想分别考察两个解释变量A，B对被解释变量C的贡献程度。我的步骤如下：
1.首先考察三者之间的相关系数，结果：A和C相关系数为0.977，B和C为0.994，A和B为0.979，因此回归时AB不能同时作为解释变量，以防止多重共线性；
2.建立简单回归方程Yt= c0 + c1*Xt + ut
  由于ABC的数值巨大，因此分别在方程两侧同时取自然对数，用EViews5回归后，AB的系数分别为0.634和0.770，并且在1%水平通过显著性检验。两者的D-W值分别为0.744和1.536，查表可知，当解释变量为B时，通过了显著性为0.05的D.W.检验（dl=1.26 du=1.44），残差序列不相关；而当解释变量为A时，序列存在自相关性，简单线性回归所得结果可能无效，因此需要消除序列相关问题;
3. 采用Cochrane-Orcutt迭代法，得用一阶差分法消除序列相关后的回归方程： y'=(1-p)*c0+c1*x'+et      其中y'=yt-p*yt-1, x'=xt-p*xt-1，p=若，打不出那个符号，不好意思。由于OLS中解释变量B已经通过检验，故这里只需检验A，由1可知，A和C的相关系数P为0.977，方程为y'=0.023*c0+c1*x'+et
对该式进行回归，数据和OLS的一样，最后得出的结果:A的t-statistic Prob.为0.8438，常数项C为0.0000，R^2为0.0019，Adjusted R^2为-0.0479，D-W值为0.6749……

想请教我这一过程有没有问题，为什么迭代消除相关之后，结果反而比之前恶化？
求指点。