统计学常用杜宾沃森统计检测回归分析残差中的自相关性的检验统计量。一般来说，DW值越接近2越好，因为这样就代表自变量基本不存在自相关性，说明模型设计得越好。因此，DW值1.5代表没有自相关现象。
Durbin Watson 统计量是一种检验统计量，用于检测回归分析残差中的自相关性。它以英国统计学家和计量经济学家詹姆斯·德宾教授和澳大利亚统计学家杰弗里·斯图尔特·沃森的名字命名。
1.什么是自相关?
序列相关性也称为自相关性，是指不同数据集中变量值之间的相关程度。它通常用于处理在不同时间点进行观测的时间序列数据(例如，在一周的不同日期测量的风速)。如果时间较近时测得的风速值比时间较远时测得的风速值更相似，则称该数据是相关的。
2.统计中的残差是什么?
在统计学中，残差只不过是观测值与特定模型针对该观测预测的平均值之间的差异。残差值在回归分析中非常有用，因为它们表明模型解释给定数据变化的程度。
3.什么是回归分析?
回归分析是统计学中使用的一种方法，有助于确定哪些变量对特定实验主题产生影响。该过程有助于确定哪些因素最重要，哪些因素应该被忽略，以及这些因素如何相互影响。变量在回归中起着重要作用，了解变量的类型很重要：
因变量：实验中被理解或预测的主要因素，依赖于其他变量
自变量：影响因变量的变量
4.如何计算 Durbin Watson 统计量
Durbin Watson 统计数据的假设如下：
H(0) = 一阶自相关不存在。
H(1) = 存在一阶自相关。
测试的假设是：
误差呈正态分布，平均值为 0
所有误差都是平稳的。
公式为：
