如果变量是自相关的，我可以相信回归吗？

这两个变量（因变量和自变量）均显示自相关效应。数据是时间序列且固定的

当我运行回归残差似乎不相关。我的Durbin-Watson统计量大于上临界值，因此有证据表明误差项没有正相关。同样，当我为错误绘制ACF时，看起来那里没有相关性，并且Ljung-Box统计量小于临界值。

我可以相信我的回归输出吗，t统计量可靠吗？

在没有误差的自相关的情况下，t统计量是可靠的。残差不显示显着的自相关这一事实以非严格的方式表明，因变量中的自相关是由于自变量中的自相关。但是，同样重要的是要记住，在许多情况下，统计显着性和无意义之间的差异本身在统计上并不显着，例如，t统计量为1.8与t统计量为2.8的差异为1.0，因此缺少上面声明中的严谨性。

另一种方法是使用时间序列分析技术对数据建模，对于R，在CRAN任务视图中非常简短地介绍了时间序列分析。通过对交叉时间相关结构进行显式建模，这些技术可以为您提供更精确的参数估计，而如果您未对它们进行显式建模，则将隐式假设数据中唯一的此类结构是由于自变量引起的。

存在误差的自相关时，t统计量是不可靠的。误差的自相关可能是因果变量中滞后结构不足或因变量滞后结构不足所致。此外，错误结构中的异常会导致人们错误地接受随机性，因此应注意减轻可能存在但未经处理的脉冲，电平移动，季节性脉冲和/或本地时间趋势的影响。Durbin-Watson检验仅揭示了滞后1的显着自相关。如果存在滞后S的自相关，其中S是测量频率（4、7、12等），DW检验将错误地暗示随机性。