我正在使用R，包 rucm ，以便为时间序列构建一个未观察到的组件模型。现在使用这种方法是强制性的，所以我不能改变模型。
我的模型构建后出现了问题。所以我采取了通常的步骤来构建我的模型（不幸的是我无法共享数据，但我确实提供了一个模拟数据），如下所示：
library(rucm)
data_set <- read.table(header=T, text='Date y x1 x2 x3
1/1/2015 0:00 2.079441542 1.791759469 1.098612289 1.098612289
1/2/2015 0:00 1.386294361 1.609437912 1.609437912 0
1/3/2015 0:00 2.302585093 1.945910149 1.791759469 0
1/4/2015 0:00 1.098612289 1.945910149 2.197224577 0.693147181
1/5/2015 0:00 0.693147181 1.609437912 2.079441542 0.693147181
1/6/2015 0:00 1.098612289 0.693147181 1.945910149 0.693147181
1/7/2015 0:00 2.302585093 0 2.302585093 1.098612289
1/8/2015 0:00 0.693147181 1.609437912 1.791759469 0.693147181
1/9/2015 0:00 1.945910149 1.386294361 1.098612289 0
1/10/2015 0:00 1.791759469 2.079441542 2.197224577 0.693147181
1/11/2015 0:00 0.693147181 0 1.386294361 0
1/12/2015 0:00 1.098612289 2.079441542 1.386294361 0.693147181
1/13/2015 0:00 1.945910149 1.386294361 0 0
1/14/2015 0:00 1.609437912 0 2.197224577 0.693147181
1/15/2015 0:00 0 1.609437912 2.079441542 0
1/16/2015 0:00 1.609437912 2.302585093 2.197224577 0
1/17/2015 0:00 2.302585093 0.693147181 1.945910149 0
1/18/2015 0:00 2.079441542 1.791759469 1.609437912 0
1/19/2015 0:00 1.791759469 1.098612289 1.386294361 0.693147181
1/20/2015 0:00 0.693147181 2.079441542 1.386294361 0
1/21/2015 0:00 1.609437912 2.197224577 0.693147181 0.693147181
1/22/2015 0:00 2.302585093 2.302585093 1.609437912 0
1/23/2015 0:00 1.609437912 2.197224577 2.197224577 0
1/24/2015 0:00 1.945910149 0.693147181 1.791759469 0
1/25/2015 0:00 0 1.945910149 1.609437912 0.693147181
1/26/2015 0:00 0.693147181 1.609437912 1.098612289 1.098612289
1/27/2015 0:00 0.693147181 1.609437912 2.197224577 0.693147181
1/28/2015 0:00 1.098612289 1.098612289 2.079441542 0
1/29/2015 0:00 2.302585093 2.302585093 1.386294361 0.693147181')
model_ucm = ucm(y ~ x1+x2+x3,data=data_set , slope=T)
model_ucm
在输出中，一些系数是负的。但我知道，或者至少，我希望那些特定的系数是正的。他们必须。因为从业务角度来看，产生这种影响的变量预计是积极的。
在这个模型中，有没有办法强制某些变量为正数？ 从输出中可以看出， x3 具有负系数，我希望它是正数，其余的可以保持负数。
Estimate Approx.StdErr t.val p.value
x1 -0.05320 0.20271 -0.2624 0.7950
x2 -0.19880 0.26437 -0.7520 0.4588
x3 -0.23300 0.33990 -0.6855 0.4991