一般来说，DW值在2附近，就说明没有自相关，显著小于2，就说明可能存在着自相关，具体要配合dw表算一下

如果DW值小于拟合优度了，说明极为可能存在着谬误回归，可能变量序列不平稳，也可能需要引入滞后y,但是，如果模型右边引入了滞后y，则DW值失去作用，无论显著与否，都不能说明是否存在自相关，这时候最简便是用残差相关图来观察

DW检验有5个条件，这个要注意模型的设定。

一般来说，DW值在2附近，就说明没有自相关，显著小于2，就说明可能存在着自相关

这句话也不对，可以看一看教科书就知道了。

DW检验可以用于检验随机误差项是否存在自相关，但这一检验方法不适用于方程含有之后因变量的情况。这是因为在自回归模型中，滞后因变量是随机变量。已有的研究表明，如果用DW检验，DW检验值总是在2附近。也就是说在一阶自相关模型中，当随机误差项存在自相关时，DW检验总是倾向于得出不存在不相关的结论。对于这种情况，可以使用一阶自相的H统计量检验。

假设包含之后被解释变量的自回归模型为：

 h统计量定义为

其中n为样本容量，
    

为之后因变量yt-1的回归系数的估计方差。

德宾证明了当随机误差项部存在一阶自相关，h统计量的渐进分布为标准正态分布。因此在大样本情况下，可以使用h统计量检验是否存在一阶自相关。如果存在自相关，则不能用OLS估计方法估计方程而要选择其他方法。

[此贴子已经被作者于2007-11-18 23:11:39编辑过]