Durbin-Watson aprox 2(1−ρ)
- Criado por
- Renato Passos, Eng. de Software
- Revisado por
- Renato Passos, Eng. de Software
Última atualização: 18 de abr. de 2026
Sobre esta calculadora
A calculadora Durbin-Watson aprox 2(1−ρ) é uma ferramenta estatística que estima o valor da estatística Durbin-Watson com base no coeficiente de autocorrelação (ρ). Essa estatística é usada para detectar a presença de autocorrelação nos resíduos de um modelo de regressão linear, comum em séries temporais. O valor aproximado 2(1−ρ) é derivado da relação teórica entre a autocorrelação e a estatística, simplificando o cálculo sem a necessidade de processar todos os resíduos individualmente.
Funciona calculando ρ, a autocorrelação dos resíduos, e aplicando a fórmula 2(1−ρ). Quando ρ = 0 (ausência de autocorrelação), o valor da estatística será próximo de 2. Valores menores que 2 indicam autocorrelação positiva, enquanto valores acima de 2 sugerem autocorrelação negativa. É uma aproximação útil em análises rápidas, mas não substitui o cálculo exato dos resíduos, especialmente em modelos complexos ou amostras pequenas.
Use essa calculadora ao verificar se resíduos de modelos de séries temporais são independentes. Por exemplo, em previsões econômicas ou climáticas, autocorrelação pode invalidar suposições do modelo. Evite confiar apenas na aproximação para decisões críticas; combine com testes complementares como o teste de Breusch-Godfrey para maior confiabilidade. A calculadora é ideal para diagnóstico inicial, mas não substitui análises mais robustas.
Perguntas frequentes
O que é a estatística Durbin-Watson?
É uma métrica estatística que mede a autocorrelação entre resíduos consecutivos em modelos de regressão, especialmente em séries temporais.
Como interpretar resultados próximos de 2?
Valores próximos de 2 indicam ausência de autocorrelação. Menores que 2 sugerem autocorrelação positiva; maiores que 2, autocorrelação negativa.
Quando usar a aproximação 2(1−ρ) ao invés do cálculo exato?
Use a aproximação para diagnósticos rápidos ou amostras grandes. Para amostras pequenas ou modelos críticos, prefira o cálculo exato dos resíduos.
O que acontece se houver autocorrelação nos resíduos?
A autocorrelação pode invalidar suposições do modelo, como a independência dos resíduos, levando a inferências estatísticas imprecisas.
Esta calculadora substitui testes como Breusch-Godfrey?
Não. É uma aproximação inicial. Testes como Breusch-Godfrey são necessários para confirmação em modelos complexos.