آزمون دوربین-واتسون (Durbin-Watson Test)
آزمون دوربین-واتسون (Durbin-Watson Test) یک آزمون آماری است که برای بررسی وجود خودهمبستگی (autocorrelation) در خطاهای یک مدل رگرسیونی استفاده میشود. این آزمون بهویژه در تحلیل رگرسیون خطی کاربرد دارد و به محققان کمک میکند تا ارزیابی کنند آیا خطاهای مدل بهطور مستقل از یکدیگر توزیع شدهاند یا خیر.
ویژگیهای آزمون دوربین-واتسون:
- خودهمبستگی: خودهمبستگی به معنای وجود ارتباط بین مقادیر متوالی یک متغیر است. در مدلهای رگرسیونی، وجود خودهمبستگی در خطاها میتواند به نتایج نادرست منجر شود.
- مقدار آزمون: مقدار دوربین-واتسون (DW) بین 0 و 4 متغیر است. مقدار 2 نشاندهنده عدم وجود خودهمبستگی است. مقادیر نزدیک به 0 نشاندهنده خودهمبستگی مثبت و مقادیر نزدیک به 4 نشاندهنده خودهمبستگی منفی هستند.
- توزیع: مقدار دوربین-واتسون به طور تقریبی توزیع N(2, 1) است، بهخصوص وقتی که حجم نمونه بزرگ باشد.
- ۱۲ داروی گیاهی برای کشتن میکروب معده
- آزمون دوربین-واتسون (Durbin-Watson Test)
- آزمون دو جملهای (Binomial Test)
- آزمون دقیق فیشر (Fisher’s Exact Test)
- آزمون دانت یا Dunnett’s Test
- آزمون دامنه استودنت یا studentized rang statistic
- آزمون خی دو تک متغیری
- آزمون چند دامنه ای دانکن یا (ِDuncan’s Multiple range test )
- آزمون خی دو تصحیح یتس یا yates correction chi Square test
- آزمون خی دو یا chi Square test چیست ؟
- بهترین دمنوشهای پاییزی برای خواب راحت
- آزمون خی دو ( Chi-square test )
- آزمون تی هتلینگ ( Hotelling T test)
- خواص خرمالو چیست ؟
مراحل انجام آزمون دوربین-واتسون:
- مدل رگرسیونی: ابتدا یک مدل رگرسیونی را برازش دهید و مقادیر پیشبینی شده و خطاها را محاسبه کنید.
- محاسبه خطاها: خطاهای مدل (ε) را بهصورت زیر محاسبه کنید: 𝜖𝑡=𝑌𝑡−𝑌^𝑡 که در آن 𝑌𝑡 مقدار واقعی و 𝑌^𝑡 مقدار پیشبینی شده است.
- محاسبه مقدار دوربین-واتسون: مقدار DW بهصورت زیر محاسبه میشود: 𝐷𝑊=∑𝑡=1𝑛−1(𝜖𝑡−𝜖𝑡−1)2∑𝑡=1𝑛𝜖𝑡2
- تفسیر نتایج:
- اگر مقدار DW نزدیک به 2 باشد، نشاندهنده عدم وجود خودهمبستگی است.
- اگر مقدار DW کمتر از 2 باشد، نشاندهنده خودهمبستگی مثبت است.
- اگر مقدار DW بیشتر از 2 باشد، نشاندهنده خودهمبستگی منفی است.
- مقایسه با جدولهای دوربین-واتسون: برای تعیین معناداری خودهمبستگی، میتوانید مقدار DW محاسبهشده را با مقادیر بحرانی در جدولهای دوربین-واتسون مقایسه کنید. این جدولها معمولاً برای اندازههای مختلف نمونه و تعداد متغیرهای مستقل موجود است.
مثال:
فرض کنید یک مدل رگرسیونی برای پیشبینی فروش بر اساس تبلیغات و قیمتها دارید. پس از برازش مدل، خطاها را محاسبه کرده و مقدار DW را محاسبه میکنید.
- مدل رگرسیونی: فروش = β0 + β1 × تبلیغات + β2 × قیمت + ε
- محاسبه خطاها: خطاها را محاسبه کنید.
- محاسبه DW: مقدار DW را محاسبه کنید.
- تفسیر: اگر مقدار DW بهدستآمده 1.5 باشد، این نشاندهنده وجود خودهمبستگی مثبت در خطاها است.
نتیجهگیری:
آزمون دوربین-واتسون ابزاری مهم برای ارزیابی خودهمبستگی در مدلهای رگرسیونی است. وجود خودهمبستگی میتواند نتایج تحلیلهای رگرسیونی را تحت تأثیر قرار دهد و منجر به تخمینهای نادرست شود. بنابراین، انجام این آزمون بهمنظور اطمینان از صحت نتایج مدلهای رگرسیونی ضروری است.
خدمات تخصصی پژوهش و تحلیل داده های آماری با مناسبترین قیمت و کیفیت برتر!
🌟با تجربهی بیش از 17 سال و ارائهی بهترین خدمات
مشاوره نگارش: تحلیل داده های آماری
ارائه و طراحی پرسشنامه های استاندارد
📊تحلیل داده های آماری با نرم افزارهای کمی و کیفی
-
🔍 نرم افزار های کمی SPSS- PLS – Amos
-
🔍نرم افزار های کیفی: Maxquda & Nvivo
-
📏تعیین حجم نمونه با:Spss samplepower
- همچنین برای نوشتن فصل سوم پایان نامه یا بخش روش تحقیق مقاله می توانید با ما در تماس باشید.
-
🔗 با ما در ارتباط باشید:
📞 تماس: 09143444846 (پیامک، ایتا، واتساپ، تلگرام)
🌐 کانال تلگرام: عضو شوید
🌐 وبلاگ
💼کیفیت بالا، قیمت مناسب و خدماتی که به نیازهای شما پاسخ میدهند!
💼با ما همراه باشید و پروژهی خود را به یک تجربهی موفق تبدیل کنید.
پیشنهاد می شود مقالات زیر را نیز در سایت https://rava20.ir/ مطالعه نمایید.
آزمون آماری پیلای یا ( pillai’s test) چیست؟
نوشته
نوشته
نوشته