回归分析与时间序列的区别

起因：题主正在分析中国2000年到2015年的人均GDP时，将年份作为自变量，将GDP取对数作为因变量，得到了一条很完美的直线，一做回归分析，发现R2也接近1，看起来似乎很完美，可对其进行解释的时候，总觉得哪里不对。

问题：混淆了回归分析与时间序列分析。

简单来看，时间序列分析只针对一个变量，关注的是一个变量随着时间的变化趋势；而回归分析涉及到自变量和因变量，关注的是自变量对因变量的解释能力以及预测效果。

实质上，是时间序列变量和横截面数据的性质不同。横截面数据在进行回归分析时，如果采用最小二乘法即高斯马尔科夫定理，为了保证OLS的无偏性，需要满足一系列的条件，参见(https://www.jianshu.com/p/9cb2a9e372f9)，其中很重要的一条便是独立性；而对于时间序列数据，前一时刻的数据对下一时刻必定会产生影响，误差项之间是不可能独立的，因此，时间序列数据是不能满足回归分析的基本条件的。

具体应用时需要注意回归分析和时间序列分析的差别。