डर्बिन वाटसन स्टेटिस्टिक परिभाषा
डर्बिन वॉटसन स्टेटिस्टिक क्या है?
डर्बिन वॉटसन (डीडब्ल्यू) स्टेटिस्टिक एक रेगुलेटरी रेजिस्टेंस एनालिसिस से रेजिडेंशियल में ऑटोकॉरलेशन के लिए एक टेस्ट है । डर्बिन-वॉटसन स्टेटिस्टिक का हमेशा 0 और 4 के बीच मान होता है। 2.0 के मान का मतलब है कि नमूने में कोई ऑटोकैरेलेशन नहीं पाया गया है। 0 से लेकर 2 से कम के मान सकारात्मक ऑटोकैरेलेशन का संकेत देते हैं और 2 से 4 से मान नकारात्मक ऑटोक्रेलेशन इंगित करते हैं।
सकारात्मक स्वायत्तता प्रदर्शित करने वाले एक शेयर की कीमत दर्शाती है कि कल की कीमत का आज के मूल्य पर सकारात्मक संबंध है – इसलिए यदि कल शेयर गिर गया, तो यह भी संभावना है कि यह आज गिर जाए। दूसरी ओर, एक नकारात्मक ऑटोकॉरेलेशन वाली सुरक्षा का समय के साथ स्वयं पर एक नकारात्मक प्रभाव पड़ता है – ताकि अगर यह कल गिर गया, तो अधिक संभावना है कि यह आज बढ़ जाएगा।
चाबी छीन लेना
- डर्बिन वॉटसन स्टेटिस्टिक डेटा सेट में ऑटोकैरेलेशन के लिए एक परीक्षण है।
- डीडब्ल्यू स्टेटिस्टिक का हमेशा शून्य और 4.0 के बीच मान होता है।
- 2.0 के मान का मतलब है कि नमूने में कोई ऑटोकरेलेशन नहीं पाया गया है। शून्य से 2.0 तक के मान सकारात्मक स्वसंबंध का संकेत देते हैं और 2.0 से 4.0 तक के मान नकारात्मक निरंकुशता का संकेत देते हैं।
- ऑटोकैरेलेशन तकनीकी विश्लेषण में उपयोगी हो सकता है, जो कि कंपनी के वित्तीय स्वास्थ्य या प्रबंधन के एवज में चार्टिंग तकनीकों का उपयोग करके सुरक्षा कीमतों के रुझानों से सबसे अधिक चिंतित है।
डर्बिन वाटसन स्टेटिस्टिक की मूल बातें
स्वसंवेदना, जिसे सीरियल सहसंबंध के रूप में भी जाना जाता है, ऐतिहासिक डेटा के विश्लेषण में एक महत्वपूर्ण समस्या हो सकती है अगर कोई इसके लिए बाहर देखना नहीं जानता है। उदाहरण के लिए, चूंकि स्टॉक की कीमतें एक दिन से दूसरे दिन में भी बहुत अधिक नहीं बदलती हैं, इसलिए एक दिन से दूसरे दिन की कीमतें संभावित रूप से अत्यधिक सहसंबद्ध हो सकती हैं, हालांकि इस अवलोकन में बहुत कम उपयोगी जानकारी है। स्वायत्तता के मुद्दों से बचने के लिए, वित्त में सबसे आसान समाधान है ऐतिहासिक मूल्यों की एक श्रृंखला को दिन-प्रतिदिन प्रतिशत-परिवर्तन की श्रृंखला में बदलना।
स्वावलंबन तकनीकी विश्लेषण के लिए उपयोगी हो सकता है , जो किसी कंपनी के वित्तीय स्वास्थ्य या प्रबंधन के एवज में चार्टिंग तकनीकों का उपयोग करते हुए सुरक्षा कीमतों, के बीच संबंधों और रुझानों से संबंधित है। तकनीकी विश्लेषक यह देखने के लिए कि भविष्य में इसकी भविष्य की कीमत पर अतीत की कीमतों का कितना असर है, ऑटोकॉर्पोरेशन का उपयोग कर सकते हैं।
डर्बिन वाटसन सांख्यिकी का नाम सांख्यिकीविदों जेम्स डर्बिन और जेफ्री वाटसन के नाम पर रखा गया है।
यदि स्टॉक में एक संवेग कारक जुड़ा हुआ है, तो स्वतःसंक्रमण दिखा सकता है। उदाहरण के लिए, यदि आप जानते हैं कि ऐतिहासिक रूप से किसी स्टॉक का उच्च सकारात्मक ऑटोकैरेलेशन मूल्य है और आपने पिछले कई दिनों में स्टॉक को ठोस लाभ के रूप में देखा है, तो आप आने वाले कई दिनों (अग्रणी समय श्रृंखला) से मेल खाने के लिए उम्मीद कर सकते हैं। लैगिंग समय श्रृंखला और ऊपर की ओर बढ़ने के लिए।
डर्बिन वाटसन स्टेटिस्टिक का उदाहरण
डर्बिन वॉटसन सांख्यिकी के लिए सूत्र बल्कि जटिल है, लेकिन डेटा के एक सेट पर एक साधारण न्यूनतम वर्ग प्रतिगमन से अवशिष्ट शामिल है । निम्न उदाहरण दिखाता है कि इस आंकड़े की गणना कैसे की जाती है।
निम्नलिखित (x, y) डेटा बिंदुओं को मानें:
” सर्वश्रेष्ठ फिट की रेखा ” खोजने के लिए कम से कम वर्गों के प्रतिगमन के तरीकों का उपयोग करते हुए, इस डेटा की सबसे अच्छी फिट रेखा के लिए समीकरण:
य=-२।६२६।एक्स+1,1२९।२Y = { – 2.6268} x + {1,129.2}य=-२।6268 एक्स+1,१२९।२
डर्बिन वॉटसन सांख्यिकी की गणना में यह पहला कदम सबसे अच्छा फिट समीकरण की रेखा का उपयोग करके अपेक्षित “y” मूल्यों की गणना करना है। इस डेटा सेट के लिए, अपेक्षित “y” मान हैं:
अगला, वास्तविक “y” मूल्यों बनाम अपेक्षित “y” मूल्यों की त्रुटियों, त्रुटियों की गणना की जाती है:
ईआरआरओआर()1)=()1,1००-1,1०२।९)=-२।९ईआरआरओआर()२)=()1,२००-1,०।६।।)=1२३।३ईआरआरओआर()३)=()९।५-1,०३।।३)=-५२।३ईआरआरओआर()४)=()।५०-1,०२४।1)=-२।४।1ईआरआरओआर()५)=()1,२1५-९९।।९)=२1।।1ईआरआरओआर()६)=()1,०००-1,०11)=-11\ start {align} और \ text {Error} \ left ({1} \ right) = \ left ({1,100} – {1,102.9} \ right) = { – 2.9} \\ & \ text {त्रुटि} \ left ( {2} \ राइट) = \ लेफ्ट ({1,200} – {1,076.7} \ राइट) = {123.3} \\ & \ टेक्स्ट {एरर} \ लेफ्ट ({3} \ राइट) = \ लेफ्ट ({985) – { 1,037.3} \ दाएँ) = { – 52.3} \\ & \ पाठ {त्रुटि} \ बाएँ ({4} \ दाएँ) = \ बाएं ({750} – {1,024.1} \ दाएँ) = { – 274.1} \\ और \ पाठ {त्रुटि} \ वाम ({5} \ दा) = \ वाम ({1,215} – {997.9} \ दा) = {217.1} \\ और \ पाठ {त्रुटि} \ बाएं ({6} \ सही) = \ बाएं ({1,000} – {1,011} \ दाएँ) = { – 11} \\ \ अंत {गठबंधन}उन्होंने कहा कि इस तरह की घटनाओं को रोकने के लिए सरकार की ओर से कोई ठोस कदम नहीं उठाया गया है।त्रुटि(1 )=(1,१००-1,१०२।9 )=-२।९त्रुटि(२ )=(1,२००-1,076।7 )=१२३।३त्रुटि(३ )=(९8५)-1,037।3 )=-५२।३त्रुटि(४ )=(750-1,024।1 )=-२7४।1त्रुटि(५ )=(1,२१५-997।9 )=२१7।1त्रुटि(६ )=(1,०००-1,011 )=-११उन्होंने कहा कि इस तरह की घटनाओं को रोकने के लिए सरकार की ओर से कोई ठोस कदम नहीं उठाया गया है।
आगे इन त्रुटियों को चुकता और सम्मिलित किया जाना चाहिए :
अगला, त्रुटि का मान शून्य से पिछली त्रुटि की गणना और चुकता किया गया है:
Difference()1)=()1२३।३-()-२।९))=1२६।२Difference()२)=()-५२।३-1२३।३)=-1।५।६Difference()३)=()-२।४।1-()-५२।३))=-२२1।९Difference()४)=()२1।।1-()-२।४।1))=४९1।३Difference()५)=()-11-२1।।1)=-२२।।1एसयूm ओच डीमैंचचईआरईएनसीईएस एसक्यूयूएकआरई=३।९,४०६।।1\ शुरू {गठबंधन} और \ पाठ {अंतर} \ बाएं ({1} \ सही) = \ बाएं ({123.3} – \ बाएं ({ – 2.9} \ सही) \ दा) = {126.2} \\ और \ पाठ {अंतर} \ बायां ({२} \ _ दायां) = \ बायां ({ -52.3} – {१२३.३} \ _ दायां) = { – १ =५.६} \ _ और \ पाठ {अंतर} \ बायां ({3} \ _) \ बाएँ ({ -274.1} – \ बाएँ ({ – 52.3} \ दाएँ) \ दाएँ) = { – 221.9} \\ और \ पाठ {अंतर} \ बाएं ({4} \ दाएँ) = \ बाएं ({217.1}) -> बायां ({ – 274.1} \ दा) \ दा) = {491.3} \\ & \ पाठ {अंतर} \ बाएं ({5} \ दा) = \ बाएं ({ -11) – {217.1} \ दा) = { – 228.1} \\ & \ text {अंतर वर्ग का योग} = {389,406.71} \\ \ अंत {गठबंधन}उन्होंने कहा कि इस तरह की घटनाओं को रोकने के लिए सरकार की ओर से कोई ठोस कदम नहीं उठाया गया है।अंतर(1 )=(123।3-(-2।9 ) )=१२६।२अंतर(२ )=(-52।3-१२३।3 )=-175।६अंतर(३ )=(-274।1-(-52।3 ) )=-२२१।९अंतर(४ )=(217।1-(-274।1 ) )=४९१।३अंतर(५ )=- (११)-२१7।1 )=-२२2।1अंतर वर्ग का योग=389,४०६।1१उन्होंने कहा कि इस तरह की घटनाओं को रोकने के लिए सरकार की ओर से कोई ठोस कदम नहीं उठाया गया है।
अंत में, डर्बिन वाटसन आँकड़ा वर्ग मानों का भागफल है:
Durbin Watson=३।९,४०६।।1/1४०,३३०।।1=२।।।\ पाठ {डर्बिन वाटसन} = {३40 ९, ४०६. }१} / / {१४०,३३०. }१} = = २.२०१२}डर्बिन वॉटसन=389,४०६।71 /140,३३०।1१=२।77
अंगूठे का एक नियम है कि 1.5 से 2.5 की सीमा में परीक्षण सांख्यिकीय मान अपेक्षाकृत सामान्य हैं। इस सीमा के बाहर कोई भी मूल्य चिंता का कारण हो सकता है। कई प्रतिगमन विश्लेषण कार्यक्रमों द्वारा प्रदर्शित किए गए डर्बिन-वाटसन स्टेटिस्टिक, कुछ स्थितियों में लागू नहीं है। उदाहरण के लिए, जब लैग्ड डिपेंडेंट वेरिएबल्स को व्याख्यात्मक वेरिएबल्स में शामिल किया जाता है, तो इस टेस्ट का उपयोग करना अनुचित है।