如何在R中进行约束回归

Question

假设我有一个简单的回归方程

lm(y~., newdata=df)

我知道如果我想将截距减少到0，我会写

lm(y+0., newdata=df)

但是，有没有办法产生逐步回归，同时将每个系数限制在特定范围内？例如：

step(lm(y~.>1000, newdata=df)

上述方法不起作用，但有没有办法说产生一个回归，基本上产生最佳拟合并强制每个系数大于 1,000？或者，小于指定范围。

#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，

Answer 1

这是一个应该可以工作的代码。您需要调整边界等以获得您想要的。

library(data.table)
library(dfoptim)

minfunc <- function(coefs){
  # using mtcars as the sample data - you would read in your data here
  df <- as.data.table(mtcars)

  out <- (sum(coefs[1]*df$cyl + coefs[2]*df$wt + coefs[3]) - sum(df$mpg))^2
  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)

对比lm：

> lm(mpg ~ cyl + wt, data = mtcars)

Call:
lm(formula = mpg ~ cyl + wt, data = mtcars)

Coefficients:
(Intercept)          cyl           wt  
     39.686       -1.508       -3.191  

> result$par
[1]  0.00000 -1.00000 23.30788 
#        cyl       wt constant

结果与预期不同。收敛和最终结果取决于优化算法的选择和初始输入。我以hjkb 为例，但它不是最好的算法。您可能想根据自己的需要尝试不同的算法。