Durbin-Watson是德宾德宾—瓦特逊检验。是自相关性的一项检验方法。
Durbin-Watson Statistics(德宾—瓦特逊检验)： 假设time series模型存在自相关性，我们假设误差项可以表述为 Ut=ρ*Ut-1+ε. 利用统计检测设立假设，如果ρ=o.则表明没有自相关性。
Durbin-Watson统计量（后面简称DW统计量）可以成为判断正、负、零（无）相关性的工具。 DW统计量： d=∑(Ut-Ut-1)^2/∑ut^2≈2*(1-ρ).如果d=2则基本没有自相关关系，d靠近0存在正的相关关系，d靠近4则有负的相关关系。
扩展资料：
德宾-沃森（Durbin-Watson）检验。德宾-沃森检验,简称D-W检验，是目前检验自相关性最常用的方法，但它只使用于检验一阶自相关性。
因为自相关系数ρ的值介于-1和1之间，所以 0≤DW≤4 并且DW＝O＝＞ρ＝1，即存在正自相关性；DW＝4＜＝＞ρ＝－1 即存在负自相关性 DW＝2＜＝＞ρ＝0，即不存在（一阶）自相关性。
因此，当DW值显著的接近于O或4时，则存在自相关性，而接近于2时，则不存在（一阶）自相关性。这样只要知道DW统计量的概率分布，在给定的显著水平下，根据临界值的位置就可以对原假设H0进行检验。
如果计量经济模型经检验存在自相关性,首先应分析模型是否遗漏了重要的解释变量，其次是模型的函数形式是否适当。如果还不能解决问题，则可通过广义差分变换、迭代法和广义最小二乘法等方法来消除其不利影响。
参考资料来源：百度百科——自相关性
温馨提示：答案为网友推荐，仅供参考
第1个回答 2012-06-03
D.W统计量是用来检验残差分布是否为正态分布的，因为用OLS进行回归估计是假设模型残差服从正态分布的，因此，如果残差不服从正态分布，那么，模型将是有偏的，也就是说模型的解释能力是不强的。
D.W统计量在2左右说明残差是服从正态分布的，若偏离2太远，那么你所构建的模型的解释能力就要受影响了。本回答被网友采纳
D.W统计量在2左右说明残差是服从正态分布的，若偏离2太远，那么你所构建的模型的解释能力就要受影响了。本回答被网友采纳
第2个回答 2012-06-14
这是两个名字放在一起, 在西方国家常常是店铺的名称,或公司的名称
相似回答