主要内容

dwt

Durbin-Watson测试剩余输入

所有的页面崩溃

语法

p = dwt (r, x)
p = dwt (r, x,名称,值)
[p、d] = dwt (___)

描述

例子

p= dwt (r,x)返回p价值的Durbin-Watson测试零假设的线性回归的残差不相关的。另一种假说是,有残差自相关。

例子

p= dwt (r,x,名称,值)返回p价值的Durbin-Watson测试附加选项指定一个或多个名称-值对参数。例如,您可以进行单边测试或计算p使用正常价值近似。

例子

(p,d)= dwt (___)还返回Durbin-Watson测试统计,d,使用任何输入参数从以前的语法。

例子

全部折叠

打开生活的脚本

样本的人口普查数据加载。

负载人口普查

使用人口普查日期(创建一个设计矩阵cdate)作为预测。添加一个列1值包括常数项。

n =长度(cdate);x = [(n, 1), cdate];

适合数据线性回归。

[b,少女,r] =回归(流行,x);

测试零假设,没有残差自相关,r。

[p、d] = dwt (r, x)
p = 3.6190 e15汽油
d = 0.1308

返回值p = 3.6190 e15汽油表示拒绝零假设在5%的显著性水平。

打开生活的脚本

样本的人口普查数据加载。

负载人口普查

使用人口普查日期(创建一个设计矩阵cdate)作为预测。添加一个列1值包括常数项。

n =长度(cdate);x = [(n, 1), cdate];

适合数据线性回归。

[b,少女,r] =回归(流行,x);

测试之间的零假设,不存在自相关回归残差,对备择假设自相关是大于零的。

[p、d] = dwt (r, x,“尾巴”,“对”)
p = 1.8095 e15汽油
d = 0.1308

返回值p = 1.8095 e15汽油表示拒绝零假设在5%的显著性水平,对备择假设,残差的自相关是大于零的。

输入参数

全部折叠

设计矩阵的线性回归,指定为一个矩阵。包含一个列1设计矩阵中的值模型包含一个常数项。

数据类型:单|双

回归残差,指定为一个向量。获得r通过执行线性回归使用等功能回归,或者通过使用反斜杠符。

数据类型:单|双

名称-值参数

指定可选的逗号分隔条名称,值参数。的名字参数名称和吗价值相应的价值。的名字必须出现在引号。您可以指定几个名称和值对参数在任何顺序Name1, Value1,…,的家。

例子:“尾巴”,“对”,“方法”,“近似”指定一个right-tailed假设检验和计算假定值使用正常的近似。

算法计算p值,指定为逗号分隔组成的“方法”这些值之一:

“准确” 一个精确的计算p值使用锅算法[2]。这是默认,如果样本容量小于400。
“近似” 计算p使用正常价值近似[1]。这是默认的,如果样本容量为400或更大。

例子:“方法”,“准确”

备择假设评估类型,指定为逗号分隔组成的“尾巴”和一个以下。

“两个” 测试替代假说之间的自相关残差不为零。
“对” 测试相关的备择假设残差大于零。
“左” 测试相关的备择假设残差小于零。

例子:“尾巴”,“对”

输出参数

全部折叠

p测试的价值,作为一个返回标量值的区间[0,1]。p观察一个检验统计量的概率是一样极端,或者比,更极端的零假设下的观测值。小的值p怀疑零假设的有效性。

测试的统计假设检验,作为一个负的标量值返回。

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。

选择功能

  • 您可以创建一个对象通过使用线性回归模型fitlm或stepwiselm和使用对象的功能dwt执行Durbin-Watson测试。

    一个LinearModel对象提供了调查的对象属性和对象函数拟合的线性回归模型。对象属性包括系数估计信息,汇总统计,拟合方法,输入数据。使用对象函数预测反应和修改,评估,想象的线性回归模型。

引用

[1]杜宾,J。,and 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。

另请参阅

||

介绍了R2006a

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