DW是检验残差的自相关的，定义为(求和(u(t)-u(t-1))^2)/(求和Var(ut)),如果残差有负相关的话，那么u(t)和u(t-1)的差就接近2倍的u(t)。DW约等于4，如果残差有正相关的话，那么u(t)和u(t-1)的差就接近0,DW约等于0，所以检验DW接近4时出现残差的负相关，接近0时出现残差的正相关，有DW值的检验表可以查。但是DW检验只是检验残差项的一阶相关。

当在回归方程中加入更多的变量时，回归的结果总是变得更好（因为不加入变量的方程可以看做是加入变量方程的受约束方程，约束为加入变量的系数为0），残差平方肯定是减少的，但是加入的变量可能对回归结果的改善很小，也就是说加入的变量是没有贡献的，可能只是个不相干的变量，信息准则就是计算回归残差平方和的时候加上一个惩罚项，加入的变量越多，惩罚项越大，因此可以抵消残差平方的减少，判断变量是否加入就判断信息准则是否增加，如果没有增加，就不应当加入这个变量。不同的信息准则表示的惩罚项上有所差异。

adjusted R^2也是一样的道理，在R^2基础上加入惩罚项，为1-(T-1)*(1-R^2)/(T-k),k为回归方程变量个数，包括常数项，可以看到，k越大，adjusted R^2越小，惩罚的含义也在此，可以作为信息准则的补充

楼上的回答很详细。

楼主如果还有疑问，可以随便找本书看看，一般的计量书上面都有详细介绍。

平迪克的计量书就有详细叙述。

好的，谢谢二位