【什么是dw检验】DW检验，全称是杜宾-沃森检验（Durbin-Watson Test），是一种用于检测回归模型中是否存在自相关性的统计检验方法。它主要用于判断残差项之间是否具有序列相关性，特别是在时间序列数据中，当误差项在不同时间点之间存在正或负的相关关系时，DW检验可以提供重要的信息。
该检验由J. Durbin和G. S. Watson于1950年代提出，广泛应用于计量经济学、统计学等领域，帮助研究者评估回归模型的假设是否成立。
DW检验总结与表格
| 项目 | 内容 |
| 中文名称 | 杜宾-沃森检验 |
| 英文名称 | Durbin-Watson Test |
| 用途 | 检测回归模型中的残差是否存在自相关性 |
| 适用数据类型 | 时间序列数据（尤其适用于一阶自相关） |
| 检验对象 | 回归模型的残差项（误差项） |
| 假设检验 | - 原假设 $ H_0 $：残差不存在一阶自相关 - 备择假设 $ H_1 $：残差存在一阶自相关 |
| 统计量计算公式 | $ DW = \frac{\sum_{t=2}^n (e_t - e_{t-1})^2}{\sum_{t=1}^n e_t^2} $ 其中 $ e_t $ 表示第 t 个残差项 |
| 取值范围 | 0 ≤ DW ≤ 4 |
| 解释 | - 接近 2：无自相关 - 接近 0：正自相关 - 接近 4：负自相关 |
| 局限性 | - 仅适用于一阶自相关 - 对非线性模型不适用 - 需要样本量足够大 |
| 常见应用领域 | 计量经济学、时间序列分析、经济模型构建等 |
总结：
DW检验是一种简单而有效的工具，用于判断回归模型中的残差是否存在自相关问题。通过计算DW统计量，研究者可以初步判断模型是否满足经典线性回归模型的基本假设之一——误差项独立性。然而，需要注意的是，DW检验有其适用范围和局限性，实际使用时应结合其他方法进行综合判断。