Cómo calcular Durbin -Watson Estadísticas

El estadístico de Durbin- Watson es una herramienta estadística que detecta si los residuos de la regresión se autocorrelacionados . La autocorrelación es un problema estadístico donde los residuos de una regresión de series de tiempo no son al azar , sino que tienen algún tipo de patrón . Este problema no tiene sesgo de los coeficientes de la estimación , pero sí tiene un impacto en los errores estándar. Esto significa que si su regresión tiene problemas de autocorrelación , puede haber resultados que parecen ser estadísticamente significativo, pero no lo son. Por lo tanto , el cálculo de un estadístico de Durbin -Watson utilizando Stata le permitirá ver si esto es un problema de concern.Things que necesitará
Stata , versión 9 o
datos de series de tiempo máximo establecido

Mostrar Más instrucciones Matemáticas 1

Abre la base de datos en Stata y el formato en un formato de serie de tiempo , donde cada línea de datos representa un período de años o el tiempo distinta .
2

Crear una variable dummy para cada período de tiempo. Si sus datos sólo tiene un período, usted puede usar el código : gen años = _n . Si sus datos están configurados de diferentes lugares observados a través del tiempo , se puede utilizar : Bysort lugar : gen años = _n , donde lugar es la ubicación que observaste
3

Utilice el comando tsset a especificar el período de tiempo de los datos y permitir que el estadístico de Durbin -Watson para calcular . Por ejemplo , si los datos se establece en el año es la variable de series de tiempo , debe escribir: tsset años
4

Utilice el comando estat para generar la estadística de Durbin -Watson . Para ello, utilice el código dwatson estat si sus datos son durbinalt estrictamente endógeno y estat si no son estrictamente endógeno sus datos.
5

Interpretar los resultados mirando el p-valor y los estadísticos de chi- cuadrado . Las pruebas de p- valor para la correlación serial . Si el valor p es mayor que 0.05 , entonces no hay correlación serial y sus datos están bien. Si el valor p es menor que 0.05 , entonces hay problemas de correlación serial que necesitan ser abordados.