假设因变量y自变量x1,x2,x3的方程1(eq01)存在自相关：

equation eq01.ls y c x1 x2 x3

科克伦-奥克特迭代法:

equation eq02.ls y c x1 x2 x3 ar(1) ar(2) ar(3)

equation eq03.ls y c x1 x2 x3 ar(1) ar(2)

equation eq04.ls y c x1 x2 x3 ar(1)

方程eq02,eq03,eq04中有一个是已经消除了自相关（方程的Breusch-Godfrey Serial Correlation LM Test），
且滞后项均是显著的（ar项系数的t检验），就是用户所求的、采用科克伦-奥克特迭代法消除自相关的模型。

如果添加ar(1) ar(2) ar(3)后方程仍然存在自相关，就继续添加滞后项ar(4)......

非常感谢您的帮助!

那决定系数不显著了怎么办啊？

2楼的方法应该不对

首先数据如果存在自相关性的话，用ar(1),ar(2),ar(3)那样子纯是套模型，这样做是不对的，就想李子奈说的单位根方法，从三种选择中一个一个试验一样，这样是不对的。

我觉的是这样做：

equation eq01.ls y c x1 x2 x3

freeze(ta01) eq01.correlsq

观察图形后：按照图形的特征在eq01中加相应的ar和ma项，再检验，比如观察图形后是ar（1）项

equation eq02.ls y c x1 x2 x3 ar(1)

freeze(ta02) eq02.correlsq

查看q统计量的显著性，即可

如果是照你说的方法去做，拟合出来的模型应该如何去表示？

另外经济意义怎么表示？X表示第三产业产值，Y表示人均GDP

Dependent Variable: Y    
Method: Least Squares    
Date: 05/13/09   Time: 17:00    
Sample: 1952 2007    
Included observations: 56    
    
Variable Coefficient Std. Error t-Statistic Prob. 
    
C 188.0087 55.54600 3.384740 0.0013
X 10.85726 0.105263 103.1443 0.0000
    
R-squared 0.994950     Mean dependent var  2800.571
Adjusted R-squared 0.994856     S.D. dependent var  5158.096
S.E. of regression 369.9355     Akaike info criterion  14.69960
Sum squared resid 7390022.     Schwarz criterion  14.77193
Log likelihood -409.5887     F-statistic  10638.76
Durbin-Watson stat 0.466596     Prob(F-statistic)  0.000000
    
像我这个存在正自相关了，我可以用AR（i）去消除

Dependent Variable: Y    
Method: Least Squares    
Date: 05/13/09   Time: 17:09    
Sample(adjusted): 1955 2007    
Included observations: 53 after adjusting endpoints    
Convergence achieved after 6 iterations    
    
Variable Coefficient Std. Error t-Statistic Prob. 
    
C 198.2199 34.86790 5.684884 0.0000
X 11.08844 0.155633 71.24719 0.0000
AR(1) 1.299913 0.121837 10.66926 0.0000
AR(2) 0.386840 0.218724 1.768624 0.0833
AR(3) -1.150843 0.150515 -7.646035 0.0000
    
R-squared 0.999674     Mean dependent var  2947.151
Adjusted R-squared 0.999647     S.D. dependent var  5266.126
S.E. of regression 98.93082     Akaike info criterion  12.11631
Sum squared resid 469790.7     Schwarz criterion  12.30218
Log likelihood -316.0821     F-statistic  36823.17
Durbin-Watson stat 2.234857     Prob(F-statistic)  0.000000
    
Inverted AR Roots    1.07+.50i    1.07 -.50i       -.83 
 Estimated AR process is nonstationary   
    
现在消除了自相关了。但是模型应该怎么写呢？

经济意义应该怎么表示？