Durbin Watson estadísticas

¿Alguna vez te has preguntado cómo se puede determinar si hay autocorrelación en los datos de un estudio? Puede que hayas escuchado hablar de las estadísticas de Durbin Watson, pero ¿sabes exactamente qué son y cómo se utilizan? En este artículo, exploraremos en profundidad esta técnica estadística y su importancia en el análisis de datos. ¡Prepárate para descubrir cómo las estadísticas de Durbin Watson pueden revelar relaciones ocultas entre variables y mejorar la precisión de tus investigaciones!

Una estadística de prueba utilizada en estadística para detectar la autocorrelación en los residuos de un análisis de regresión.

Más de 1,8 millones de profesionales utilizan CFI para aprender contabilidad, análisis financiero, modelado y más. Comience con una cuenta gratuita para explorar más de 20 cursos siempre gratuitos y cientos de plantillas financieras y hojas de trucos.

¿Qué es la estadística de Durbin Watson?

La estadística de Durbin-Watson es una estadística de prueba utilizada para detectar autocorrelación en los residuos de un análisis de regresión. Lleva el nombre del profesor James Durbin, estadístico y economista británico, y de Geoffrey Stuart Watson, estadístico australiano.

Durbin Watson estadísticas

Resumen

  • La estadística de Durbin-Watson es una estadística de prueba utilizada en estadística para detectar autocorrelación en los residuos de un análisis de regresión.
  • El estadístico de Durbin-Watson siempre toma un valor entre 0 y 4. Un valor de DW = 2 indica que no existe autocorrelación.
  • Un uso importante de la prueba es predecir el movimiento del precio de una acción en particular basándose en datos históricos.

¿Qué es la autocorrelación?

La correlación serial, también llamada autocorrelación, se refiere al grado de correlación entre los valores de variables en diferentes conjuntos de datos. Normalmente se utiliza cuando se trabaja con datos de series temporales donde las observaciones ocurren en diferentes momentos (por ejemplo, la 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 estaban más separados en el tiempo, esto se llama correlación.

¿Qué son los residuos en las estadísticas?

En estadística, los residuos no son más que la diferencia entre el valor observado y la media que predice un modelo particular para esa observación. Los residuos son extremadamente útiles en el análisis de regresión porque indican hasta qué punto un modelo tiene en cuenta la variación en los datos dados.

¿Qué es el análisis de regresión?

El análisis de regresión es un método utilizado en estadística para ayudar a determinar qué variables tienen un impacto en un sujeto de experimento en particular. El proceso ayuda a determinar qué factores son más importantes, cuáles deben ignorarse y cómo se influyen entre sí. Las variables juegan un papel importante en la regresión y es importante comprender los tipos de variables:

Variable dependiente: El factor principal comprendido o predicho en el experimento, dependiendo de otras variables

Variable independiente: Variables que afectan a la variable dependiente

Cómo calcular las estadísticas de Durbin Watson

Las siguientes hipótesis para la estadística de Durbin-Watson:

H(0) = no existe autocorrelación de primer orden.

H(1) = existe autocorrelación de primer orden.

Los supuestos de la prueba son:

  • Los errores se distribuyen normalmente con una media de 0.
  • Todos los errores son estacionarios.

La fórmula de la prueba es:

Durbin Watson estadísticas

>Dónde:

  • y es el numero restante
  • t es el número de observaciones del experimento.

Interpretación de las estadísticas de Durban-Watson

El estadístico de Durban-Watson siempre toma un valor entre 0 y 4. Un valor de DW = 2 indica que no existe autocorrelación. Si el valor es inferior a 2, indica autocorrelación positiva y un valor superior a 2 indica correlación serial negativa.

Para probar la autocorrelación positiva en el nivel de significancia α (alfa), el estadístico de prueba DW se compara con los valores críticos superior e inferior:

Si DW < Valor crítico inferior: Existe evidencia estadística de que los datos están autocorrelacionados positivamente

Si DW > Valor crítico superior: No hay evidencia estadística de que los datos estén correlacionados positivamente.

Cuando DW está entre los valores críticos inferior y superior: La prueba no es concluyente.

Para probar la autocorrelación negativa en el nivel de significancia α (alfa), la estadística de prueba 4-DW se compara con los valores críticos superior e inferior:

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.

Cuando 4-DW está entre los valores críticos inferior y superior: La prueba no es concluyente.

Utilizando el test en los mercados bursátiles

Sin embargo, hay muchas formas de utilizar la prueba como indicador en el mercado de valores.

Un uso importante de la prueba es predecir el movimiento del precio de una acción en particular basándose en datos históricos. Cuando la prueba se aplica a una acción y muestra una correlación serial positiva, sugiere que el precio de la acción de ayer tiene una correlación positiva con el precio de hoy. Entonces, si el precio subió ayer, lo más probable es que suba hoy.

Si el precio de las acciones cayó ayer, es probable que caiga hoy. Sin embargo, si la prueba muestra una correlación serial negativa, significa que si el precio hubiera subido ayer, lo más probable es que caiga hoy.

Otra aplicación importante de la correlación serial es el análisis técnico. El análisis técnico de una acción es una revisión. Tendencias anteriores y utilizar técnicas para evaluar la salud financiera y hacer predicciones. En la mayoría de los casos, los precios pasados ​​de una acción afectan su precio futuro y, por lo tanto, la autocorrelación es una herramienta adecuada.

Recursos adicionales

CFI es el proveedor oficial del programa de certificación Business Intelligence & Data Analyst (BIDA)®, diseñado para transformar a cualquier persona en un analista financiero de clase mundial.

Para ayudarle a convertirse en un analista financiero de primer nivel y maximizar su carrera, estos recursos adicionales le resultarán muy útiles:

Error 403 The request cannot be completed because you have exceeded your quota. : quotaExceeded

Deja un comentario

¡Contenido premium bloqueado!

Desbloquear Contenido
close-link