约束最小二乘法
我正在 R 中对人均天然气使用量进行简单回归。回归公式如下:
gas_b <- lm(log(gasq_pop) ~ log(gasp) + log(pcincome) + log(pn) +
log(pd) + log(ps) + log(years),
data=gas)
summary(gas_b)
我想包含一个线性约束,即 log(pn)+log(pd)+log(ps)=1
的 beta 系数(总和为 1)。是否有一种简单的方法可以在 R 中实现此功能(可能在 lm 函数中),而无需使用 constrOptim() 函数?
I am fitting a simple regression in R on gas usage per capita. The regression formulas looks like:
gas_b <- lm(log(gasq_pop) ~ log(gasp) + log(pcincome) + log(pn) +
log(pd) + log(ps) + log(years),
data=gas)
summary(gas_b)
I want to include a linear constraint that the beta coefficients of log(pn)+log(pd)+log(ps)=1
(sum to one). Is there a simple way of implementing this (possibly in the lm
function) in R without having to use constrOptim()
function?
如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱,如果其他用户或者作者回复了您的评论,将不能在第一时间通知您!
发布评论
评论(1)
按如下方式修改回归:
如果
b=coef(gas_b)
,则相关系数为Modify your regression as follows:
If
b=coef(gas_b)
, then the relevant coefficients are