Salah satu asumsi penting dari model regresi linier adalah bahwa kesalahan (error) tidak berkorelasi. Jika kesalahan pada satu pengamatan berkorelasi dengan pengamatan sebelumnya maka asumsi ini dilanggar. Pelanggaran ini disebut dengan Autokorelasi. Timbulnya masalah autokorelasi mengakibatkan penaksiran parameter dengan metode kuadrat terkecil tidak lagi memenuhi Teorema Gauss-Markov. Untuk model autoregresif tingkat satu masalah autokorelasi dideteksi dengan menggunakan uji Durbin-Watson dan kemudian diselesaikan dengan Iterasi Cochrane-Orcutt.