日付を含むデータの回帰

3年間で100か国以上で営業している3つのサプライヤーからの数百のトランザクションを含むデータセットがあります。

販売国は、達成される価格の重要な要素ではないことがわかりました（製品は多かれ少なかれグローバルな商品です）。時間の経過とともにすべての価格が大幅に下落しています。1日は、同じサプライヤー（つまり、異なる国）から異なる価格で複数のトランザクションを持つことができます。

さまざまなサプライヤーから請求される価格に統計的に有意な差があるかどうかをテストしたいと思います。

データは次のようになります。

    Country X  1/1/2010  $200 Supplier A
    Country Y  1/1/2010  $209 Supplier A
    Country Z  1/1/2010  $187 Supplier A
    Country A  1/1/2010  $200 Supplier B
    Country X  1/2/2010  $188 Supplier B

これを行う方法についてのアイデア？.....

ARMAやARIMAなどの時系列法を使用する必要があるようですが、OLSの独立した観測の仮定に違反することなく、独立変数として時間を使用して回帰を計算できます。

2つのステップの分析を試すことをお勧めします。-最初の時間を単一の予測変数として使用し、適切な時系列法を使用します。-2つのサプライヤ間に残差に意味のある違いがあるかどうかを確認します。（単純なt検定で十分な場合があります。）

いくつかの方法があります。オプションは、日付を最初の日の翌日に変換することです。また、曜日（1週間の傾向）と月（1年の特定の時間の傾向を確認するため）の変数を追加することもできます。そうすることで、重回帰を使用できます。

変数「最初の日からの日数」を取得するには、（ExcelとRの両方で）後の日付から以前のデータを差し引いて、日の差を取得できると思います。したがって、すべての日付から2010年1月1日を引いてみてください。また、as.numeric（）を使用して、新しい値が数値であることをRに伝える必要があります

編集：Rは最初に年を読むようですので、日付を少し混乱させる必要があるかもしれません。これを参照してください：https : //stackoverflow.com/questions/2254986/how-to-subtract-days-in-r

時系列分析も別のアプローチですが、あまり詳しくありません。

時間の変数に非線形関数を使用することをお勧めします。価格が下がるごとに、時間単位が増えるごとに価格が下がるからです。そうでなければ、価格は最終的にゼロを下回ります。また、トレンドが変化した時期もあるかもしれません。したがって、時間変数には3次スプラインを使用することをお勧めします。

私は次のモデルをチェックするだろうという経験をささやきます：
Y = country_parameter * price（t）* e

ここで、price（t）は関数、できれば3次スプラインですが、線形トレンドでさえも何でもかまいません。モデルには合計ではなく乗算記号があることに注意してください。

基準日（2010年1月1日など）を選択しtime、日付と基準日との差である新しい変数を作成します。差は、たとえば日数で計算されます。

今で線形回帰（または同様のもの）を実行timeし、supplierように2つの予測変数とprice応答変数として。

これは単なる出発点です。