时间序列是不是不能用多元线性回归模型分析？

1. 时间序列是不是不能用多元线性回归模型分析？

可以，建立多元线性回归模型时，为了保证回归模型具有优良的解释能力和预测效果，应首先注意自变量的选择，其准则是：
自变量对因变量必须有显著的影响，并呈密切的线性相关；自变量与因变量之间的线性相关必须是真实的，而不是形式上的；
自变量之间应具有一定的互斥性，即自变量之间的相关程度不应高于自变量与因变量之因的相关程度；自变量应具有完整的统计数据，其预测值容易确定。

扩展资料：计算模型
一元线性回归一个主要影响因素作为自变量来解释因变量的变化，在现实问题研究中，因变量的变化往往受几个重要因素的影响；
此时就需要用两个或两个以上的影响因素作为自变量来解释因变量的变化，这就是多元回归亦称多重回归。
当多个自变量与因变量之间是线性关系时，所进行的回归分析就是多元性回归，设y为因变量X1,X2…Xk为自变量，并且自变量与因变量之间为线性关系。

2. 为什么时间序列做回归时只需协整检验就够了,不需要以前的经典回归检验

原因：只有同阶单整，变量之间才有共同的增长趋势，才能同涨同落。时间序列的协整检验：先做回归，后做协整检验。
时间序列是指将某种现象某一个统计指标在不同时间上的各个数值，按时间先后顺序排列而形成的序列。
时间序列法是一种定量预测方法，亦称简单外延方法，在统计学中作为一种常用的预测手段被广泛应用。时间序列分析在第二次世界大战前应用于经济预测。二次大战中和战后，在军事科学、空间科学、气象预报和工业自动化等部门的应用更加广泛。
时间序列分析(Time series analysis)是一种动态数据处理的统计方法。该方法基于随机过程理论和数理统计学方法，研究随机数据序列所遵从的统计规律，以用于解决实际问题。时间序列构成要素是：现象所属的时间，反映现象发展水平的指标数值。