Detekce autokorelace
Popišme nejprve, jak poznat přítomnost autokorelace v datech.
- Graficky
Označme Do grafu postupně vykreslíme hodnoty v závislosti na Bude-li z grafu zřejmá přibližná lineární závislost, svědčí to o autokorelaci 1. řádu nebo o špatné volbě modelu.
- Test hypotézy proti
- Pokud pracujeme s dostatečně velkým souborem pozorování (), přichází v úvahu asymptotický test vycházející z přibližné normality se střední hodnotou a rozptylem V takovém případě platí
Za platnosti hypotézy má tedy statistika
Pak nulovou hypotézu zamítáme, pokud kde je kvantil standardizovaného normálního rozdělení.
- Propracovanější je Durbinův - Watsonův test založený na statistice
Pokud budou residua málo korelovaná, hodnota se bude pohybovat kolem 2. Kladná hodnota způsobí, že a záporná korelace způsobí, že Přesné hodnoty kritických oborů pro test nalezneme v tabulkách.
Durbinův - Watsonův test se používá zejména u dat, jejichž jednotlivá pozorování byla pořízena postupně v pravidelných časových odstupech. Statisticky významná hodnota však může svědčit také o nesprávně zvoleném tvaru regresní funkce.