R中的时间序列回归：从头开始的帮助

我在R方面非常缺乏经验，但有人告诉我这是最重要的统计数据包。我研究它是为了做研究，但我在时间序列数据方面陷入僵局，特别是回归。我知道如何进行多元回归，我也知道如何使用SARIMA模型进行预测，但我不确定如何进行时间序列多元回归

这是我的第一个数据样本。我总是从CSV导入

     HomRate   Unemp    Av_Schl     GNI_perCapita   
2000    5.5    4.099    12.7        36930   
2001    6.6    4.800    N/A         37860   
2002    5.6    5.900    N/A         38590   
2003    5.6    6.099    N/A         39960   
2004    5.5    5.599    12.87391    42260   
2005    5.6    5.199    12.8        44740   
2006    5.8    4.699    12.96034    47390
2007    5.6    4.699    N/A         48420
2008    5.4    5.900    13.20913    48640
2009    5.0    9.399    13.29049    47250

凶杀案或HomRate是因变量，其他变量是独立变量。因此，假设数据上没有转换

根据我有限的理解，我没有像多元线性回归那样使用

lm

，而是使用

forecast

包中的

tslm

。然而，根据R，我的数据不是作为时间序列数据读取的；我怎样才能做到这一点？我发现没有一个示例实际向我显示底层数据，所以我不知道正确的ts兼容数据是什么样子的

如果我将

tslm

命令启动，那么剩下的逻辑会像多元回归一样吗？（即

model=tslm（HomRate~Unemp+Av_Schl+…）

）或者在编码方面有很大不同

---

非常感谢，如果需要更多详细信息，请告诉我。

我目前也在学习R，主要关注时间序列分析，我遇到了很多与日期和ggplot2的包冲突

截至2017年11月，Matthew Small的报告中描述了最低风险方法

基本步骤是：

导入数据

将其加载到

xts

对象中以查看和筛选它

将

xts

对象转换为标准的R

ts

对象

此

ts

对象更适合Rob Hyndman的R软件包和ggplot2中使用

---

如果有更好、风险更低的方法适合R新手，请给出反馈。

您可以看看Rob Hyndman的开源文本，他也是

预测

软件包的作者。虽然不是开源的，但也有。谢谢，这很有帮助！我发现4.8很有用，但当我去下载他从他的软件包

fpp

中使用的数据时，我无法辨别是什么使他的ts数据与我的数据不同。每当我使用上面的数据集时，我都会得到

而不是时间序列数据，使用lm（）

，我看不出Hyndman的数据有什么不同之处，从而不会产生错误。您的数据可能是“时间序列”数据，但您尝试使用的函数可能还需要您将数据帧转换为时间序列类。例如，如果您运行

class（usconsumption）

，您将看到此数据集具有类

mts

和

ts

。如果运行

str（usconsumption）

，您将看到它是一个

时间序列。如果您使用
read.csv
读取csv文件，则您的数据帧可能属于
数据帧
类。您需要将其转换为要使用的建模函数的适当时间序列类。我不确定将数据转换为正确格式的适当函数是什么，但我敢打赌Hyndman的文本前面已经讨论过。您可能需要使用
ts
功能，或者
xts
（来自
xts
软件包）或
zoo
（来自
zoo
软件包）。再次感谢@eipi10！还有更多的问题。我将
xts
包与此代码一起使用<代码>xts（美国数据测试$HomRate，as.Date（美国数据测试$Year，格式=“%Y”）

。这里有两个问题。1.我如何处理多个非时间变量？我尝试用+分隔它们，但得到了二进制运算符的

非数字参数。逗号得到了我的
顺序。by需要一个适当的基于时间的对象
。2.我只用一个变量和时间完成了这项工作，但输出给了我日期
>1975-09-30
，到
1975-10-12
，与我想要的相去甚远。我怀疑说格式是
“%Y”
是问题所在？