时间序列数据可以改变顺序码，如下表，求懂的人

年份	粮食总产量（万吨）	播种面积	成灾面积	化肥施用量（万吨）	农机动力	农村劳动力（万人）
		（千公顷）	（千公顷）		（万千瓦）
1992	44264	2930.2	110560	25894.7	30308	34037
1993	45649	3151.9	110509	23133	31817	33258.2
1994	44510	3317.9	109544	31383	33802	32690.3
1995	46662	3593.7	110060	22267	36118	32334.5
1996	50454	3827.9	112548	21233	38547	32260.4
1997	49417	3980.7	112912	30309	42016	32434.9
1998	51230	4083.7	113787	25181	45208	32626.4
1999	50839	4124.3	113161	26731	48996	32911.8
2000	46218	4146.4	108463	34374	52574	32797.5
2001	45264	4253.8	106080	31793	55172	32451
2002	45706	4339.4	103891	27319	57930	31990.6
2003	43070	4411.6	99410	32516	60387	31259.6
2004	46947	4636.6	101606	16297	64028	30596
2005	48402	4766.2	104278	19966	68398	29975.5
2006	49804	4927.7	104958	24632	72522	28328.1
2007	50160	5107.8	105638	25064	76590	27356.3
2008	52871	5239.0	106793	22283	82190	26669

原始的数据，能否变成以总产量的升序来排序呢，每年相对应的数据时没有改变的。按总产量的升序来做，相关性更好

年份	粮食总产量（万吨）	播种面积	成灾面积	化肥施用量（万吨）	农机动力	农村劳动力（万人）
		（千公顷）	（千公顷）		（万千瓦）
1991	43529	2806.1	112314	27814	29389	34186.3
1992	44264	2930.2	110560	25894.7	30308	34037
1994	44510	3317.9	109544	31383	33802	32690.3
2001	45264	4253.8	106080	31793	55172	32451
1993	45649	3151.9	110509	23133	31817	33258.2
2002	45706	4339.4	103891	27319	57930	31990.6
2000	46218	4146.4	108463	34374	52574	32797.5
1995	46662	3593.7	110060	22267	36118	32334.5
2004	46947	4636.6	101606	16297	64028	30596
2005	48402	4766.2	104278	19966	68398	29975.5
1997	49417	3980.7	112912	30309	42016	32434.9
2006	49804	4927.7	104958	24632	72522	28328.1
2007	50160	5107.8	105638	25064	76590	27356.3
1996	50454	3827.9	112548	21233	38547	32260.4
1999	50839	4124.3	113161	26731	48996	32911.8
1998	51230	4083.7	113787	25181	45208	32626.4
2008	52871	5239.0	106793	22283	82190	26669

这个的相关性更好，拟合的直线更有有效，
能否变成这样呢？？？？
求高手，告诉我为什么！！！！！！！

楼主要做的是时间序列分析还是线性回归？如做时间序列分析，数据是不能改变顺序的，因为时序数据之间有复杂的关联，如改变顺序，则失去了做时间序列分析的意义。但楼主又说拟合直线，不知是否指的是做线性回归，那样的话不同年份看作相互独立的样本，无论如何改变顺序，拟合出的直线应该是一样的。

我觉得不能改变吧，时间序列里有序列相关的存在，任意改动也会使得这期数据和上期数据会出现不一致。我也只能这样说下，具体看楼下怎么说吧。

是否可以改变你需要搞清楚时间序列的背后的逻辑。

我们之所以可以采取时间序列来得出回归方程，其背后的假设是某些与时间相关的但是不为人所知的因素在起作用，我们通过引入时间变量，来使得这些不为人所知的所有的变量通过时间一个变量得到体现。

因此，当你改变时间顺序的时候，你改变了时间序列的基本假设，所以是非常错误的。 至于你取得了更好的拟合度，这毫无意义，你把Y变量由小到大排序了，按照直觉来看，拟合度也应该提高了。