德布劳内回归(Durbin-Watson regression)是一种用于检验回归模型中自相关性(Autocorrelation)存在与否的方法。
它是根据经济学家詹姆斯·德布劳内(James Durbin)和戴维·沃特森(Geoffrey Watson)的研究而得名。自相关性指的是回归模型中误差项之间存在相关性,即误差项在不同观测点上不是独立的。当存在自相关性时,回归模型的参数估计不再是最优的,常规的统计检验也不再有效。德布劳内回归通过计算回归模型残差之间的相关性来检验自相关性。具体地,它计算出残差之间的自相关系数,并与一个理论的范围进行比较(通常是0-4之间)。如果计算出的自相关系数接近0,则表示没有自相关性;如果接近于2,则表示存在较强的正自相关性;如果接近于4,则表示存在较强的负自相关性。德布劳内回归的检验结果可以帮助我们了解回归模型是否存在自相关性问题。如果检验结果表明存在自相关性,那么需要对模型进行修正,以确保参数估计的准确性和统计推断的有效性。常见的修正方法包括引入滞后项、使用广义最小二乘法(GLS)等。