Agregar una tendencia lineal en las regresiones es un método frecuente de descomposición en las literaturas económicas. Las literaturas tradicionales señalaron que si la variable considerada es un proceso de estacionariedad en diferencias, entonces creará artificialmente una pseudo-periodicidad en los residuos. En este documento, mostramos además que el problema real podría ser más grave. Dado que los estimadores de Mínimos Cuadrados Ordinarios (OLS, por sus siglas en inglés) en sí mismos son de tal método de descomposición, es espurio. La primera parte proporciona una prueba matemática con la desigualdad de Chebyshev y el algoritmo de Sims-Stock-Watson para mostrar que el estimador OLS de la tendencia converge hacia cero en probabilidad, y el otro estimador OLS diverge cuando el tamaño de la muestra tiende a infinito. La segunda parte diseña simulaciones de Monte Carlo con un tamaño de muestra de 1,000,000 como una aproximación al infinito. Los valores de semilla utilizados son los verdaderos números aleatorios generados por un generador de números aleatorios de hardware para evitar la pseudo-aleatoriedad de los números aleatorios dados por software. Este documento repite el experimento 100 veces, y obtiene resultados consistentes con la prueba matemática. La última parte proporciona una breve discusión de las estrategias de descomposición.