如何在R中自动识别多列年度数据序列的增减或稳定趋势

可以通过线性回归+批量处理实现自动化趋势判断，核心思路是对每个变量拟合年份与变量值的线性模型，根据斜率的正负和显著性来判定上升、下降或稳定趋势，具体步骤如下：

1. 加载依赖包 #

需要用到tidyverse做数据整理，broom提取回归结果：

library(tidyverse)
library(broom)

2. 批量拟合模型并提取趋势指标 #

先将宽格式数据转为长格式，方便按变量分组处理；然后对每个变量拟合线性回归，提取斜率、p值，最后根据规则生成趋势标识：

# 转长格式
df_long <- df %>%
  pivot_longer(cols = starts_with("var"), names_to = "variable", values_to = "value")

# 批量拟合回归并判断趋势
trend_summary <- df_long %>%
  group_by(variable) %>%
  nest() %>%
  # 对每个变量拟合year~value的线性模型
  mutate(model = map(data, ~lm(value ~ year, data = .x)),
         # 提取回归结果的系数和p值
         tidied_model = map(model, tidy),
         slope = map_dbl(tidied_model, ~.x$estimate[2]),  # 提取year对应的斜率
         p_value = map_dbl(tidied_model, ~.x$p.value[2])) %>%  # 提取斜率的p值
  # 根据斜率和显著性判断趋势
  mutate(trend = case_when(
    slope > 0 & p_value < 0.05 ~ "上升",
    slope < 0 & p_value < 0.05 ~ "下降",
    TRUE ~ "稳定"  # 斜率不显著或接近0时判定为稳定
  )) %>%
  select(variable, slope, p_value, trend)

# 查看趋势汇总结果
print(trend_summary)

3. 将趋势标识合并到原数据 #

如果需要给原数据添加每个变量的趋势列，可以将结果转回宽格式后合并：

# 趋势结果转宽格式
trend_wide <- trend_summary %>%
  select(variable, trend) %>%
  pivot_wider(names_from = variable, values_from = trend, names_prefix = "trend_")

# 合并到原数据
df_with_trend <- df %>%
  bind_cols(trend_wide)

# 查看带趋势标识的数据集
print(df_with_trend)

关键说明 #

• 趋势判定规则可自定义：比如调整显著性水平（把p_value < 0.05改成p_value < 0.1），或者对斜率的绝对值设置阈值（比如斜率绝对值小于0.1时判定为稳定）
• 如果数据存在非线性趋势，可以将线性模型替换为loess或非线性回归，但线性回归是最简洁的趋势判断基准，适合批量处理大量变量

内容的提问来源于stack exchange，提问作者wesleysc352