如何在 R 中使用年份、国家和多个值运行时间序列回归？

Question

我想我知道我需要做什么，我只是不知道如何让它发挥作用。

数据示例： data

我有几十年的这种格式的 excel 数据，我上传到 R。我相信我需要以某种方式将它转换为时间序列或日期格式，但保留国家/地区作为类别，以便我可以运行以下回归： y~x1+x2； x1 ~ x2; y ~ x1

任何人都可以共享可以帮助我完成此任务的代码/程序包吗？感觉很简单，但是找了几个小时也没找到例子。是否也建议使用 ggplot 生成带有这些数据的图形？

我尝试将其转换为 as.xts，但这没有用，可能是因为我理解不佳和国家列。我失败的尝试如下：

modelts=as.xts(model1[,-1],order.by=as.Date(model1[,1],format='%m%d%Y'))

Answer 1

要将 R 中的数据转换为时间序列格式，可以使用 ts() 函数。此函数采用以下参数：

数据值向量 数据的频率（例如每年、每月、每天等的观察次数） 数据开始时间 下面是一个示例，说明如何使用 ts() 函数将数据转换为时间序列格式：

# Convert the data to a time series object
model_ts <- ts(model1[, -1], frequency = 12, start = c(1970, 1))

# Print the time series object
print(model_ts)

在此示例中，model1 是包含您的数据的数据框，而 ts() 函数用于从第二列开始的值（不包括包含日期的第一列）中的值创建时间序列对象。数据的频率指定为 12（每月数据），起始时间设置为 1970-01。

将数据转换为时间序列格式后，您可以使用 lm() 函数将线性回归模型拟合到您的数据。例如，要拟合一个回归模型，其中 y 是因变量，x1 和 x2 是自变量，您可以使用以下代码：

# Fit a linear regression model to the data
model <- lm(y ~ x1 + x2, data = model_ts)

# Print the model summary
summary(model)

要可视化您的数据和回归模型的结果，您可以使用 R 中的 ggplot2 包。该包提供了广泛的绘图函数，可用于创建高质量的数据可视化。下面是一个示例，说明如何使用 ggplot2 包创建数据的散点图：

# Load the ggplot2 package
library(ggplot2)

# Create a scatterplot of the data
ggplot(data = model_ts, aes(x = x1, y = y)) +
  geom_point()

此代码使用 ggplot2 包中的 ggplot() 和 geom_point() 函数创建数据中 x1 和 y 变量的散点图。然后，您可以通过添加额外的层并使用 ggplot2 包提供的函数修改绘图外观来进一步自定义绘图。