有效性提出了质疑,指出残差自相关。
[1]杜宾,J。,G. S. Watson. "Testing for Serial Correlation in Least Squares Regression I."生物统计学37岁,409 - 428年,1950页。
[2]Farebrother, r·w·潘的“过程的尾概率Durbin-Watson统计。”应用统计学29日,第227 - 224页,1980年。
使用笔记和限制:
这个函数支持模型对象装有GP金宝appU数组输入参数。
有关更多信息,请参见运行在GPU MATLAB函数(并行计算工具箱)。
LinearModel|方差分析|coefCI|coefTest
方差分析
coefCI
coefTest
你有一个修改版的这个例子。你想打开这个例子与编辑?
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。金宝app
选择一个网站翻译内容,看到当地事件和提供。根据你的位置,我们建议您选择:。
你也可以从下面的列表中选择一个网站:
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。
联系你当地的办公室