R：如何摆脱线性nls中的.lin

Question

说明

我正在尝试将指数曲线拟合为theta = x0 * exp(-kappa*l)形式的数据。

我首先使用linear = lm( I(-log(temp.theta/x0)) ~ l + 0 )，然后获得系数（k = coef(linear)），然后使用nls(temp.theta ~ I(x0 * exp(-k*l)) + 0, algorithm = "plinear" , start = list(k=k))，因为我不确定错误是否与lm()具有正确的性质

这个决定来自于在stats.stackexchange上阅读一些Q＆amp; A关于他们讨论加法与乘法噪声（=＆gt;误差估计？）的模型，我不太明白，因为我只有基本的知识统计数据。由于lm()和nls()给出了不同的误差估计值，我直观地认为后者可能更准确。

问题是nls(... , algorithm="plinear")产生了我想要的系数，但是我理解的.lin事物正在乘以等式的整个右侧，因此弄乱了我的模型，因为它有仅在x0处有拦截感。

问题

有没有办法设置.lin = 1或以某种方式将其关闭？

或者说：lm()模型是否足以让我得到合理的误差估计？

可重复的例子

（抱歉不包括一个，我觉得最好以抽象的形式提问）：

l = c(0.001 , 0.002 , 0.003 , 0.004 , 0.005)
temp.theta = c(84.405 , 70.265 , 58.689 , 49.428 , 41.188)
x0 = 100
temp.lm = lm( I(-log(temp.theta/x0)) ~ l + 0 )
k=coef(temp.lm)
temp.nls = nls(temp.theta ~ I(x0 * exp(-k*l)) + 0, algorithm="plinear", start=list(k=k))
kappa=coef(temp.nls)
kappa

Answer 1

关于nls模型，似乎所需的模型没有线性分量，因为x0是固定的，所以没有理由首先使用plinear：

temp2.nls <- nls(temp.theta ~ x0 * exp(-k*l), start=list(k=k))

关于lm或nls是否更好看一下残差。看一下剩余部分的图，第一点的残差似乎突然显示它可能不遵循任何一种模型;但是，只有5分，我们真的不能说太多。

plot(resid(temp.lm), pch = 20, cex = 2, main = "lm Residuals")
plot(resid(temp2.nls), pch = 20, cex = 2, main = "nls Residuals")