Wenn diese Annahme verletzt wird, werden die Standardfehler der Koeffizienten in einem Regressionsmodell wahrscheinlich untersch\u00e4tzt, was bedeutet, dass die Pr\u00e4diktorvariablen eher als statistisch signifikant<\/a> angesehen werden, wenn dies nicht der Fall ist. sind in Wirklichkeit nicht.<\/span><\/p>\n Eine M\u00f6glichkeit, festzustellen, ob diese Annahme erf\u00fcllt ist, besteht darin, einen Durbin-Watson-<\/strong> Test<\/strong> durchzuf\u00fchren, der verwendet wird, um das Vorhandensein einer Autokorrelation in den Residuen einer Regression zu erkennen.<\/span><\/p>\n Der Durbin-Watson-Test verwendet die folgenden Annahmen:<\/span><\/p>\n H 0<\/sub> (Nullhypothese):<\/strong> Es besteht keine Korrelation zwischen den Residuen.<\/span><\/p>\n H A<\/sub> (Alternativhypothese):<\/strong> Die Residuen sind autokorreliert.<\/span><\/p>\n Die Teststatistik f\u00fcr den Durbin-Watson-Test, \u00fcblicherweise mit d<\/em> bezeichnet, wird wie folgt berechnet:<\/span> <\/p>\n Gold:<\/span><\/p>\n Die Teststatistik liegt immer zwischen 0 und 4, wobei:<\/span><\/p>\n Wenn d<\/em> kleiner als 1,5 oder gr\u00f6\u00dfer als 2,5 ist, liegt im Allgemeinen m\u00f6glicherweise ein ernstes Autokorrelationsproblem vor. Andernfalls, wenn d<\/em> zwischen 1,5 und 2,5 liegt, ist die Autokorrelation wahrscheinlich kein Problem.<\/span><\/p>\n Um festzustellen, ob eine Durbin-Watson-Teststatistik bei einem bestimmten Alpha-Level signifikant signifikant ist, k\u00f6nnen Sie diese Tabelle mit kritischen Werten heranziehen.<\/span><\/p>\n Wenn der absolute Wert der Durbin-Watson-Teststatistik gr\u00f6\u00dfer ist als der in der Tabelle gefundene Wert, k\u00f6nnen Sie die Nullhypothese des Tests ablehnen und daraus schlie\u00dfen, dass eine Autokorrelation vorliegt.<\/span><\/p>\n Wenn Sie die Nullhypothese des Durbin-Watson-Tests ablehnen und zu dem Schluss kommen, dass in den Residuen eine Autokorrelation vorliegt, haben Sie mehrere M\u00f6glichkeiten, dieses Problem zu beheben, wenn Sie es f\u00fcr ernst genug halten:<\/span><\/p>\n Diese Strategien reichen im Allgemeinen aus, um das Autokorrelationsproblem zu beseitigen.<\/span><\/p>\n Schritt-f\u00fcr-Schritt-Beispiele f\u00fcr Durbin-Watson-Tests finden Sie in diesen Tutorials, in denen erkl\u00e4rt wird, wie der Test mit unterschiedlicher Statistiksoftware durchgef\u00fchrt wird:<\/span><\/p>\n So f\u00fchren Sie einen Durbin-Watson-Test in R durch<\/a> Eine der Hauptannahmen der linearen Regression ist, dass es keine Korrelation zwischen aufeinanderfolgenden Residuen gibt. Mit anderen Worten, wir gehen davon aus, dass die Residuen unabh\u00e4ngig sind. Wenn diese Annahme verletzt wird, werden die Standardfehler der Koeffizienten in einem Regressionsmodell wahrscheinlich untersch\u00e4tzt, was bedeutet, dass die Pr\u00e4diktorvariablen eher als statistisch signifikant angesehen werden, wenn dies […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Schritte zur Durchf\u00fchrung eines Durbin-Watson-Tests<\/strong><\/span><\/h3>\n
![\"Durbin](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/durbinwatson1-1.png\")
<\/p>\n\n
\n
Was tun, wenn Autokorrelation erkannt wird?<\/strong><\/h3>\n
\n
Beispiele f\u00fcr die Durchf\u00fchrung eines Durbin-Watson-Tests<\/strong><\/span><\/h3>\n
So f\u00fchren Sie einen Durbin-Watson-Test in Python durch<\/a>
So f\u00fchren Sie einen Durbin-Watson-Test in Excel durch<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"