【实验步骤】
1在eviews软件下得出如下回归结果
f由于DW值为0379小于显著性水平为5下样本容量为28的DW分布的下限临界值133因此可判断模型存在一阶序列相关该结论也可从下面的残差图中看出：
（2）回归如下
f经广义最小二乘法估计的模型已不存在一阶序列相关性因此估计的原模型可写为l
Y1462408657l
X1531AR105167AR23
可以看出X对应参数修正后的标准差比OLS估计的结果有所增大表明原模型估计结果低估了X的标准差
四．多重共线性问题
【实验目的】掌握多重共线性问题出现的来源、后果、检验及修正的原理，以及相关的Eviews操作方法。【实验内容】
f以下题为例，练习检查和克服模型的多重共线性的操作方法。下表列出了被解释变量Y及解释变量X1，X2，X3，X4的时间序列观察值。（1）用OLS估计线性回归模型，并采用适当的方法检验多重共线性；（2）用逐步回归法确定一个较好的回归模型。表43X2554752687387102141171213
Y60606571727680909093
X1401403475492523580613625647668
X31089410810099991019793102
X4637286100107111114116119121
【实验步骤】（1）建立线性回归模型并检验多重共线性1首先建立一个多元线性回归模型（LSYCX1X2X3X4）。
f输出结果中，C、X1、X3、X4的系数都通不过显著性检验。2检验多重共线性进一步选择Covaria
ceA
alysis的Correlatio
，得到变量之间的偏相关系数矩阵，观察偏相关系数。
可以发现，Y与X1、X2、X4的相关系数都在09以上，但输出结果中，解释变量X1、X4的回归系数却无法通过显著性检验。认为解释变量之间存在多重共线性。（2）用逐步回归法克服多重共线性1、找出最简单的回归形式分别作Y与X1、X2、X3、X4间的回归（LSYCXi）。
f即：1Y09420122X1164117
R209383DW16837

2Y54970205X2179763
R208640DW06130

f3Y170900095X3214119
R200450DW06471

4Y20180055X4225630
R208111

DW05961
可见，Y受X1的影响最大，选择1式作为初始的回归模型。2、逐步回归将其他解释变量分别导入上述初始回归模型，寻找最佳回归方程。为求简明，先列出回归结果如下表，过程截图放在说明部分。C
X1
012211700825220079
X2
X3
X4
R
2
DW168
YfX1
t值
094216423233714037
09383
YfX1X2
t值
00802920080
09682
226
YfX1X2X3
t值
0016
09684
232
YfX1X2X4
t值说明：
r