自相关问题及其处理方法
回归分析中常见的问题是多重共线性，其他的问题诸如自相关及异方差问题有时也会出现，以厂仅对自相关及异方差相关概念作简单介绍。
1.自相关问题及处理。

      自相关是指模型的误差项间存在相关性。一旦发生自身相关，意味着数据中存在自变量所没有解释的某种形态。由于这个原因，自相关的存在，说明模型还不够完善。此外，回顾统计分析的基本假设是误差项为随机分布。如果自相关存在.严格地说，回归系数标准误差和标准差都可能会严重低估。因此，可能会扭曲回归方程式的精确性。

(1)自相关的来源与后果自相关问题的存在，主要有如下几个原因：
①经济变量的惯性。
大多数经济时间序列都存在自相关其本期值往往受滞后值影响。突出特征就是惯性与低灵敏度。如国民生产总值、固定资产投资、国民消费、物价指数、股票收益率等随时间缓慢地变化，从而建立模型时导致误差项自相关。
②回归模型的形式设定存在错误。

若所用的数学模型与变量间的真实关系不一致，误差项常表现出自相关。比如平均成本与产量呈抛物线关
系、当用线性回归模型拟合时，误差项必存在自相关。
③回归模型中漏掉了重要解释变量。
若丢掉了应该列人模型的带有自相关的重要解释变量，那么它的影响必然归并到误差项中，从而使误差项呈现自相关。当然略去多个带有自相关的解释变量，使误差项呈现白相关。也许因互相抵消并不
④因对数据加工整理而导致误差项之间产生自相关:

在回归分析建模中.经常要对原始数据进行一些处理，比如对季度数据的消除季节性影响的处理，会带来序列的自相关性。
(2)用DW统计量衡量自相关J自相关指误差项之间的线性关系。
在简单的情况下，误差项与前阶段的误差项相关，这种情况称为一阶自相关。自相关检验方法有DW检验法、LM检验法、回归检验法等。比较常用的是DW检验法。有这项数据。DW检验统计量值，在统计分析软件输出中，一般都会 DW统计量即德宾-沃森统计量，是简单有效的方法.

    一般地，Dw=2的左右，基本不存在序列的自相关性。当DW为其他数值时，需要查表比较，一般的统计分析教材附录中均会给出检验自相关性DW数值表。

   2.自相关的处理方法。

在回归分析结果中如果出现自相关问题，将会严重影响回归分析的可靠性，因此，对自相关问题进行处理，主要处理方法：
    ①尽量寻找方程式中所遗漏的显著解释变量。
    ②如果所有可能的解释变量都不能有效改善自相关，形式。
    ③如果前面两个步骤行不通的话，需要采用差分法、平约件戒若擒些卞法的综合运用等方法处理。尝试其他的函数自回归法、移动平均法，或者这些方法的综合运用等方法处理。