主要内容

dwt

Durbin-Watson测试与线性回归模型对象

所有的页面崩溃

语法

p = dwt (mdl)
p = dwt (mdl方法)
p = dwt (mdl方法,尾巴)
(p, DW) = dwt (___)

描述

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,方法)指定的算法计算p价值。

p= dwt (mdl,方法,尾巴)指定备择假设。

(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。

例子

全部折叠

打开生活的脚本

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。

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 = dwt (mdl)
p = 3.6190 e15汽油

小p值表明autocorrelated残差。

输入参数

全部折叠

线性回归模型,指定为一个LinearModel对象创建使用fitlm或stepwiselm。

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。

备择假设测试类型,指定这些值之一:

价值 备择假设
“两个”

序列相关性不是0。
“对”

序列相关性大于0 (right-tailed测试)。
“左”

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。

输出参数

全部折叠

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。

更多关于

全部折叠

Durbin-Watson测试

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。

引用

[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。

扩展功能

另请参阅

|||

主题

介绍了R2012a

统计和机器学习工具箱文档

金宝app

掌握机器学习:一个循序渐进的指导与MATLAB

掌握机器学习:一个循序渐进的指导与MATLAB

下载电子书