时间序列的不同时间分段设置

1.　普通的时间序列：年、月、季

 1 myserises<-ts(data,start=,end=,frequency=）#其中frequency=1代表年；frequency=12代表月；frequency=4代表季度数据 

2.　如果以天为单位的时间序列

 1 t<-ts(1:365,frequency=1,start=as.Date('2017-05-01')) 2 s<-as.Date('2017-05-01') 3 date<-seq(from=s,by=1,length.out=365) 4 t<-data.frame(date,t) 

或者可以利用zoo包进行一次排序

 1 t<-seq(as.Date('2017-05-01'),length=365,by='day') 2 library(zoo) 3 mydata<-zoo(1:365,t) 

 3.　如果是以小时或者分钟为单位的话

 1 #使用strptime函数 2 x<-strptime('2017-05-01 00:00:00','%Y-%m-%d %H:%M:%S')+900*1:10#这句代码的意思是设置成以15分钟为间隔的10个时间序列 3 library(zoo) 4 data<-zoo(1:10,x) 5 plot(data)#画出一个时序图 

 其实strptime()函数可以将时间序列分割成想要的频率模式，在这里是以秒为单位，15分钟的间隔就是15*60=900s。 

install.packages('netmeta')

library(netmeta)

data(Senn2013)

Senn2013

nma <- netmeta(TE, seTE, treat1,treat2, studlab,data=Senn2013, sm='MD', reference='plac',comb.random=FALSE)

netgraph(nma, seq=c('plac', 'benf', 'migl', 'acar', 'sulf','metf', 'rosi', 'piog', 'sita', 'vild'))

print(nma,digits=2)

nma_re <- netmeta(TE, seTE, treat1, treat2, studlab, data=Senn2013, sm='MD', reference='plac',comb.random=TRUE)

nma_re

forest(nma,xlab='HbA1c mean difference', xlim=c(-1.5,1.5))

forest(nma_re,xlab='HbA1c mean difference')

round(nma$Q, 1)

round(nma$Q.heterogeneity, 1)

round(nma$Q.inconsistency, 1)

Qd <- nma$Q.decomp

Qd$Q <- round(Qd$Q, 1)

Qd$pval.Q <- round(Qd$pval.Q, 3)

Qd[Qd$df!=0,]

decomp.design(nma)

netheat(nma)

1、先将需要加括号的文字加不同的颜色，如红色。

2、选择替换，在左下角，点：更多，向下展开相关的设置选项，在格式里选择对应的颜色。

3、然后查找里格式选择红色字体，其它什么都不填，替换里输入(^&)，并设置格式为黑色字体，全部替换即可。

import excel 'C:\Users\Administrator\Desktop\面板回归\Panel data 5.0.xlsx', sheet('Sheet1') firstrow

des  #各变量的结构描述

tsset Co Year  #面板定义

duplicates examples  Co Year #检查是否有重复样本

xtline y #不同地区的y的变化趋势

sum lnx1 lnx2 lnx3 Aregion Bregion Cregion workforce elderpeople y #描述性统计

xtreg y lnx1 lnx2 lnx3 workforce elderpeople,fe  #固定效应模型

est store fe

xtreg y lnx1 lnx2 lnx3 workforce elderpeople,re #随机效应模型

est store re

hausman fe re  #豪斯曼检验

xtgraph   y, av(mean) #根据y每一年的均值和标准差做趋势图

xtreg y lnx1 lnx2 lnx3 workforce elderpeople ,re

xttest0  #随机效应与OLS比较

xtreg y lnx

#一、单组率META

library(readxl)

guangzhou1 <- read_excel('C:/Users/Administrator/Desktop/痴呆率的META分析/guangzhou.xlsx',sheet = 'all') 

data1 <- guangzhou1

install.packages('meta')

library(meta)

#M1为非对数转换结果

m1<-metaprop(studlab=author,r,n,data=data1,sm='PRAW',incr=0.5,allincr=TRUE,addincr = FALSE,comb.random=TRUE)

m11<-update(m1,sm='PLN') #对数转换

m11

forest(m11,digits = 4,comb.fixed = FALSE) #显示森林图，效应值显示到小数点后4位

funnel(m11,comb.random=TRUE)

metabias(m11,method.bias = 'linreg',plotit=T,k.min = 5) #发表偏倚检测

metainf(m11) #敏感性分析

forest(metainf(m11),comb.random=TRUE,digits = 4) #敏感性分析图

#以sample进行亚组分析

#

向量
euro    #欧元汇率，长度为11，每个元素都有命名
landmasses    #48个陆地的面积，每个都有命名
precip    #长度为70的命名向量
rivers    #北美141条河流长度
state.abb    #美国50个州的双字母缩写