如何将R中多类别通胀数据集转为时间序列以使用tseries分析

1. 先修正原始数据的格式问题 #

你的原始数据里存在两类格式错误，会直接导致导入失败或数据异常：

• 类别名称末尾多余的点（Gas.、Rent.）
• 数值里的多余小数点（比如1.2.、2.0.）

修正后的数据应该是：

Category 2020 2021 2022
Food     1.5   2.0   3.0 
Gas      1.0   1.2   2.5
Rent     2.0   3.0   2.8

2. 导入数据到R #

推荐用read.table()处理空格分隔的数据，两种导入方式可选：

方式1：从本地文件导入 #

假设你把修正后的数据保存为inflation_data.txt并放在R的工作目录下：

inflation_df <- read.table("inflation_data.txt", header = TRUE, stringsAsFactors = FALSE)
# 检查导入结果
str(inflation_df)

方式2：直接导入文本内容 #

不想存文件的话，用textConnection()直接读入：

data_text <- "Category 2020 2021 2022
Food     1.5   2.0   3.0 
Gas      1.0   1.2   2.5
Rent     2.0   3.0   2.8"
inflation_df <- read.table(textConnection(data_text), header = TRUE, stringsAsFactors = FALSE)

3. 转换为标准时间序列对象（ts） #

你的数据是宽格式（一行一个类别，一列一个年份），需要调整结构适配ts()的要求：

# 提取数值部分，把类别设为行名
inflation_matrix <- as.matrix(inflation_df[, -1])
rownames(inflation_matrix) <- inflation_df$Category

# 转置后转换为时间序列：起始年份2020，年度数据频率设为1
inflation_ts <- ts(t(inflation_matrix), start = 2020, frequency = 1)
# 查看最终时间序列
inflation_ts

4. 用tseries包做时间序列分析 #

先确保包已安装并加载：

install.packages("tseries")
library(tseries)

示例1：单位根检验（ADF检验） #

检验各部门通胀率序列是否平稳：

# 检验Food序列
adf.test(inflation_ts[, "Food"])
# 检验Gas序列
adf.test(inflation_ts[, "Gas"])
# 检验Rent序列
adf.test(inflation_ts[, "Rent"])

示例2：协整检验（Johansen检验） #

分析多部门通胀率之间是否存在长期均衡关系：

johansen_result <- ca.jo(inflation_ts, type = "trace", ecdet = "trend", K = 2)
summary(johansen_result)

示例3：ARCH效应检验 #

检验通胀率是否存在异方差性：

# 以Food序列为例，先拟合AR(1)模型再检验残差
arch.test(residuals(arima(inflation_ts[, "Food"], order = c(1,0,0))))

关于之前失败的原因 #

• read.ts()仅适用于时间点为行、变量为列的长格式时间序列数据，你的宽格式数据不匹配。
• 直接用ts()转换原始数据框会因为包含字符型的Category列报错，必须先提取数值部分并调整结构。

内容的提问来源于stack exchange，提问作者Stefan