더빈-왓슨 검정 (Durbin-Watson Test)
쉽게 풀면
회귀분석은 오차(잔차)들이 서로 아무 관련 없이 무작위로 흩어져 있다는 가정 위에서 작동합니다. 그런데 시간 순서로 쌓인 데이터(시계열)에서는 어제 오차가 크면 오늘 오차도 비슷하게 큰 식으로 오차끼리 서로 연관되는 경우가 흔합니다. 이를 자기상관이라고 하는데, 더빈-왓슨 검정은 이 자기상관이 있는지를 0~4 사이의 값으로 알려줍니다. 값이 2에 가까우면 자기상관이 거의 없다는 뜻이고, 0에 가까우면 양의 자기상관, 4에 가까우면 음의 자기상관이 있다는 신호입니다.
왜 중요한가
회귀분석의 표준오차와 유의성 검정은 잔차들이 서로 독립이라는 가정을 전제로 계산되는데, 자기상관이 존재하면 표준오차가 실제보다 작게 추정되어 유의하지 않은 결과를 유의한 것처럼 잘못 판단할 위험이 커집니다. 특히 시계열 데이터를 다루는 경제학, 재무학, 환경과학 논문에서는 이 가정 위반이 결과의 신뢰도를 직접적으로 흔들 수 있기 때문에, 더빈-왓슨 검정은 회귀모형 진단의 표준 절차 중 하나로 거의 관행적으로 보고됩니다.
논문에서는 이렇게 쓰입니다
이 문장은 더빈-왓슨 통계량이 2에 매우 가까워 잔차들 사이에 뚜렷한 자기상관이 없다고 판단했다는 뜻입니다.
재무 데이터 분석에서 더빈-왓슨 검정으로 자기상관을 발견한 뒤, 이를 교정하기 위한 후속 통계 기법을 적용한 사례를 보여줍니다.
환경과학 연구에서 시계열로 관측된 수질 데이터의 잔차 독립성을 점검하는 데 더빈-왓슨 검정이 활용된 예입니다.
조금 더 깊게 보면
더빈-왓슨 통계량은 표본크기와 설명변수 개수에 따라 상한값(dU)과 하한값(dL)이라는 임계값 표를 기준으로 판정하며, 통계량이 두 임계값 사이에 있으면 자기상관 여부를 판단할 수 없는 모호한 구간이 존재한다는 한계가 있습니다. 또한 이 검정은 시차가 1인 자기상관만 탐지하도록 설계되어 있어서, 더 긴 시차의 자기상관이나 지연종속변수가 포함된 모형에서는 브로이쉬-갓프리(Breusch-Godfrey) 검정 같은 대안이 더 적합합니다. 자기상관이 확인되면 일반화최소제곱(GLS)이나 뉴이-웨스트 표준오차 같은 보정 방법을 함께 보고하는 경우가 많습니다.
주의할 점
더빈-왓슨 검정은 바로 인접한 시점 간의 자기상관(1차 자기상관)만 탐지하도록 설계되어 있어, 더 복잡한 패턴의 자기상관은 다른 방법(예: 그레인저 인과성 검정 등)으로 추가 확인해야 할 수 있습니다.