Тест Дарбина-Уотсона

Краткое описание инструмента	Тест Дарбина-Уотсона (Durbin-Watson test) — статистический критерий для обнаружения автокорреляции первого порядка в остатках регрессионной модели. Разработан в 1950 году статистиками Джеймсом Дарбином и Джеффри Уотсоном для диагностики нарушения предположения о независимости ошибок в линейной регрессии.
Возможности
Трудности использования
Область знаний	Экономика, Статистика
Область применения
Поясняющее видео
Веб-сайт
Пользователи
Используется для создания (проведения)	Статистический анализ
Разработчик
Сообщество вокруг средства
Лицензия
Год первого релиза	1950
Совместное сетевое использование	Нет
Какой язык основной	English
Есть ли поддержка Искусственным Интеллектом	Нет

1. Тест Дарбина–Уотсона

Тест Дарбина–Уотсона (Durbin–Watson test - https://en.wikipedia.org/wiki/Durbin–Watson_statistic ) используется для проверки наличия автокорреляции первого порядка в остатках регрессионной модели.

Определение

Статистика Дарбина–Уотсона рассчитывается по формуле: [math]\displaystyle{ \displaystyle D = \frac{\sum_{t=2}^{T}(e_t - e_{t-1})^2}{\sum_{t=1}^{T}e_t^2} }[/math] где

• e_t — остаток модели в момент времени t;
• T — число наблюдений.

Границы D лежат в интервале от 0 до 4:

• D \approx 2 — отсутствие автокорреляции;
• D < 2 — положительная автокорреляция;
• D > 2 — отрицательная автокорреляция.

Условия применения

• Модель должна быть линейной регрессией с равномерно расположенными по времени наблюдениями.
• Остатки должны быть стационарны по дисперсии.

Пример расчёта в R

Установим пакет lmtest и проведём тест на примере регрессии временного ряда среднего богатства.

# Установка пакета
install.packages("lmtest") 

# Генерация искусственных данных
set.seed(123)
T <- 100
time <- 1:T
mean_wealth <- 100 + 0.5*time + rnorm(T, sd=5)

# Оценка линейной модели
model <- lm(mean_wealth ~ time)

# Тест Дурбина–Уотсона
library(lmtest)
dw <- dwtest(model)
print(dw)

Применение в моделях NetLogo

В агентно-ориентированных экономических моделях Тест Дарбина-Уотсона помогает выявить автокорреляцию во временных рядах агрегированных показателей или в остатках регрессий, описывающих эволюцию системы.

Simple Economy

Исследовать автокорреляцию во временных рядах:

• Среднее богатство
• Коэффициент Джини

Пример: построить регрессию G(t)\sim t и протестировать остатки на автокорреляцию.

Sugarscape model

Проверить автокорреляцию в динамике:

• Среднего уровня ресурса на агента
• Численности воспроизводства агентов

Urban Suite – Economic Disparity

Анализ временного ряда:

• Индекса пространственной сегрегации
• Среднего расстояния до работы

Регрессия: сегрегация,

Wealth Distribution

Изучить автокорреляцию в:

• Доле богатства у топ-10% агентов
• Энтропии распределения

Регрессия: Top10%(t)\sim t и проверка DW.