据我的理解——只是我的理解哈^_^，两者都是在假设误差项服从AR1的情况下，也就是比如说Ui=p*Ui-1 + e的情况下：

令Po＝ΣUi'Ui-1'/ ΣUi-1'^2为p的估计量，此处带'的表示是OLS回归残差，求和都从i=2开始；按DW估计量的定义，大样本时DW约等于2(1-Po)；

而C－O法中的Po虽然定义相同，但求出后要再将原来的Yi通过(Yi-Po*Yi-1)的运算，将回归模型右边Ui的滞后消去，只剩白噪声e,然后对这个变换后的Yi再进行新的OLS回归，求出新的回归系数a,b；用这个新的回归模型的新残差，又重复上面步骤算新的Po'，再计算(Yi-Po'*Yi-1)；如此循环，认为最后得到的回归系数ab们会收敛于真值（误差项须有正态分布假设）。

……总之我觉得主要差异就是DW或者它的Po一次求完，用来检验到底AR1的关系是不是成立，而C-O循环多次求直到收敛，可以求到更加准确的a和b。

（怎么感觉有点怪异……||||）仅供参考^_^。

PS不好意思这时才看到题目是“改善”||||||||我真囧……应该也是让Po更加接近于真值吧……汗。希望以上答案有帮助囧。

[此贴子已经被作者于2008-11-5 12:29:20编辑过]