这确实是个容易被软件实现细节误导的问题，我来帮你拆解清楚核心逻辑和正确步骤：

首先得牢牢记住：多重共线性是自变量之间的内在关系问题，和因变量、误差项的修正（比如HAC）完全无关。VIF的本质定义是：对每个自变量x_i，把它单独对其余所有自变量做回归，得到决定系数R²_i，再用公式VIF_i = 1/(1-R²_i)计算——这一步回归里根本没因变量y什么事，更不涉及任何误差项的估计（不管是普通OLS的标准误，还是HAC修正的稳健标准误）。

那为什么你在EViews里会得到两种差异显著的结果？这是因为EViews的VIF计算在带HAC修正的回归模式下，存在软件层面的特殊处理（正如你提到的教程第198页所说，它会用到参数标准误估计），但这其实偏离了VIF的理论本质。这种软件实现的“特殊”，并不代表统计逻辑上的合理。

回到你的问题，正确的操作顺序应该是：

• 第一步：用普通OLS估计原模型（不做任何误差修正）后运行VIF，或者更严谨一点，直接对每个自变量做单独的辅助回归（只涉及其他自变量）手动计算VIF。这时候得到的结果才是真正反映自变量之间共线性程度的，符合VIF的理论定义。
• 第二步：在明确多重共线性的情况后，再对原模型应用HAC修正来处理异方差问题。

千万别先做HAC修正再算VIF——HAC的作用是修正因变量回归中误差项的异方差/自相关，它改变的是参数估计的标准误，但完全不应该影响自变量之间的共线性程度。EViews里出现的差异是软件实现的特殊情况，不是统计理论上的合理结果。

如果实在担心软件计算的偏差，手动计算VIF是最稳妥的：挑一个自变量，把它作为被解释变量，其他所有自变量作为解释变量跑回归，记下R²，代入公式算VIF，逐个变量重复这个过程就行。这种方法完全不受原模型误差修正方式的影响，结果绝对可靠。

内容的提问来源于stack exchange，提问作者syrop