以Y_t = \beta_1+\beta_2*X_t+u_t为例：
predict e,r
reg e L.e
得到L.e的Coef.（即\rho\hat）
如果可以通过t检验，则一阶差分是显著的，否则可以考虑二阶差分 对数差分（此处以一阶差分为例）
g Y1 = Y-\rho\hat*L.Y
g X1 = X-\rho\hat*L.X
reg Y1 X1
estat dwa
这里查看dw值是否在(d_U, 4-d_U)之间
进行广义差分会导致样本容量减少，如果样本容量较小会对估计精度产生较大影响
此时，可采用普莱斯——温斯滕（Prais-Winsten）变换
prais Y1 X1
得到X1的Coef.，即\beta_2\hat 和 _cons的Coef.，即(1-\rho\hat)*\beta_1\hat，据此得出\beta_1\hat
得到最终模型：Y_t\hat=\beta_1\hat+\beta_2\hat*X_t