Question

在R中，可以使用公式中的lm()参数构建具有固定系数的glm()或offset对象。

x=seq(1,100)
y=x^2+3*x+7
# Forcing to fit the polynomial: 2x^2 + 4x + 8 
fixed_model = lm(y ~ 0 + offset(8 + 4*x + 2*I(x^2) ))

是否可以使用poly()执行相同的操作？我尝试了下面的代码，但它似乎不起作用。

fixed_model_w_poly <- lm(y ~ 0 + offset(poly(x, order=2, raw = TRUE, coefs= c(8, 4, 2))))

错误：偏移量为200，应等于100（观察次数）

我想使用poly()作为方便的界面来运行具有大量固定系数或订单值的迭代，而不必为每个订单/系数组合手动编码：offset(8 + 4*x + 2*I(x^2) )。

P.S：进一步但不是必要的信息：这是进入MCMC例程。因此，示例用法是在以下代码中生成（然后比较）model_current到model_next：

library(MASS)
coeffs_current <- c(8, 4, 2)
model_current <- lm(y ~ 0 + offset(poly(x, order=2, raw = TRUE, coefs= coeffs_current )))
cov <- diag(rep(1,3))
coeffs_next <- mvrnorm(1, mu = as.numeric(coeffs_current ),
                       Sigma = cov ) 
model_next <- lm(y ~ 0 + offset(poly(x, order=2, raw = TRUE, coeffs_next ))

Answer 1

这证明了我的建议。（不使用poly。）

library(MASS)
# coeffs_current <- c(8, 4, 2) Name change for compactness.
cc <- c(8, 4, 2)
form <- as.formula(bquote(y~x+offset(.(cc[1])+x*.(cc[2])+.(cc[3])*I(x^2) )))
model_current <- lm(form, data=dat))

我真的不知道你打算用下一个代码做什么。看起来你想要一些基于先前函数输入的东西，但看起来不像你希望它基于结果。

cov <- diag(rep(1,3))
coeffs_next <- mvrnorm(1, mu = as.numeric(cc ),
                       Sigma = cov )

该代码使用简单的测试用例（至少按照我的意图）。 bquote函数将值替换为表达式（实际上是调用），as.formula函数计算其参数，然后将结果作为正确的formula - 对象。

dat <- data.frame(x=rnorm(20), y=rnorm(20) )
cc <- c(8, 4, 2)
form <- as.formula( bquote(y~x+offset(.(cc[1])+x*.(cc[2])+.(cc[3])*I(x^2) )))
model_current <- lm(form, data=dat)
#--------
> model_current

Call:
lm(formula = form, data = dat)

Coefficients:
(Intercept)            x  
     -9.372       -5.326    # Bizarre results due to the offset.
#--------
form
#y ~ x + offset(8 + x * 4 + 2 * I(x^2))

R - 创建具有固定poly（）系数的线性模型

1 个答案: