我建议你用不带log的模型，不过考虑换一种模型，比如mix model，这样或许可以解决多重共线性问题。另外，不知道你的trend是什么，这个可能会对自相关产生影响。对于解决自相关，是不是应该先做平稳检验呀，然后再用差分的方法去解决试试....统计学的知识好多还给老师了，暂时只能给出这些建议，不好意思....

分层分析，看相互影响啊！

发数据和代码出来，这个要具体情况具体分析

啊好的，其实回归方程就是下面这个：
model log_Recreation_Visits= trend d1 d2 d3 d4 d5 d6 d7 d8 d9 d10 d11 lag UR Gasrate cci/vif tol dwprob;
回归方程的左边，是各个公园的访问量也就是客流，一共58个公园，数据是月度数据，时间跨度是25年，所以整套数据有上万个。
我所有等号右边的量都算出来了，d1~d11是月份的dummy， 就是当月份是1月份的时候的d1=1其余等于0，当月份是2月份的时候d2=1其余等于0，lag是每个公园月度访问量的滞后项，UR是每个月的失业率，gasrate是每个月的汽油费，CCI是消费者信心指数。

现在问题是这样，这个回归方程我有带log就是同上式和不带log的如下:
model Recreation_Visits= trend d1 d2 d3 d4 d5 d6 d7 d8 d9 d10 d11 lag UR Gasrate cci/vif tol dwprob;

带log的自相关做出来好高，不带log好非常多，但是存在共线问题，vif的值是d8和lag，比较高，最高的48，然后不是所有的，大概24个公园这两个量出现了高的共线，如果移除lag或者d8这个问题可以被解决，但是呢自相关问题会变得严重....

我应该怎么办，我试了好多好多...都不行

我发出来了哦，不知道是不是够详细...