Quando questa ipotesi viene violata, \u00e8 probabile che gli errori standard dei coefficienti in un modello di regressione siano sottostimati, il che significa che \u00e8 pi\u00f9 probabile che le variabili predittive siano considerate statisticamente significative<\/a> quando non lo sono. non sono nella realt\u00e0.<\/span><\/p>\n Un modo per determinare se questa ipotesi \u00e8 soddisfatta \u00e8 eseguire un test<\/strong> di Durbin-Watson<\/strong> , utilizzato per rilevare la presenza di autocorrelazione nei residui di una regressione.<\/span><\/p>\n Il test di Durbin-Watson utilizza le seguenti ipotesi:<\/span><\/p>\n H 0<\/sub> (ipotesi nulla):<\/strong> non esiste correlazione tra i residui.<\/span><\/p>\n H A<\/sub> (ipotesi alternativa):<\/strong> i residui sono autocorrelati.<\/span><\/p>\n La statistica del test di Durbin-Watson, solitamente indicata con d<\/em> , viene calcolata come segue:<\/span> <\/p>\n Oro:<\/span><\/p>\n La statistica del test varia sempre da 0 a 4 dove:<\/span><\/p>\n In generale, se d<\/em> \u00e8 inferiore a 1,5 o maggiore di 2,5, esiste potenzialmente un serio problema di autocorrelazione. Altrimenti, se d<\/em> \u00e8 compreso tra 1,5 e 2,5, l\u2019autocorrelazione probabilmente non \u00e8 un problema.<\/span><\/p>\n Per determinare se una statistica del test di Durbin-Watson \u00e8 significativamente significativa a un certo livello alfa, puoi fare riferimento a questa tabella di valori critici.<\/span><\/p>\n Se il valore assoluto della statistica del test di Durbin-Watson \u00e8 maggiore del valore riportato nella tabella, \u00e8 possibile rifiutare l’ipotesi nulla del test e concludere che \u00e8 presente l’autocorrelazione.<\/span><\/p>\n Se rifiuti l’ipotesi nulla del test di Durbin-Watson e concludi che nei residui \u00e8 presente l’autocorrelazione, allora hai diverse opzioni per correggere questo problema se lo consideri abbastanza serio:<\/span><\/p>\n Queste strategie sono generalmente sufficienti per rimuovere il problema dell\u2019autocorrelazione.<\/span><\/p>\n Per esempi passo passo dei test Durbin-Watson, fare riferimento a questi tutorial che spiegano come eseguire il test utilizzando diversi software statistici:<\/span><\/p>\n Come eseguire un test di Durbin-Watson in R<\/a> Uno dei presupposti principali della regressione lineare \u00e8 che non vi sia alcuna correlazione tra residui consecutivi. In altre parole, assumiamo che i residui siano indipendenti. Quando questa ipotesi viene violata, \u00e8 probabile che gli errori standard dei coefficienti in un modello di regressione siano sottostimati, il che significa che \u00e8 pi\u00f9 probabile che le […]<\/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 Passaggi per eseguire un test di Durbin-Watson<\/strong><\/span><\/h3>\n
![\"Statistica](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/durbinwatson1-1.png\")
<\/p>\n\n
\n
Cosa fare se viene rilevata l’autocorrelazione<\/strong><\/h3>\n
\n
Esempi di esecuzione di un test di Durbin-Watson<\/strong><\/span><\/h3>\n
Come eseguire un test di Durbin-Watson in Python<\/a>
Come eseguire un test di Durbin-Watson in Excel<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"