Question

我使用F＃中的R类型提供程序来访问一些与回归相关的R功能。 我想估计回归系数有约束时的回归，因此它们的加权平均值为0. 权重总和为1.下面的例子被简化，因为我有几十个系数，不同的权重，我只显示下面的R代码：

y1 <- runif(n = 50,min = 0.02,max=0.05)
y2 <- runif(n=50,min=0.01,max=0.03)
y <- c(x1,x2)
x1 <- c(rep(0,50),rep(1,50))
x2 <- c(rep(1,50),rep(0,50))
lm(y~x1+x2)

这给出了

的输出

> lm(y~x1+x2)

Call:
lm(formula = y ~ x1 + x2)

Coefficients:
(Intercept)           x1           x2  
    0.03468     -0.01460           NA

正如所料。但是我想对x1和x2设置约束，因此它们的加权平均值为(0.5 * x1 + 0.5 * x2) = 0。在这种情况下，截距变为mean(y) = 0.02737966，x1和x2系数将显示该值的偏移量（分别为-0.006和+0.007）。软件包quadprog和mgcv似乎适用，但我无法应用约束。

Answer 1

也许不完全是你问题的答案，因为它要求在R中进行优化。但是可能以下有帮助。无论如何它使用NLopt库我认为是R使用的？如果您在制定MLE方面需要帮助，请告诉我，但对于具有高斯假设且没有内生性的线性模型，它应该足够直接。

请注意，即使LN_COBYLA不使用用户提供的渐变，与cFunc和oFunc中的模式匹配也会忽略它。我尝试使用LD_LBFGS，但不支持AddEqualZeroConstraint（）。

[编辑]

添加完整示例，您可以将其用作模板。它不是惯用的，而且非常难看，但说明了这一点。但是，在此示例中，约束将导致此退化。您需要NLOptNet，MathNet.Numerics，Fsharp Charting。也许它有助于其他人在F＃中进行约束优化。

{{1}}

R

1 个答案: