做模型的时候，一般时间t变量不写成1995~2005这样，而是写成1~25这样，

不客气

plot(t,c[[1]],xlim=c(10,25),ylim=c(1,30),axes=F)
axis(1,seq(10,25,by=5),seq(10,25,by=5))
这样可以每隔5个画一个刻度，详情请看帮助   ？axis

画出置信区间
plot(t,c[[1]],xlim=c(10,25),ylim=c(1,30),axes=F)
axis(1,seq(10,25,by=5),seq(10,25,by=5))
axis(2)
points(t,c[[2]],col='red',type='p')
points(t,c[[3]],col='red',type='p')

text(16,16.87999,'fit',col='red')
text(16,7.368425,'lower',col='red')
text(16, 26.39156,'upper',col='red')

再次感谢你～～
请问如果我导入了1992至2007年的数据，但是只想用1992至2005年做样本，剩下两年做out of sample检验，如何只用1992至2005年做样本来回归呢？难道一定要从新做一个csv，然后在回归吗？

谢谢！

不用啊，你读入数据，然后稍微修改一下，从里面取出你想要的部分不就行了嘛，
至于坐标问题，在前面已经恢复了，请查看

谢谢你～

嗯嗯，我太笨了，呵呵，谢谢！

吉林小王子你好：我的命令出了些问题，我用lm1就可以predict，用lm2就不行了：
# ---- Linear Trend Model -----
y <- read.csv(file="data.csv",head=TRUE,sep=",")#input the data with head
print(y)
tsy <- ts(y, start=1992, frequency=1)
plot.ts(tsy,type="l",col="blue",ylab="gdp per capita",xlab="year") #plot the time series

is.ts(tsy)# test whether it is time series
t=1992:2007
lm1<-lm(tsy~t,na.action=NULL)# linear trend model
                             #-- the na.action statement is to retain time series attributes
summary(lm1)

model.matrix(lm1)  #You can view the model matrix (with the dummy variables) this way:

yhat=fitted(lm1) #fitted value of the model       
e=residuals(lm1) #forecast error of the model
tsyhat<-ts(fitted(lm1),start=1992, frequency=1)# make the yhat time series
tse<-ts(e,start=1992,frequency=1)  # make the forecast error time series
ts.plot(tsy,type="p",lwd=2,col="red",ylab="GDP per capita",xlab="Year")
lines(tsyhat)
ts.plot(tse,type="l",lwd=2,col="blue",ylab="Forecast error",xlab="Year")
abline(h=0,col="red")



# ---- Out of sample prediction, use 1992-2005 data as in sample, and 2006-2007 as out of sample -----
##do the out of sample prediction

r=data.frame(y)# change y into data frame
yinsample<-r[1:14,] #get the data of 1992 to 2005
print(yinsample)
tsyinsample<-ts(yinsample)
t3=1992:2005
lm2<-lm(tsyinsample~t3,na.action=NULL)# the in sample linear trend model
summary(lm2)


forecast<-predict(lm2,data.frame(t=2006:2007),se.fit = TRUE,interval ='prediction')     
##但是这里用lm1就可以，好困惑啊，为什么呢？？？print(forecast)


tsy <- ts(y, start=1992, frequency=1)


t=2006:2007
c=data.frame(forecast[1])
y1=c(c$fit.lwr, c$fit.upr, c$fit.fit)
t1=rep(t,3)
plot(t1,y1,type='p',)




plot(t,c[[1]],type="l",lty=1,lwd=4,xlim=c(1992,2007),ylim=c(500,3000),axes=F,xlab="time",ylab="GDP per capita",main="Out of sample prediction of linear trend model")
axis(1,seq(1992,2007,by=1),seq(1992,2007,by=1))
axis(2)
lines(t,c[[2]],col='red',type='l')
lines(t,c[[3]],col='red',type='l')

text(2006,2250,'upper',col='red')
text(2006.5,1950,'fit',col='black')
text(2006, 1500,'lower',col='red')
text(2004, 2600,'Out of sample prediction',col='black')
text(2004, 2470,'for 2006 and 2007(95% internal)',col='black')


text(1998, 1400,'In sample ture value',col='black')
t1=1992:2007
lines(t1,tsy,type="l")
lines(tsyhat)