一个回归分析的步骤：
1. 用scat x y 查看散点图
2. 使用适当的模型进行回归分析 ls，估计出参数
3. 统计检验，包括拟合优度检验和模型显著性检验
4. 时间序列数据要做自相关性分析，横截面数据做异方差性检验
4. 检查是否有多重共线性
5. 用结果来分析现实情况

先找到数据，巧妇难为无米之炊；
如果找不到数据，试着把问题放大，比如找不到电影数据，将其放大，去找旅游业的数据

自相关性分析
两种主要方法：
1. 看图
2. DW方法

看图，意思是看残差曲线，如果曲线呈现了先正后负后又正，那么很可能存在自相关性；

DW方法：
全名Durbin-Watson检验，在ls结束以后的分析数据当中就有它，经验上有如下的判断方法：
1. DW<1: 存在正的自相关性
2. DW>3: 存在负的自相关性
3. 1.5 < DW < 2.5: 不相关

所以处理自相关性的目标就是要让这个DW值尽量达到1.5和2.5之间。

一阶广义查分法：

ls y c x ar(1)

就这么输入即可，你会发现在这之后DW的值慢慢靠近1.5和2.5的范围了，如果仍然未达到要求，可以用多阶，在ar()括号里面写2，3…