El t-estadísticas son fiables en la ausencia de autocorrelación de los errores. El hecho de que los residuos no se muestra significativa de autocorrelación indica, en un no muy rigurosa, que la autocorrelación en su variable dependiente es debido a la autocorrelación en su variable independiente. Sin embargo, también es importante recordar que la diferencia entre significación estadística y la insignificancia en sí no es estadísticamente significativa en muchos de los casos, por ejemplo, un t-estadístico de 1,8 frente a un t-estadístico de 2.8 es una diferencia de 1.0, por lo tanto la falta de rigor en la declaración anterior.
Un enfoque alternativo sería un modelo de los datos mediante técnicas de análisis de series de tiempo, que, para R, son muy brevemente descrito en CRAN vista de tareas: Análisis de Series de Tiempo. Estas técnicas se puede obtener más nítidas las estimaciones de los parámetros por modelar explícitamente la cruz de la correlación en tiempo de las estructuras, mientras que, si no modelo de forma explícita, se está suponiendo implícitamente que la única estructura en los datos se debe a la variable independiente.
