之前讲了回归分析诊断中的自相关检验，接下来针对前边的模型进行修正，stata中主要有4种方法，包括HAC稳健标准差、聚类稳健标准差、广义最小二乘法、修改模型等，这里先介绍前两种方法的基本原理与stata操作，并对结果如何进行分析与判断。
1
仍然选取美国汽油需求数据gasoline.dta作为示例，其样本有52个，数据展示如下：
这里建立如下回归模型：
用stata进行估计，代码为：
regress lgasq lincome lgasp lpnc lpuc结果为：
2
要想了解FGLS，必须先了解GLS，即广义最小二乘法，它是通过对随机误差项的协方差矩阵var(u)进行转换，利用残差对其滞后项回归得到的自相关系数，对var(u)进行转换，并利用转换后的var(u)对方程进行估计。
通常随机误差项的协方差矩阵var(u)并不是已知的，这还需要对估计出方差、协方差矩阵，这就是FGLS。同时由于使用了滞后项，所以第一个观测值的无法从滞后项的角度获取自相关系数，那么忽略第一个观测值的就是Cochrane-Orcutt估计法。
如果补上第一个观测值，利用下面的公式转换，并进行OLS估计：
那就是Prais-Winsten估计法。
3
以gasoline.dta为例，在OLS回归的基础上，《stata中的自相关检验（LM检验、Q检验、DW检验）操作及其分析》一文中已经检验出该模型存在自相关问题，这里采用FGLS进行修正。
使用迭代式CO估计法进行FGLS估计：
prais lgasq lincome lgasp lpnc lpuc,corc结果为：
使用迭代式PW估计法进行FGLS估计（不加corc，即为默认PW估计法）
prais lgasq lincome lgasp lpnc lpuc结果为：
在此基础上进行常规的估计系数分析、各种检验判断。
本文分享自微信公众号 - 博士的计量经济学干货（econometrics_ABC）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
来源：oschina
链接：https://my.oschina.net/u/4606941/blog/4482204