????????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）。如下图：
????????但是，在实际操作中，我们发现这样输入后，得到跟书上的例图不一样，并没有进行迭代。如下，用相同数据进行相同操作后得到：
????????发现跟例题相比较，所使用的数据Sample为1990-2015（例题为1991-2015），且被包括的数据为Included observ ations为26（例题为25），说明并没有进行迭代。
????????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’，得到以下
step2
????????得到回归结果后，点击上方“Estimate”按钮，出现输入编辑栏如下：
?????????在输入栏最后加入“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”:
?最终得到的页面如下：
?
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）