考虑R中线性模型差分后的不同可变长度

与R

我的线性lm（）模型包含通过diff（）进行差分的变量和不差分的变量。由于差异，差异变量缩短了一个观测值。 因此，lm（）会给出不同长度的错误消息

我对这个错误的解决方案的想法是，以某种方式将变量定义为时间序列（它们无论如何都是时间序列，但R不知道），然后准确地告诉lm模型，使用哪一年（年度数据）

据我所知，在差分之后，时间序列失去了它的第一个观测值，因此，当我使用ts（）-函数时，我将为差分函数设置一年后的起始年份

更具体的： 假设我导入了变量x和y 然后我去

dx<-diff(x, lag=1, differences=1) 

然后将产生所述错误

假设x和y都开始于1900年。然后dx在1901年开始，所以lm必须在1901年开始所有变量。 我的想法是，如上所述，明确地将这两个变量作为时间序列

tsdx<-ts(dx, frequency=1, start=1901)
tsy<-ts(y, frequency=1, start:1900) 

---

tsdxlm（y~dx，na.omit）应该可以工作（？）。有一种想法是，除非你试图复制DF测试，否则响应和预测值可能都应该是不同的。谢谢你，它是有效的！也许你应该看到这一点。关于你的最后一句话：实际上这是一个大的错误修正模型。我只是想关注这个问题，因此发明了这个x-y模型。
tsdx<-ts(dx, frequency=1, start=1901)
tsy<-ts(y, frequency=1, start:1900)