如何在R的lm()函数中实现分时段分段线性回归？

问题回顾 #

你需要拟合的模型是：
$$Y=(1-\sigma)(\alpha_i + \beta_i x)+ \sigma(\alpha_j+\beta_j x)+\varepsilon$$
本质是每个时间段有独立的截距$\alpha_i$和斜率$\beta_i$，且所有观测共享同一个误差项$\varepsilon$。之前分时段循环拟合的方式会得到多个独立模型（误差项不共享），而仅用交互项的写法又缺少独立截距，这两种方式都不符合需求。

解决方法 #

核心是给数据添加时段分组变量，然后在lm()中同时纳入时段主效应（对应截距）和时段与自变量的交互效应（对应斜率），就能在单个模型中实现需求。

步骤1：给数据标记时段 #

先给你的原始数据df新增一个period列，用来标记每条观测属于哪个时间段：

start_dates <- as.Date(c("2003-01-01", "2008-01-01", "2016-01-01","2020-03-01"))
end_dates <- as.Date(c("2007-12-01", "2015-12-01", "2020-02-01", "2023-03-01"))

# 用cut函数给每个日期分配对应的时段标签
df$period <- cut(
  df$date,
  breaks = c(start_dates, max(end_dates) + 1),  # 最后一个区间包含到最大结束日期
  labels = paste0("period", 1:4),
  include.lowest = TRUE  # 确保第一个日期被包含在period1中
)

步骤2：拟合目标模型 #

有两种写法可以实现需求，根据你对系数输出形式的偏好选择：

写法1：无截距模型（直接输出每个时段的α和β）

如果你想直接看到每个时段的截距和斜率值，用无截距的公式：

# 无截距，每个时段输出独立的截距和斜率
final_model <- lm(short ~ 0 + period + inf:period, data = df)
summary(final_model)

系数解释：

• periodperiod1 = 时段1的截距$\alpha_1$
• periodperiod2 = 时段2的截距$\alpha_2$
• inf:periodperiod1 = 时段1的斜率$\beta_1$
• inf:periodperiod2 = 时段2的斜率$\beta_2$
  以此类推，直接得到每个时段的$\alpha_i$和$\beta_i$。

写法2：带参考组的交互模型

如果你习惯以第一个时段为参考组，看其他时段与参考组的差异，可以用period * inf（等价于period + inf + period:inf）：

# 带参考组的交互模型
final_model_ref <- lm(short ~ period * inf, data = df)
summary(final_model_ref)

系数解释：

• (Intercept) = 参考组（period1）的截距$\alpha_1$
• periodperiod2 = period2与period1的截距差（$\alpha_2 - \alpha_1$）
• inf = 参考组（period1）的斜率$\beta_1$
• periodperiod2:inf = period2与period1的斜率差（$\beta_2 - \beta_1$）
  要得到其他时段的实际$\alpha_i$和$\beta_i$，只需把参考组的系数加上对应的差值即可。

模型验证 #

这两种写法的模型都完全符合你要的形式：每个时间段有独立的$\alpha_i$和$\beta_i$，所有观测共享同一个误差项$\varepsilon$，解决了分时段拟合的误差项不统一问题，也补上了单独交互项缺少截距的缺陷。

内容的提问来源于stack exchange，提问作者emithemex