lm（数据~时间）和tslm（数据~趋势）有什么区别

Question

我观察到这两种方法的结果是不同的。为什么是这样？我知道 lm 上发生了什么，但无法弄清楚 tslm 上发生了什么。

> library(forecast)
> set.seed(2)
> tts <- ts(100*runif(1200)+seq(1:1200)*0.1, frequency=12, start=c(2000,1))
> lm(tts~time(tts))

Call:
lm(formula = tts ~ time(tts))

Coefficients:
(Intercept)    time(tts)  
  -2400.365        1.225  

> tslm(tts~trend)

Call:
tslm(formula = tts ~ trend)

Coefficients:
(Intercept)        trend  
    48.9350       0.1021

Answer 1

运行下面三个命令：

predict(lm(tts~time(tts)))
predict(tslm(tts~time(tts)))
all.equal(predict(lm(tts~time(tts))), predict(tslm(tts~trend)))

您会说服自己它们是相同的。如果输出相同，则 lm 回归的 X 变量，即

time(tts)

必须是

的线性变换

trend

最简单的猜测：

tmp <- time(tts)*12
lm(tts~tmp)

具有与tslm系数相同的系数。所以趋势只是

12*time(tts)

即趋势是自第 0 年以来经过的时间的（整数）计数，以月为单位。 time(tts) 是自第 0 年以来经过的时间计数，以年为单位。

lm（数据~时间）和tslm（数据~趋势）有什么区别

What is the difference between lm(data~time) and tslm(data~trend)

regression

r

time-series

forecasting