可以试试dataset[where w＝2010]把数据分别挑出来

可以使用   reshape 包 里面的 melt函数
> w1<-c(2012,2010,2011,2011,2012,2012)
> sy1<-c(20,30,40,50,60,40)
> sy2<-c(30,40,50,60,70,80)
> d<-data.frame(w1,sy1,sy2)
> library(reshape2)
> d<-melt(d,id=("w1"))
> d
     w1 variable value
1  2012      sy1    20
2  2010      sy1    30
3  2011      sy1    40
4  2011      sy1    50
5  2012      sy1    60
6  2012      sy1    40
7  2012      sy2    30
8  2010      sy2    40
9  2011      sy2    50
10 2011      sy2    60
11 2012      sy2    70
12 2012      sy2    80
> d1<-head(d,6)
> d1
    w1 variable value
1 2012      sy1    20
2 2010      sy1    30
3 2011      sy1    40
4 2011      sy1    50
5 2012      sy1    60
6 2012      sy1    40
> fit<-lm(d1$value~d1$w1+I(d1$w1^2))
> fit

Call:
lm(formula = d1$value ~ d1$w1 + I(d1$w1^2))

Coefficients:
(Intercept)        d1$w1   I(d1$w1^2)  
  -40451220        40225          -10  
> summary(fit)

Call:
lm(formula = d1$value ~ d1$w1 + I(d1$w1^2))

Residuals:
         1          2          3          4          5          6
-2.000e+01  1.824e-08 -5.000e+00  5.000e+00  2.000e+01  5.178e-13

Coefficients:
              Estimate Std. Error t value Pr(>|t|)
(Intercept) -4.045e+07  6.215e+07  -0.651    0.562
d1$w1        4.022e+04  6.180e+04   0.651    0.562
I(d1$w1^2)  -1.000e+01  1.537e+01  -0.651    0.562

Residual standard error: 16.83 on 3 degrees of freedom
Multiple R-squared:   0.15,        Adjusted R-squared:  -0.4167
F-statistic: 0.2647 on 2 and 3 DF,  p-value: 0.7837
> plot(d1$w1,d1$value)
> lines(d1$w1, fitted(fit),type="b",col="red")

> library(grid)
> library(vcd)
> assocstats(t1)
                    X^2 df P(> X^2)
Likelihood Ratio 9.3643  8  0.31250
Pearson          9.5000  8  0.30189

Phi-Coefficient   : 1.258
Contingency Coeff.: 0.783
Cramer's V        : 0.89
不过你的 这组数据更像是复合柏松过程，发生次数是宽平稳的柏松过程，发生数额为正太分布

真是大神呀，我试试哈，谢谢哟

我是新手。。现学现卖