例子:下面是这些检验程序应用的例子，考虑用普通最小二乘估计的简单消费函数的结果：9浏览这些结果：系数在统计上是很显著的，并且拟合得很好。但是，如果误差项是序列相关的，那么估计OLS标准误差将是无效的，并且估计系数由于在方程右端有滞后因变量会发生偏倚和不一致。在这种情况下D-W统计量作为序列相关的检验是不合适的，因为在方程右端存在着一个滞后因变量。选择View/Residualtest/Correlogram-Q-statistice会产生如下情况10§15.2.3 序列相关LM检验选择View/ResidualTests/SerialcorrelationLMTest，一般地对高阶的，含有ARMA误差项的情况执行Breush-GodfreyLM（Lagrangemultiplier，拉格朗日乘数检验）。在滞后定义对话框，输入要检验序列的最高阶数。检验的原假设是：至给定阶数，残差不具有序列相关。EViews将给出两个统计量：F统计量和NR2（观测值个数乘以R2），NR2在原假设下服从?分布。F统计量分布未知，但常2用来对原假设进行非正规检验。11上一例子中相关图在滞后值3时出现峰值。Q统计量在各阶滞后值中都具有显著性，它显示的是残差中的显著序列相关。进行序列相关的LM检验，选择View/Residual Tests/Serial Correlation LM Test，输入滞后2产生如下结果：此检验拒绝直至2阶的无序列相关的假设。Q-统计和LM检验都表明：残差是序列相关的，并且方程在被用于假设检验和预测之前应该重新定义。12