DW检验，全称为Durbin-Watson检验，是统计学中用来检验时间序列数据的一阶自相关性的一种方法。在回归分析中，当自变量和因变量之间存在时间序列数据时，DW检验可以帮助我们判断残差序列是否具有自相关性。

具体来说，DW检验的取值范围在0到4之间，其检验的数值含义如下：

1. 当DW值接近0时，表示残差序列存在正相关现象。
2. 当DW值接近4时，表示残差序列存在负相关现象。
3. 当DW值接近2时，表示残差序列不存在自相关性。
4. 当DW值等于1.7时，通常意味着残差序列可能存在正相关现象，但是程度不是很强。

对于DW=1.7的情况，具体解释如下：

- 如果DW值在1.5到2.5之间，根据DW检验的常规判断标准，我们通常认为这是可以接受的，意味着残差序列不存在显著的自相关性。
- 但是，当DW值偏向1.5时，可能暗示残差序列存在一定的正相关现象。在这种情况下，需要进一步结合其他统计方法和实际数据情况来判断自相关性的程度和影响。

总之，DW检验是判断时间序列数据自相关性的重要手段。当您得到DW=1.7的结果时，可以初步认为残差序列不存在显著的自相关性，但也要注意结合其他分析方法和实际数据情况综合判断。希望这个解释能帮助您解决问题。如有其他疑问，欢迎继续提问。