i 得到的m的“近似估计值”,并以之作为观测值使用OLS法估计下式 mi=r1mi-1+r2mi-2+¼rLmi-L+ei
Eviews中的实现
科克伦-奥科特迭代法直接一步就可以,直接在窗口输入
ls y c x ar(1)
得到的回归模型就是修正后的模型。
(如果是2阶自相关,就是“ls y c x
ar(1)ar(2)”,依此类推。ar(m)就是表示随机干扰项的m阶自回归,在估计过程中自动完成了ρ1,ρ2,...,ρm的迭代。所以不需要具体再迭代了。 在软件操作中科克伦-奥科特迭代法的命令只有一步,不论几阶都只有一步。 实际中科克伦-奥科特迭代法比杜宾两步法更常用。因为:(1)科克伦-奥科特迭代法比杜宾两步法更准确。(2)它的软件操作也更简单。)