自上世纪20年代以来，伪回归问题一直是国内外学者争相讨论的热点问题之一；与此同时，在经济学领域，结构变点问题也同样是经济学家关注的焦点。时下，越来越多的数据服从厚尾分布，且结构变点在金融时间序列中经常出现，因此，研究含结构变点厚尾分布序列的伪回归问题显得意义重大。本文的创新点在于将结构变点、厚尾分布以及伪回归问题结合起来作了系统的研究。建立三种含不同结构变点厚尾分布序列伪回归模型；基于泛函中心极限定理推导统计量的极限分布；并利用Monte Carlo模拟借助单一变量法和三维图像呈现法对影响因素进行研究，分析各种因素的灵敏度；进而验证理论的正确性和合理性。　　研究发现：截差项模型表明回归参数会随着样本容量增加而呈现规律性的变化，无论变点位置是否相同，只要尾部指数负一次方之和小于3/2，就会产生伪回归现象；截差项-趋势项模型和差分项-趋势项模型则说明检验统计量均发散，且检验统计量会随着样本容量增加而趋于无穷大，出现了伪回归现象。　　通过蒙特卡洛模拟得到：拒绝率的高低跟统计量极限分布的发散速度密不可分；伪回归现象，不仅跟结构变点的位置有关，且对回归系数、尾部指数同样敏感。