假设我有一个简单的回归方程
lm(y~., newdata=df)
我知道如果我想把截距减少到0,我会写
lm(y+0., newdata=df)
然而,有没有一种方法可以产生逐步回归,同时将每个系数限制在一个特定的范围内?例如:
step(lm(y~.>1000, newdata=df)
上面的方法不起作用,但有没有一种方法可以说产生一个回归,基本上产生最佳拟合,并迫使每个系数大于1,000?或者,小于指定的范围。
#as per Gautam
minfunc <- function(coefs){
out <- sum(sapply(3:314, function(z) return(coefs[z]*test2[, z])))
return(out)
}
par = c(1, 1, 30) # initial value
lb = c(-1, -1, -300000) # lower bound for coefs
ub = c(30, 30, 30000) # upper bound
result <- hjkb(par = par, fn = minfunc, lower = lb, upper = ub)
谢谢,
https://stackoverflow.com/questions/50766431
复制相似问题