如何在R中针对含年份、国家与多变量的数据运行时间序列回归？

一、日期格式转换与分类变量设置 #

你不需要用xts（它不适合带多国家分类的面板数据），直接在数据框里处理日期和分类变量即可：

# 假设导入的数据框名为model1，日期列是第一列，格式为月-日-年（如01012000对应2000-01-01）
model1$Date <- as.Date(model1[,1], format = "%m%d%Y")
# 将Country列转为分类变量
model1$Country <- factor(model1$Country)

# （可选）如果日期列有明确列名，比如"Date"，直接用列名更清晰：
# model1$Date <- as.Date(model1$Date, format = "%m%d%Y")

二、回归模型实现 #

直接用基础包的lm()函数即可完成你需要的三个回归；如果是面板数据（每个国家有时间序列观测），推荐用plm包做面板回归：

普通线性回归 #

# 回归1：y ~ x1 + x2
reg1 <- lm(y ~ x1 + x2, data = model1)
summary(reg1)

# 回归2：x1 ~ x2
reg2 <- lm(x1 ~ x2, data = model1)
summary(reg2)

# 回归3：y ~ x1
reg3 <- lm(y ~ x1, data = model1)
summary(reg3)

面板数据回归（可选） #

如果你的数据是每个国家对应多年的时间序列，用plm包可以控制个体固定效应：

install.packages("plm")
library(plm)

# 固定效应面板回归
reg_panel <- plm(y ~ x1 + x2, data = model1, index = c("Country", "Date"), model = "within")
summary(reg_panel)

三、ggplot可视化的适用性 #

ggplot2非常适合这类数据的可视化，能清晰展示分组（国家）间的差异和时间趋势，给你两个常用示例：

install.packages("ggplot2")
library(ggplot2)

# 1. 各国y值随时间的趋势图
ggplot(model1, aes(x = Date, y = y, color = Country)) +
  geom_line(linewidth = 0.8) +
  labs(x = "日期", y = "y值", title = "各国y值时间趋势") +
  theme_minimal()

# 2. x1与y的散点图（按国家区分）
ggplot(model1, aes(x = x1, y = y, color = Country)) +
  geom_point(alpha = 0.7) +
  labs(x = "x1值", y = "y值", title = "x1与y的相关性（分国家）") +
  theme_minimal()

关于xts转换失败的原因 #

xts是针对单时间序列的对象，要求时间索引唯一，但你的数据中同一时间戳对应多个国家的观测，不符合xts的索引规则，因此不适合用它存储带分类变量的面板数据，用普通数据框/tibble是更合适的选择。

内容的提问来源于stack exchange，提问作者tryhard