500 40 300 0 20 40 86889092g496980002 图6.6残差图 图6.6残差图中，残差的变动有系统模式，连续为正和连续为负，表明残差项存在一 阶正自相关，模型中1统计量和F统计量的结论不可信，需采取补救措施。 三、自相关问题的处理 为解决自相关问题，选用科克伦一奥克特迭代法。由模型(6.44)可得残差序列，在 EViews中，每次回归的残差存放在resid序列中，为了对残差进行回归分析，需生成命名为 e的残差序列。在主菜单选择Quick/Generate Series或点击工作文件窗口工具栏中的Procs/ Generate Series,在弹出的对话框中输入e=resid,点击OK得到残差序列e。使用e,进行滞 后一期的自回归，在EViews命今栏中输入lscc(1)河得回归方程 eF0.4960e: (6.45) 由式(6.45)可知户0.4960，对原模型进行广义差分，得到广义差分方程 Y,-0.4960Y,4=B,(1-0.4960)+B2(X,-0.4960X-)+4, (6.46 对式(6.46)的广义差分方程进行回归，在EViews命令栏中输入lsy-0.4960y(-l)c X0.4960*X(1),回车后可得方程输出结果如表6.4。 表6.4 广义差分方程输出结果 Dependent Variable:Y-0.496014Y(-1) Method:Least Squares Date:03f26/05Time:12:32 Sample(adjusted):19862003 Included observations:18after adjusting endpoints Variable Coefficient Std.Error t-Statistic Prob. 33 图 6.6 残差图 图 6.6 残差图中，残差的变动有系统模式，连续为正和连续为负，表明残差项存在一 阶正自相关，模型中 t 统计量和 F 统计量的结论不可信，需采取补救措施。 三、自相关问题的处理 为解决自相关问题，选用科克伦—奥克特迭代法。由模型（6.44）可得残差序列 et，在 EViews 中，每次回归的残差存放在 resid 序列中，为了对残差进行回归分析，需生成命名为 e 的残差序列。在主菜单选择 Quick/Generate Series 或点击工作文件窗口工具栏中的 Procs/ Generate Series，在弹出的对话框中输入 e = resid，点击 OK 得到残差序列 et。使用 et进行滞 后一期的自回归，在 EViews 命今栏中输入 ls e e (-1)可得回归方程 et= 0.4960 et-1 （6.45） 由式（6.45）可知 rˆ =0.4960，对原模型进行广义差分，得到广义差分方程 t t t t t Y - Y = - + X - X + u - - 0.4960 (1 0.4960) ( 0.4960 ) 1 b1 b2 1 （6.46） 对式（6.46）的广义差分方程进行回归，在 EViews 命令栏中输入 ls Y-0.4960*Y (-1) c X-0.4960*X (-1)，回车后可得方程输出结果如表 6.4。 表 6.4 广义差分方程输出结果 Dependent Variable: Y-0.496014*Y(-1) Method: Least Squares Date: 03/26/05 Time: 12:32 Sample(adjusted): 1986 2003 Included observations: 18 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob