1、D-W检验
结果：
Durbin-Watson D
1.773
观测数
20
第一阶自相关
0.111
将代码中的DW改为 DWprob，则可得到P值：
Durbin-Watson D
1.773
Pr < DW
0.2404
Pr > DW
0.7596
观测数
20
第一阶自相关
0.111
Note: PrDW is the p-value for testing negative autocorrelatio
2、n.
D<1.773的概率为0.2404
D>1.773的概率为0.7596
查DW统计量表看看什么结论。
如果得出存在一阶自相关，解决：
第一种方法（对y、x进行变形）：
自回归过程阶数默认为1，即一阶自回归。
代码iter表示迭代。当选择第三种方法时，在代码中加上iter则可变为第四种方法。
这四种方法的差异：自回归系数初始拟合值不同。
采用第四种方法运行，得出结果：
得出平p为负数，因为SAS设定的方程就是将它设为负数的。
回归R方是
总R方是
和 的
可以看到：变形后的DW统计量很接近2，所以
3、不存在自相关。
这张图中的参数估计值是变形后的方程的参数估计值。
此外，得到DW的p值还可以这样做：
即通过修改任务—选择第二个：
Durbin-Watson 统计量
阶数
DW
Pr < DW
Pr > DW
1
2.0067
0.4414
0.5586
第二种方法：把滞后因变量作为自变量
得出结果：
其他统计量
统计量
值
概率
标签
Durbin h
0.6836
0.2471
Pr > h
参数估计值
变量
自由度
估计值
标准
误差
t 值
近似
Pr > |t|
Intercept
1
4、
5.4041
575.3227
0.01
0.9926
ADV
1
18.5515
2.3118
8.02
<.0001
lagsales
1
-0.0720
0.1229
-0.59
0.5664
1、 为什么是单侧检验
因为备择假设是单侧的。
2、 不显著0.5664.则不需要加入滞后项
看残差有没有线性关系
纵轴为标准化残差。用来看有没有outlier
初步看拟合效果如何
总体来看：
预测区间和置信区间（只在一元线性回归中才有这个图）
如何得到预测区间和置信区间：
结果在输出数据中得到：
说明预测区间包括置信区间。
浙ICP备2021020529号-1 | 浙B2-20240490 
