• برای به کار بردن این آزمون هیچ مشاهده ی گم شده ای نباید وجود داشته باشد.

• متغیر با وقفه از نوع وابسته نباید در سمت راست مدل وجود داشته باشد.
• مدل رگرسیونی باید عرض از مبدا داشته باشد.
یکی از فروض کلاسیک در تخمین بروش ols نبود ارتباط میان پسماندها ( باقیمانده ها یا خطاها) در دوره‌های مختلف زمانی است؛ نقض این فرض مشکلی به نام خود همبستگی ایجاد می‌کند. به عبارت دیگر مدل کلاسیک فرض می‌کند که جزء اخلال مربوط به یک مشاهده، تحت تاثیر جزء اخلال
مربوط به مشاهده دیگر قرار نمی‌گیرد.
دلایل ایجاد خود همبستگی:
سکون ( ایستایی): در رگرسیونی که از داده های سریهای زمانی استفاده می کنند، مشاهدات پی در پی تقریبا به هم وابسته‌اند.
تورش تصریح: ( حالت متغیرهای حذف شده) در مواردی یک متغیر مهم از مدل حذف شده است و همین مساله باعث خود همبستگی می‌شود.
تورش تصریح: ( شکل غلط تابع) در مواقعی که شکل مدل غلط است و دچار تورش تصریح از نوع شکل غلط تابع هستیم.
پدیده تار عنکبوتی: وقتی داده ها تحت تاثیر داده های قبلی قرار می گیرند؛ به عنوان مثال عرضه محصولات کشاورزی بر اساس قیمت سال پیش تعین می‌شود.
وقفه ها: ممکن است یک مدل خود رگرسیونی باشد در حالتی که جزء وقفه دار را نادیده بگیریم، دچار خود همبستگی می‌شویم.
دستکاری داده ها: در مواردی تبدیل داده ها به شکل‌های مختلف باعث خود همبستگی می‌شود.
مشکلات تخمین ols در حالت وجود خود همبستگی:
برآورد ضرایب بدون تورش ( نااریب) هستند، ولی کارا نیستند.
واریانس خطا اریب است.
واریانس ضرایب مدل اریب است
آماره های t و F معتبر نیستند.
نحوه داوری:
هرگاه مقدار آماره دوربین واتسون بین ۱.۵ تا ۲.۵ باشد در این صورت بین اجزای خطای مدل رگرسیون همبستگی وجود ندارد در غیر این صورت بین اجزای خطای مدل همبستگی وجود دارد. به عبارت دیگر خطاها دارای توزیع نرمال بوده و مدل برازش داده شده مدل خوبی می باشد.
جدول ۴-۱۵: آماره آزمون دوربین واتسون برای بررسی فرض نرمال بودن خطاها

آماره آزمون دوربین واتسون

۵۶/۱

شرایط برقرار است

در مبحث رگرسیون محقق به دنبال یافتن رابطه خطی بین متغیر ملاک و متغیرهای پیش بین است. برای بررسی رابطه بین متغیر ملاک (پیشرفت تحصیلی) و متغیرهای پیش بین (مدیریت کلاس اساتید و یادگیری خودتنظیمی) از رگرسیون چند متغیره به روش پسرو (BackWard)استفاده شده است.
مرحله اول:
در این مرحله ابتدا تمام متغیرهای پیش بین وارد مدل می شوند. با اینکه روش پسرو یک روش حذفی است، اجرای این مرحله الزامی است. زیرا هر متغیر برای ورود به مدل باید حداکثر سطح معنی داری آن ۰۵/۰ بوده و همچنین برای حذف هر متغیر از مدل باید حداقل سطح معنی داری آن ۱۰/۰ باشد .
جدول ۴-۱۶: متغیرهای وارد شده و خارج شده به مدل رگرسیونی

مدل

متغیرهای داخل شده (پیش بین)

متغیرهای خارج شده

روش

۱

مدیریت کلاس اساتید و یادگیری خودتنظیمی

.

(داخل شدن)