我们老师也是这么说的，但是为什么呢，搞不懂

应该先处理多重共线性，再解决异方差和自相关的问题

用STATA自相关和异方差分别消除会报错。。

可以分别进行，多做几次，比较R^2 和t值的改进情况，选择最好的方案

应该先看是什么类型的数据吧，横截面数据自然要看异方差了，时间序列当然看自相关了

同意楼上的！

谢谢！！！！！！！！！！！

我们的老师说先要进行时间序列的平稳性检验

按照我的经验来看的话，这3种情况很少同时出现。一般共线性不是太严重，不需要进行处理，通过调整变量即可解决；一般来说panel data 容易同时出现“自相关”和“异方差”，这时采用广义最小二乘估计模型系数，就可以同时解决自相关与异方差。

学习了，很好的话题

这个没有绝对的顺序！！

受教了~

我也在郁闷这个问题..因为书上没有说...

问题好，回复不佳！我也遇到同样问题啊！

先处理异方差，然后自相关，
处理完自相关多重共线性的问题也解决了

横截面数据自然要看异方差了，时间序列当然看自相关了

时隔两年，遇到了同样问题~~~

我的神啊！求解决啊

同问，正有此疑问。。。。。。。。。。。。。

各位 的回答 有什么 根据 ，或参考 资料 吗？原理呢？
这个问题好重要 呀

先加入滞后项处理自相关，之后检验，很多时候就同时都解决了。如果没解决异方差的话，就用奥科伦迭代法在最初的模型上，修正自相关，再加权修正异方差。

求问这个在stata中要怎么实现呢？一个命令后，怎么在已有的结果上继续处理呢？

在5%显著性水平下，n=30，k=4（包含常数项），查表得dL=1.21，dU=1.65，由于D.W.=1.27>dL，消除方差后的模型不具有序列相关。
下面这个是相关系数矩阵：
      X3            X4              X5
x3   1           0.982        0.984
x4   0.982            1                0.967
x5   0.984           0.967        1
这个结果说明解释变量之间时高度相关的。
我是先异方差检验，消除异方差，再自相关检验，现在打算多重共线性
要怎么办？我看上面都说自相关处理了，就不用进行多重共线性，但是我这个不具有序列相关，为什么多重共线性这么严重？

是因为处理自相关时是用广义最小二乘，处理异方差用加权最小二乘，本质上都是给变量一个权重。gls比wls的权重更具有灵活性