在处理自相关问题时，我们常采用科克伦—奥克特迭代法，很多书籍上都写的该方法的操作为：“在EViews的命令栏中输入‘LS Y C X AR(1)’，即可自动迭代得到科克伦-奥克特迭代估计结果”（如庞皓版的计量经济学）。  

        但在实际操作中，得到的结果却不是这样。

        而造成这一切的，其实是因为版本高的Eviews默认的迭代方式不一样，高版本的Eviews默认使用的为“Method: ARMA Maximum Likelihood (BFGS)”，即最大似然估计，而科克伦-奥克特迭代法用的是“Least Squares”,即最小二乘法。

step1：解决该问题需要先对数据进行回归，在EViews的命令栏中输入‘LS Y C X’
step2：得到回归结果后，点击上方“Estimate”按钮，出现输入编辑栏，在输入栏最后附上“ar(1)”（大小写无所谓）
step3：点击上方“Options”按钮，进入参数和方法选择页面，发现在“Method”中选择的方法为“ML”，点击“ML”，切换至“CLS”
step4：左下方的“Optimization”为“BFGS”，点击“BFGS”，切换至“Eviews legacy”:
      完成后，点击“确定”即可，得到跟书上一样科克伦—奥克特的迭代结果

（还有问题的话，可以在下面留言）