如下模型：
lnGRr,t = α + β1lnSCr,t + β2lnGRr,t-1 + ΣγiTDi + ΣλrRDr + ε
其中，GRr,t为r区域在t期的经济增长率，GRr,t-1为r区域在t-1期的经济增长率；TDi是一组时间虚拟变量，RDr 是一组区域虚拟变量，这些虚拟变量假定对于每个区域和每个时期，都存在固定的效应。
与一般模型相比，这个一阶自回归模型应该注意什么问题呢？
采用面板数据，需要不需要做什么特殊检验？估计方法又有什么特殊要求呢？
自回归处理的是自相关问题，也就是序列间相关。一阶自相关的模型建立在变量取值仅和前一期相关的基础上。关于估计方法，此时参数的估计虽然保持无偏性，但已失去有效性，不是UMVUE，也不能用t检验考察其显著性。方法方面是广义差分法，用到一些差分变换什么的，还有Cochran的迭代法，需要假设OLS模型。一般计量经济学的教材应该有的，不过要是编程算的话，需要把关系理理清楚再动手。虽然proc arima可以胜任，但还是推荐用Eviews做。
不知道楼主说的“特殊检验”是指除了残差图、D-W检验等传统相关性检验以外还有什么方法，还是指相对于经典线性回归中的其它检验方法。如果是前者，那么还有Q、LM检验等，我不太清楚。如果是后者，那么首先序号-e残差图或者e(t)-e(t-1)残差图是最最简单的方法，锯齿或者抛物线之类的很直观，在SAS中也容易实现。其次是基于次序残差的Durbin-Watson统计量，还要和0、2、4作比较。这些都可以参考SAS中做时间序列的有关部分，命令和菜单相结合会比较快