dw检验表中的k表示什么意思

说实话，DW测试表中的K其实很混乱。
当我第一次阅读文献时，解释变量和因变量几乎颠倒了。
K 显然是模型中自变量的数量。
说白了，就是在预测Y变量（因变量）时，用了多少个X变量（自变量）。

告诉你一个真实的故事，我曾经做过房地产模特。
预估房价 (Y) 与位置、面积和学区 (X1 、X2 、X3 ) 相关。
此时，K为3 这是因为使用了三个自变量。
如果稍后添加装饰度(X4 )，则K变为4 这个K不是随机选择的。
这取决于你的实际研究需求。
K 对应于您想要解释的多个因素。

有趣的是，K对DW测试结果有显着影响。
例如，使用相同的1 0个样本数据，K=2 的模型和K=5 的模型的DW统计量的临界值明显不同。
我之前在论文附录中看到过，当N=3 0时，K=2 的临界值为1 .6 4 和1 .4 8 ，但当K=5 时，下阈值飙升至1 .8 6 这直接导致有时数据中存在明显的自相关性，但K值发生变化，所以结果还好。
因此，在检查 DW 表之前，我们需要检查 K 是什么，并确保我们没有看到任何错误的行。

但是最大K不可能是无限的。
我记得我的老师告诉我，如果K超过1 0，DW测试结果就会变得不准确，主要是因为多重共线性开始出现问题。
我个人从未在这个领域运行过大型模型。
我记得数据在 K=1 0 左右开始出现缺陷。
不过，建议查看最新文献。
如今，测量方法正在迅速发展，可能会出现可以处理非常大的 K 值的新算法。

要使模型能够得出参数估计量，所要求的最小样本容量为( )。

A 是最小尺寸。
简单地说，无论性能如何，使用最小二乘法和最大似然法都需要最少的样本来估计参数。
这个数量不能小于模型中解释变量的数量，包括常数项，它必须至少是n≥k+1 个模型。

dw检验表中的k表示什么意思？

什么是D-W测试？简而言之，它检查数据中是否存在序列相关性。
H0 假设否，H1 假设相反。
使用D统计量，P越接近0，D越接近2 ，数据是独立的。
P 越接近 1 或 -1 ，D 越接近 0 或 4 ，数据的相关性越高。
然而，该方法仅适用于一阶，不能同时解决异方差和序列相关性。
有两个方面还不确定，如果有延迟期就无法发挥作用。
百度百科有更详细的内容。
亲自看看这个案例。

dw检验表中的k表示什么意思

k 是解释变量的数量。
老实说，这是一件非常重要的事情。
如果你看DW测试，仅仅看统计数据是不够的。
您必须将其与表中的值进行比较。
此表中的值与您添加到模型中的自变量的数量有关。

例如，如果你正在构建一个模型，使用三个变量，那么 k 就是 3 如果你添加另一个变量，比如第四个，那么 k 就变成 4 k 的值一旦改变，查表就会不同。
临界值应相应改变。

当时我不明白为什么，但后来读了这本书后我意识到了。
如果k计算错误，结果将完全错误。
比如你本来用了三个变量，写成两个，那么查表肯定会乱七八糟。
因此，计算k时需要特别小心。

样本大小N也很重要，但k值更直接。
无论将什么变量放入模型中，k 都将对应于任何数字。
这个东西不能瞎写；它必须与您的数据相对应。
无论如何，k 是解释变量的数量，只是不要混淆。