我的方法一定有一个根本性的错误。让我们首先说明我们有一个包含两个变量和的简单回归：$X_t$$Y_t$

$Y_t = BX_t + e_t$

其中是系数，是误差项。接下来，通过从两侧来获取所述方程的一阶差分：$B$$e_t$$Y_{t-1}$

$Y_t-Y_{t-1} = BX_t+ e_t - Y_{t-1}$

代入：$Y_{t-1}$

$Y_t-Y_{t-1} = BX_t+ e_t -BX_{t-1}-e_{t-1}$

=> $ΔY_t = BΔX_t + Δe_t$

一阶差分回归通常以这种方式呈现，但是当它实际运行时，它是通过将$X_t$和Y_t替换为它们的差异来运行的，而不是通过从两边$Y_t$减去$Y_{t-1}$

$ΔY_t = B_1ΔX_t + v_t$

其中$v_t$是方程的新误差项。现在，这些程序是不等价的，为什么要这样描述呢？进一步，为什么一阶差分模型的误差项通常被描述为$\Delta e_t$，而这同样不是真的，因为误差项与原始误差项无关，因为估计的方程只是不同的。最后，为什么不通过从两侧减去$Y_{t-1}$