Wanneer deze aanname wordt geschonden, zullen de standaardfouten van de co\u00ebffici\u00ebnten in een regressiemodel waarschijnlijk worden onderschat, wat betekent dat de voorspellende variabelen waarschijnlijker als statistisch significant<\/a> worden beschouwd terwijl ze dat niet zijn. zijn niet in werkelijkheid.<\/span><\/p>\n E\u00e9n manier om te bepalen of aan deze veronderstelling wordt voldaan, is door een Durbin-Watson-<\/strong> test<\/strong> uit te voeren, die wordt gebruikt om de aanwezigheid van autocorrelatie in de residuen van een regressie te detecteren.<\/span><\/p>\n De Durbin-Watson-test maakt gebruik van de volgende aannames:<\/span><\/p>\n H 0<\/sub> (nulhypothese):<\/strong> Er is geen correlatie tussen de residuen.<\/span><\/p>\n HA<\/sub> (alternatieve hypothese):<\/strong> De residuen zijn autogecorreleerd.<\/span><\/p>\n De teststatistiek voor de Durbin-Watson-test, meestal aangeduid met d<\/em> , wordt als volgt berekend:<\/span> <\/p>\n Goud:<\/span><\/p>\n De teststatistiek varieert altijd van 0 tot 4 waarbij:<\/span><\/p>\n Als d<\/em> kleiner is dan 1,5 of groter dan 2,5, is er in het algemeen potentieel sprake van een ernstig autocorrelatieprobleem. Anders is autocorrelatie waarschijnlijk geen probleem als d<\/em> tussen 1,5 en 2,5 ligt.<\/span><\/p>\n Om te bepalen of een Durbin-Watson-teststatistiek significant significant is op een bepaald alfaniveau, kunt u deze tabel met kritische waarden raadplegen.<\/span><\/p>\n Als de absolute waarde van de Durbin-Watson-teststatistiek groter is dan de waarde in de tabel, dan kun je de nulhypothese van de test verwerpen en concluderen dat er sprake is van autocorrelatie.<\/span><\/p>\n Als je de nulhypothese van de Durbin-Watson-test verwerpt en concludeert dat er autocorrelatie aanwezig is in de residuen, dan heb je verschillende opties om dit probleem te corrigeren als je het serieus genoeg acht:<\/span><\/p>\n Deze strategie\u00ebn zijn over het algemeen voldoende om het autocorrelatieprobleem op te lossen.<\/span><\/p>\n Voor stapsgewijze voorbeelden van Durbin-Watson-tests raadpleegt u deze tutorials waarin wordt uitgelegd hoe u de test kunt uitvoeren met behulp van verschillende statistische software:<\/span><\/p>\n Hoe een Durbin-Watson-test uit te voeren in R<\/a> Een van de belangrijkste aannames van lineaire regressie is dat er geen correlatie bestaat tussen opeenvolgende residuen . Met andere woorden: we nemen aan dat de residuen onafhankelijk zijn. Wanneer deze aanname wordt geschonden, zullen de standaardfouten van de co\u00ebffici\u00ebnten in een regressiemodel waarschijnlijk worden onderschat, wat betekent dat de voorspellende variabelen waarschijnlijker als statistisch […]<\/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":[],"class_list":["post-1376","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n Stappen voor het uitvoeren van een Durbin-Watson-test<\/strong><\/span><\/h3>\n
![\"Durbin](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/durbinwatson1-1.png\")
<\/p>\n\n
\n
Wat te doen als autocorrelatie wordt gedetecteerd<\/strong><\/h3>\n
\n
Voorbeelden van het uitvoeren van een Durbin-Watson-test<\/strong><\/span><\/h3>\n
Hoe u een Durbin-Watson-test uitvoert in Python<\/a>
Hoe u een Durbin-Watson-test uitvoert in Excel<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"