답변:
DW 테스트를 믿는다면 예, 직렬 상관 관계가 있음을 나타냅니다. 그러나 가설 검정 언어는 절대 받아 들일 수 없으며 거부 할 수 없다는 점을 기억하십시오.
또한 DW 검정에는 검정력을 가지기 위해 정규성 및 편견을 포함하여 전체 고전 선형 모형 가정이 필요합니다. 실제 응용 프로그램은 이것을 합리적으로 생각할 수 없으므로 다른 사람들이 그 유효성에 대해 설득하는 데 어려움을 겪을 것입니다. DW 대신 사용할 수있는 훨씬 더 단순하고 강력한 테스트가 많이 있습니다.
물론 쉬운 해결책은 강력한 표준 오류를 계산하는 것입니다. 예를 들어 newey-west (R에서 쉽게 수행 할 수 있음), 단순히 문제를 무시할 수 있습니다
Durbin Watson 테스트는 양의 자기 상관과 음의 자기 상관을 확인하지만 첫 번째 순서 만 검사합니다. 1 차 이후의 자기 상관 데이터에 사용해서는 안됩니다. 다음 링크는 가설과 추론을 모두 보여줍니다.
https://www.statisticshowto.datasciencecentral.com/durbin-watson-test-coefficient
이 웹 사이트에서 :
"Durbin Watson 테스트에 대한 가설은 다음과 같습니다. H0 = 1 차 자기 상관 없음. H1 = 1 차 상관 관계가 존재합니다.
Durbin Watson 테스트는 경험치가 0에서 4 사이 인 테스트 통계를보고합니다.
2 is no autocorrelation.
0 to <2 is positive autocorrelation (common in time series data).
>2 to 4 is negative autocorrelation (less common in time series data).
일반적으로 1.5 ~ 2.5 범위의 검정 통계량 값은 상대적으로 정상입니다. "
보다 정확한 결론을 얻으려면 DW 통계에 의존하는 것이 아니라 p- 값을 살펴 봐야합니다. SAS와 같은 소프트웨어 패키지는 2 차 p- 값을 제공합니다. 하나는 양의 1 차 자기 상관 테스트를위한 것이고, 다른 하나는 음의 1 차 자기 상관을위한 테스트를위한 것입니다 (두 p- 값은 모두 1이됩니다). 두 p- 값이 모두 선택한 알파 (대부분의 경우 0.05)보다 큰 경우 "1 차 자기 상관이 존재하지 않는다"는 귀무 가설을 기각 할 수 없습니다.
p- 값 중 하나가 <0.05 (또는 선택된 알파) 인 경우 해당 대체 가설이 참임을 알 수 있습니다 (1- 알파 확실성 있음).
도움이 되길 바랍니다.
dwtest는 귀무 가설 대신 대립 가설을 테스트합니다. 따라서 p- 값이 말한 수준보다 낮 으면 대립 가설을 받아들이고 귀무 가설을 기각한다는 의미입니다.
p- 값은 귀무 가설을 기각해야하는 낮은 α ( 유의 수준 또는 알파 수준 )입니다.
그것은 단지 빨간 선입니다. 만약 α = 0.1, α = 0.05, α = 0.01 또는 α> 2.2e-16이면 괜찮습니다. 이 p- 값은 귀무 가설을 기각 해야하며 각 수준에 대해 반복해서 테스트 할 필요가 없습니다.
다른 테스트와 p- 값도 마찬가지입니다. 그러나 귀무 가설과 대립 가설이 무엇인지 잊지 못할 것 입니다.