这个问题在这里已有答案:
我估计R中的几个普通最小二乘线性回归 . 我想约束回归中的估计系数,使它们相同 . 例如,我有以下内容:
z1 ~ x + y
z2 ~ x + y
我希望第一次回归中y的估计系数等于第二次回归中x的估计系数 .
有没有直接的方法来做到这一点?提前致谢 .
More detailed edit
我正在尝试估计一个线性需求函数系统,其中相应的福利函数是二次的 . 福利功能的形式如下:
W = 0.5*ax*(Qx^2) + 0.5*ay*(Qy^2) + 0.5*bxy*Qx*Qy + 0.5*byx*Qy*Qx + cx*Qx + cy*Qy
因此,需求函数是:
dW/dQx = Px = 2*0.5*ax*Qx + 0 + 0.5*bxy*Qy + 0.5*byx*Qy + 0 + cx
dW/dQx = Px = ax*Qx + 0.5*(bxy + byx)*Qy + cx
和
dW/dQy = Py = ay*Qy + 0.5*(byx + bxy)*Qx + cy
我想约束系统,使byx = bxy(福利函数中的叉积系数) . 如果这个条件成立,则两个需求函数变为:
Px = ax*Qx + bxy*Qy + cy
Py = ay*Qy + bxy*Qy + cy
我有价格( Px
和 Py
)和数量( Qx
和 Qy
)数据,但我真正感兴趣的是福利( W
),我没有数据 .
我知道如何计算和编码约束最小二乘法的所有矩阵公式(这将花费相当多的代码行来获得系数,标准误差,拟合度等,这些都是 lm()
标准的) . 但我希望可能存在一个现有的R函数(即可以对 lm()
函数执行的操作),这样我就不必编写所有这些代码了 .
2 回答
对于您指定的回归:
我们可以引入一个分组因子:
我们还需要结合数据:
然后我们可以使用
lm
使用公式拟合线性模型:如果x和y值相同,那么您可以使用此模型:
如果它们是单独的数据,则可以在将z2重命名为z1之后对两个数据集进行重新绑定 .