Question

我想使用R中的lm（）函数计算线性回归。此外，我想获得回归的斜率，我明确地将截距给予lm()。

我在互联网上找到了一个例子，我试图阅读R-help“？lm”（不幸的是我无法理解它），但我没有成功。谁能告诉我我的错误在哪里？

lin <- data.frame(x = c(0:6), y = c(0.3, 0.1, 0.9, 3.1, 5, 4.9, 6.2))
plot (lin$x, lin$y)

regImp = lm(formula = lin$x ~ lin$y)
abline(regImp, col="blue")

# Does not work:
# Use 1 as intercept
explicitIntercept = rep(1, length(lin$x))
regExp = lm(formula = lin$x ~ lin$y + explicitIntercept)
abline(regExp, col="green")

感谢你的帮助。

Answer 1

你可以从回归中减去显式截距，然后拟合无拦截模型：

> intercept <- 1.0
> fit <- lm(I(x - intercept) ~ 0 + y, lin)
> summary(fit)

0 +通过lm来抑制截距的拟合。

编辑要绘制拟合，请使用

> abline(intercept, coef(fit))

P.S。模型中的变量看起来是错误的：它通常是y ~ x，而不是x ~ y（即回归应该在左边，回归量在右边）。

Answer 2

我看到您已使用I（）接受了解决方案。我曾经认为基于偏移（）的解决方案会更加明显，但是品味会有所不同，在完成偏移解决方案后，我可以理解I（）解决方案的经济性：

with(lin, plot(y,x) )
lm_shift_up <- lm(x ~ y +0 + 
                       offset(rep(1, nrow(lin))), 
             data=lin)
abline(1,coef(lm_shift_up))

Answer 3

我使用了offset和I（）。我也发现偏移更容易使用（如BondedDust），因为你可以设置你的拦截。

假设拦截是10。

plot (lin$x, lin$y) fit <-lm(lin$y~0 +lin$x,offset=rep(10,length(lin$x))) abline(fit,col="blue")

线性回归在R中具有已知的固定截距

3 个答案: