Durbin-Watson（DW）統計量是一種用於檢驗回歸分析中殘差一階自相關性的方法。其計算公式為：DW=∑i=2n(ei−ei−1)2∑i=1n(ei−e¯)2DW = \frac{\sum_{i=2}^{n}(e_i - e_{i-1})^2}{\sum_{i=1}^{n}(e_i - \bar{e})^2}DW=∑i=1n(ei−e¯)2∑i=2n(ei−ei−1)2其中，ee_iei表示觀測數據與理論模型回響之間的差，即殘差，nn是數據點數量，e¯\bar{e}e¯是殘差序列的平均值。
Durbin-Watson統計量的值通常介於0到4之間。當DW值接近2時（例如在1.7到2.3之間），表明殘差之間不存在自相關性，模型構建良好。如果DW值明顯偏離2，則表明存在自相關性，模型構建可能存在問題。具體來說：
當相鄰兩點的殘差為正相關時，DW值將小於2。
當相鄰兩點的殘差為負相關時，DW值將大於2。
如果殘差序列存在自相關性，這可能意味著回歸方程沒有充分說明被解釋變數的變化規律，或者方程中遺漏了一些重要的解釋變數，或者變數存在取值滯後性，或者回歸模型選擇不適當（例如不應使用線性模型）。
總結來說，Durbin-Watson統計量是一個重要的工具，用於評估回歸模型中是否存在殘差的自相關性問題。