Критерий Дарбина-Уотсона является статистическим тестом, который используется для проверки наличия автокорреляции в остатках линейной регрессии. Автокорреляция означает, что значения ошибок (остатков) модели коррелируют друг с другом, что может привести к недостоверным выводам в эконометрике.

Вот основные шаги, как работает данный критерий:

1. Построение модели регрессии: Сначала необходимо оценить линейную регрессионную модель, чтобы получить остатки. Это может быть сделано с помощью метода наименьших квадратов (МНК).
2. Вычисление остатков: После того как модель оценена, вы должны рассчитать остатки. Остатки представляют собой разницу между фактическими значениями зависимой переменной и предсказанными значениями, полученными из модели.
3. Расчет статистики Дарбина-Уотсона: Далее, нужно вычислить значение статистики Дарбина-Уотсона по формуле:
   • DW = Σ (e_t - e_(t-1))^2 / Σ e_t^2
   где e_t - остатки на момент времени t.
4. Интерпретация результата: Значение статистики Дарбина-Уотсона варьируется от 0 до 4:
   • DW = 2 указывает на отсутствие автокорреляции;
   • DW < 2 указывает на положительную автокорреляцию;
   • DW > 2 указывает на отрицательную автокорреляцию.
5. Сравнение с критическими значениями: Для окончательной интерпретации необходимо сравнить полученное значение DW с критическими значениями, которые можно найти в таблицах для заданного уровня значимости и числа наблюдений.

Таким образом, критерий Дарбина-Уотсона помогает исследователям и экономистам определить, есть ли проблема автокорреляции в их моделях, что является важным шагом для обеспечения надежности результатов анализа.