一、一阶自回归模型最简单且最常用的序列相关模型是一阶自回归AR(1)模型。定义如下：yt?xt???utut??ut?1??t参数?是一阶序列相关系数，实际上，AR(1)模型是将以前观测值的残差包含到现观测值的回归模型中。二、高阶自回归模型更为一般，带有p阶自回归的模型，AR(p)误差由下式给出：yt?xt???utut??1ut?1??2ut?2????put?p??tAR(p)的自相关将渐渐衰减至零，同时高于p阶的偏自相关也是零。5§15.2检验序列相关在使用估计方程进行统计推断（如假设检验和预测）之前，一般应检验残差（序列相关的证据），EViews提供了几种方法来检验当前序列相关。§15.2.1 Dubin-Waston统计量EViews将D-W统计量视为标准回归输出的一部分。D-W统计量用于检验一阶序列相关，还可估算回归模型邻近残差的线性联系。D-W统计量是在下面定义中检验原假设:??0ut??ut?1??t如果序列不相关，D-W值在2附近。如果存在正序列相关，D-W值将小于2（最小为0），如果存在负序列相关，D-W值将在2-4之间。正序列相关最为普遍，根据经验，对于有大于50个数据和较少的解释变量，D-W值小于1.5的情况，说明存在强正一阶序列相关。参考Johnston and DiNardo（1997版6.6.1章）关于D-W检验和统计量显著性的论述。6Dubin-Waston统计量检验序列相关有三个主要不足：1．D-W统计量的扰动项在原假设下依赖于数据矩阵X。2．回归方程右边如果存在滞后因变量，D-W检验不再有效。3．仅仅检验原假设（无序列相关）与备选假设（一阶序列相关）。其他两种检验序列相关方法：Q-统计量和Breush-Godfrey LM检验克服了上述不足，应用于大多数场合。例子：工作文件15_1\\eq_cs7§15.2.2 相关图和Q-统计量在方程工具栏选择View/ResidualTests/correlogram-Q-statistics。EViews将显示残差的自相关和偏自相关函数以及对应于高阶序列相关的Ljung-BoxQ统计量。如果残差不存在序列相关，在各阶滞后的自相关和偏自相关值都接近于零。所有的Q-统计量不显著，并且有大的P值。k 阶滞后的Q-统计量是原假设为序列没有k 阶自相关的统计量。计算式如下kQLB?T?T?2??j?1r2jT?jrj是j 阶自相关系数，T是观测值的个数。8