在 R 中，包中的函数durbinWatsonTest()验证car线性模型的残差是否相关：

• 原假设（$\text{H}_0$）是残差之间没有相关性，即它们是独立的。
• 另一种假设（$\text{H}_a$）是残差是自相关的。

由于 p 值接近于零，这意味着可以拒绝空值。

如果您相信 DW 检验，那么是的，这表明您具有序列相关性。但是，请记住，假设检验的语言你永远不能接受任何东西，你只能拒绝它。

此外，DW 检验需要全套经典线性模型假设，包括正态性和无偏性，才能获得任何功效。几乎没有现实生活中的应用程序可以合理地假设这一点，因此您很难说服其他人相信它的有效性。有许多更简单（也更健壮）的测试可以代替 DW，你应该使用这些！

当然，简单的解决方案是只计算稳健的标准误差，例如 newey-west （这在 R 中很容易做到），那么你可以简单地忽略这个问题

Durbin Watson 检验旨在检查正自相关和负自相关，但仅检查一阶。它不应用于超过一阶自相关的数据。以下链接显示了假设和推论

https://www.statisticshowto.datasciencecentral.com/durbin-watson-test-coefficient

从这个网站：

“Durbin Watson 检验的假设是：H0 = 没有一阶自相关。H1 = 存在一阶相关。

Durbin Watson 检验报告一个检验统计量，其值从 0 到 4，其中经验法则是：

2 is no autocorrelation.
0 to <2 is positive autocorrelation (common in time series data).
>2 to 4 is negative autocorrelation (less common in time series data).

经验法则是 1.5 到 2.5 范围内的测试统计值相对正常。"

请注意，要获得更准确的结论，我们不应仅依赖 DW 统计量，而应查看 p 值。像 SAS 这样的软件包会给出 2 个 p 值——一个用于测试正的一阶自相关，第二个用于测试负的一阶自相关（两个 p 值加起来为 1）。如果两个 p 值都大于您选择的 Alpha（大多数情况下为 0.05），那么我们不能拒绝“不存在一阶自相关”的原假设。

如果任何一个 p 值 < 0.05（或选定的 Alpha），那么我们知道相应的备择假设为真（确定性为 1-Alpha）。

我希望这会有所帮助。

dwtest 针对备择假设而不是零假设进行测试。因此，如果 p 值低于您所说的水平，则意味着它接受替代假设并拒绝原假设。