Z tego powodu współczesna metodologia regresji szeregów czasowych wymaga weryfikacji stopnia zintegrowania wszystkich analizowanych zmiennych. Jeśli po obu stronach równania regresji występują zmienne , wyniki mogą być mylące.
Ewentualna obecność kointegracji musi być brana pod uwagę przy wyborze techniki testowania hipotez dotyczących relacji między zmiennymi posiadającymi pierwiastki jednostkowe (czyli zintegrowanymi stopnia co najmniej pierwszego). Tradycyjna procedura testowania zależności między zmiennymi niestacjonarnymi polegała na stosowaniu metody najmniejszych kwadratów (KMNK) na danych poddanych różnicowaniu. Metoda ta jest jednak obciążona, jeśli analizowane zmienne niestacjonarne są ze sobą skointegrowane.
Klasycznym przykładem regresji pozornej jest zestawienie szeregu konsumpcji jednego kraju (np. Fidżi) z PNB zupełnie innego, losowo wybranego kraju (np. Afganistanu). Taka analiza może wykazać wysoki współczynnik determinacji , sugerujący silną zależność, mimo braku jakiegokolwiek związku przyczynowego. Dzieje się tak, ponieważ dwa zintegrowane szeregi , które nie są ze sobą powiązane, mogą mimo to wykazywać statystycznie istotną korelację wynikającą wyłącznie z obecności trendu.