Qué es la estadística Durbin Watson?
El estadístico Durbin Watson es un estadístico de prueba para detectar la autocorrelación en los residuos de un análisis de regresiónAnálisis de regresiónEl análisis de regresión es un conjunto de métodos estadísticos utilizados para estimar las relaciones entre una variable dependiente y una o más variables independientes.. Lleva el nombre del profesor James Durbin, estadístico y econometrista británico, y de Geoffrey Stuart Watson, estadístico australiano.
Resumen
Qué es la autocorrelación?
La correlación serial, también llamada autocorrelación, se refiere al grado de correlaciónCorrelaciónUna correlación es una medida estadística de la relación entre dos variables. Se utiliza mejor en variables que demuestran una relación lineal entre sí. entre los valores de las variables en diferentes conjuntos de datos. Suele utilizarse cuando se trabaja con datos de series temporales en los que las observaciones se producen en distintos momentos (e.g., velocidad del viento medida en diferentes días de la semana). Si los valores medidos de la velocidad del viento que ocurrieron más cerca en el tiempo son más similares que los valores que ocurrieron más lejos en el tiempo, se dice que los datos están correlacionados.
Qué son los residuos en estadística?
En estadística, los residuos no son más que la diferencia entre el valor observado y el valor medio que un determinado modelo predice para esa observación. Los valores residuales son extremadamente útiles en el análisis de regresión, ya que indican hasta qué punto un modelo explica la variación de los datos dados.
Qué es el análisis de regresión?
El análisis de regresión es un método utilizado en estadística que ayuda a identificar qué variables ejercen un impacto en un tema experimental concreto. El proceso ayuda a determinar qué factores son más importantes, cuáles deben ignorarse y cómo se influyen mutuamente los factores. Las variables desempeñan un papel importante en la regresión, y es importante entender los tipos de variables:
Variable dependiente: El factor principal que se está comprendiendo o prediciendo en el experimento, depende de otras variables
Variable independiente: Variables que influyen en la variable dependiente
Cómo calcular el estadístico de Durbin Watson
Las hipótesis seguidas para el estadístico Durbin Watson:
H(0) = No existe autocorrelación de primer orden.
H(1) = Existe autocorrelación de primer orden.
Los supuestos de la prueba son
La fórmula de la prueba es:
Donde:
Interpretación del estadístico Durban Watson
El estadístico Durban Watson siempre asumirá un valor entre 0 y 4. Un valor de DW = 2 indica que no hay autocorrelación. Cuando el valor es inferior a 2, indica una autocorrelación positiva, y un valor superior a 2 indica una correlación serial negativa.
Para comprobar la autocorrelación positiva a nivel de significación α (alfa), la estadística de prueba DW se compara con los valores críticos inferior y superior:
Si DW < Valor crítico inferior: Existe evidencia estadística de que los datos están positivamente autocorrelacionados
Si DW > Valor crítico superior: No hay pruebas estadísticas de que los datos estén correlacionados positivamente.
Si DW se encuentra entre los valores críticos inferior y superior: La prueba no es concluyente.
Para comprobar la autocorrelación negativa a nivel de significación α (alfa), el estadístico de prueba 4-DW se compara con los valores críticos inferior y superior:
Si 4-DW < Valor crítico inferior: Existe evidencia estadística de que los datos están autocorrelacionados negativamente.
Si 4-DW > Valor crítico superior: No hay evidencia estadística de que los datos estén correlacionados negativamente.
Si 4-DW está entre los valores críticos inferior y superior: La prueba no es concluyente.
Uso de la prueba en los mercados de renta variable
Aunque hay muchas formas de utilizar la prueba como indicador en el mercado de valores.
Una forma importante de utilizar la prueba es para predecir el movimiento de los precios de una acción concreta basándose en datos históricos. Si la prueba se utiliza en una acción y muestra una correlación serial positiva, sugiere que ayer’El precio de las acciones de la empresa muestra una correlación positiva en el precio actual. Por lo tanto, si el precio aumentó ayer, lo más probable es que aumente hoy.
Del mismo modo, si el precio de las acciones cayó ayer, es probable que caiga hoy. Sin embargo, si la prueba muestra una correlación serial negativa, indica que si el precio subió ayer, lo más probable es que baje hoy.
Otro uso importante de la correlación serial es el análisis técnico. El análisis técnico de una acción consiste en comprobar las tendencias anteriores y utilizar técnicas para calibrar la salud financiera y hacer predicciones. En la mayoría de los casos, una acción’Si los precios pasados de la acción influyen en su precio futuro, la autocorrelación es una herramienta adecuada.
Recursos adicionales
nuestro sitio web es el proveedor oficial de Business Intelligence & Analista de datos (BIDA)®Convertirse en una inteligencia empresarial certificada & Analista de datos (BIDA)™De Power BI a SQL & Aprendizaje automático, la certificación de inteligencia empresarial de nuestro sitio web (BIDA) le ayudará a dominar sus superpoderes analíticos. programa de certificación, diseñado para transformar a cualquier persona en un analista financiero de categoría mundial.
Para ayudarle a convertirse en un analista financiero de primera clase y a avanzar en su carrera hasta alcanzar su máximo potencial, estos recursos adicionales le serán muy útiles:
- Regresión no linealRegresión no linealLa regresión no lineal es un modelo matemático que ajusta una ecuación a ciertos datos utilizando una línea generada. Muestra la asociación mediante una curva, lo que la hace no lineal