模拟生成数据：  y=5+0.5*y(-1)+e+0.3*e(-1)

回归模型   ls y  c ar(1) ma(1)

Dependent Variable: Y                                       

Method: Least Squares                                       

Date: 10/28/16   Time: 11:11                                       

Sample: 3 100                                       

Included observations: 98                                       

Convergence achieved after 5 iterations                                       

MA Backcast: 2                                       

Variable        Coefficient        Std. Error        t-Statistic        Prob.         

C           10.08595          0.345488          29.19336        0.0000        

AR(1)          0.510466          0.092806           5.500363              0.0000        

MA(1)  0.257909          0.126734          2.035052             0.0446        

---------------------------

由于ls    y  c   ar(1)   ma(1)

在Eviews中表示成两部分：

            y= c + u(t)

                  a(L) u(t)= b(L) e(t)    -----没有季节成分时的形式

本例子中   y(t) =10.08595 + u(t)

         (1- 0.510466*L)* u(t)= ( 1+ 0.257909*L)* e(t)

即

( 1- 0.510466*L)* (Y(t) -10.08595)= ( 1+ 0.257909*L)* e(t)

y(t) - 0.510466 Y(t-1)- 4.9374154473= e(t)+0.257909e(t-1)

y(t) =4.9374154473+0.510466 Y(t-1) + e(t)+0.257909e(t-1)

总之：带ar或者ma回归得到的那个C实际是系列y的均值（比如：ls y c ar(1)），而不是模型中的截距C，得按Eviews中把回归方程设置为两部分的形式展开得到那个截距；而ls y c y(-1)普通回归得到的那个C就是模型中的截距C。