在处理自相关问题时,我们常采用科克伦—奥克特迭代法,很多书籍上都写的该方法的操作为:“在EViews的命令栏中输入‘LS Y C X AR(1)’,即可自动迭代得到科克伦-奥克特迭代估计结果”(如庞皓版的计量经济学)。
但在实际操作中,得到的结果却不是这样。
而造成这一切的,其实是因为版本高的Eviews默认的迭代方式不一样,高版本的Eviews默认使用的为“Method: ARMA Maximum Likelihood (BFGS)”,即最大似然估计,而科克伦-奥克特迭代法用的是“Least Squares”,即最小二乘法。
step1:解决该问题需要先对数据进行回归,在EViews的命令栏中输入‘LS Y C X’
step2:得到回归结果后,点击上方“Estimate”按钮,出现输入编辑栏,在输入栏最后附上“ar(1)”(大小写无所谓)
step3:点击上方“Options”按钮,进入参数和方法选择页面,发现在“Method”中选择的方法为“ML”,点击“ML”,切换至“CLS”
step4:左下方的“Optimization”为“BFGS”,点击“BFGS”,切换至“Eviews legacy”:
完成后,点击“确定”即可,得到跟书上一样科克伦—奥克特的迭代结果
(还有问题的话,可以在下面留言)