DWTest.

Durbin-Watson测试剩余输入

页面上倒塌

句法

p = dwt (r, x)

p = dwt (r, x,名称,值)

[p，d] = dwtest（___）

描述

例子

P.= dwtest（R.那X）返回P.- 为valueDurbin-Watson测试零假设，即线性回归的残差是不相关的。另一种假设是残差之间存在自相关。

例子

P.= dwtest（R.那X那名称，价值）返回P.-value用于使用由一个或多个名称-值对参数指定的附加选项的Durbin-Watson测试。例如，可以进行单边测试或计算P.- 使用正常近似值。

例子

[P.那D.] = dwtest（___）还返回Durbin-Watson测试统计，D.，使用来自先前语法的任何输入参数。

例子

全部收缩

测试残差进行相关性

打开生活的脚本

加载抽样普查数据。

加载普查

使用人口普查日期创建设计矩阵（Cdate.）作为预测指标。添加一列1值包括常数项。

n =长度（Cdate）;x = [α（n，1），cdate];

适合数据的线性回归。

[b，bint，r] =回归（pop，x）;

测试零假设，即残留物中没有自相关的自相关，R.．

[p、d] = dwt (r, x)

p = 3.6190e-15

d = 0.1308.

返回的价值p = 3.6190e-15表示在5%显著性水平上拒绝零假设。

片面的假设检验

打开生活的脚本

加载抽样普查数据。

加载普查

使用人口普查日期创建设计矩阵（Cdate.）作为预测指标。添加一列1值包括常数项。

n =长度（Cdate）;x = [α（n，1），cdate];

适合数据的线性回归。

[b，bint，r] =回归（pop，x）;

测试NULL假设，即回归残差在替代假设中没有自相关，以至于自相关的大于零。

[p、d] = dwt (r, x,'尾巴'那“对”）

p = 1.8095e-15

d = 0.1308.

返回的价值p = 1.8095e-15表示在5%显著性水平上拒绝原假设，支持残差之间的自相关大于零的备选假设。

输入参数

全部收缩

`X`-设计矩阵
矩阵

用于线性回归的设计矩阵，指定为矩阵。包括一列1值在设计矩阵中，因此模型包含一个常数项。

数据类型：单身的|双倍的

`R.`-回归残差
向量

回归残差，指定为向量。获得R.通过使用诸如的函数执行线性回归回归，或使用反斜杠运算符。

数据类型：单身的|双倍的

名称值对参数

指定可选的逗号分离对名称，价值参数。名称是参数名称和价值为对应值。名称必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家．

例子:'尾巴'，'右'，'方法'，'近似'指定右尾假设检验并使用正态近似计算p值。

`'方法'`-算法计算P.-价值
`“准确”`|`“近似”`

计算算法P.-value，指定为逗号分隔的对'方法'和其中一个值：

`“准确”`	计算精确P.-value使用Pan算法[2]．如果样本容量小于400，这是默认值。
`“近似”`	计算P.- 使用正常近似值［1］．如果样本大小为400或更大，则这是默认值。

例子:“方法”,“准确”

`'尾巴'`-替代假设的类型
`'两个都'`（默认）|`“对”`|`“左”`

评估的替代假设的类型，指定为逗号分隔的配对组成'尾巴'以及以下之一。

`'两个都'`	测试替代假设，即残差之间的自相关的不是零。
`“对”`	测试替代假设，使残留物之间的自相关性大于零。
`“左”`	检验残差之间的自相关小于零的备选假设。

例子:'尾巴'，'对'

输出参数

全部收缩

`P.`-P.-价值
范围内的标量值[0,1]

P.-测试的值，作为范围[0,1]内的标量值返回。P.是观察测试统计学的概率，如零假设下观察到的值。小值P.对零假设的有效性倾诉。

`D.`- 测试统计信息
负的标量值

假设检验的检验统计量，返回为非负标量值。

选择功能

您可以通过使用创建线性回归模型对象Fitlm.或stepwiselm并使用对象函数DWTest.进行德宾-沃森测试
一种LinearModel对象提供对象的属性和对象的函数来研究一个拟合的线性回归模型。对象属性包括关于系数估计、汇总统计、拟合方法和输入数据的信息。使用对象函数来预测响应，并修改、评估和可视化线性回归模型。