R 我可以为nls（）或nnls（）之类的回归系数创建条件吗？

我最近一直在玩R的回归函数/包。我想知道，有没有办法强迫我的回归系数求和到一个特定的值？我知道强制使用系数可能会产生不好的拟合，但我正在寻找一种方法

抱歉，我没有太多的代码，因为我在这方面没有成功，但我正在尝试以下内容：

b
     [,1]
[1,]    2
[2,]    6
[3,]    4
[4,]    7
[5,]    8

A
     [,1] [,2] [,3]
[1,]    2    3    4
[2,]    7    5    5
[3,]    5    5    3
[4,]    7    8    9
[5,]    8    9    9

我想要一个函数来使用

---

constrainedcoefs如果您有如下输入数据

dd <- structure(list(b = c(2L, 6L, 4L, 7L, 8L), A1 = c(2L, 7L, 5L, 
7L, 8L), A2 = c(3L, 5L, 5L, 8L, 9L), A3 = c(4L, 5L, 3L, 9L, 9L
)), .Names = c("b", "A1", "A2", "A3"), class = "data.frame", row.names = c(NA, 
-5L))

这里我们要求它们的和为1，所以我们实际上只有两个自由参数。一旦我们知道了

a1

和

a2

我们就可以算出

a3

。然后我们使用“端口”算法，该算法允许我们指定上限和下限，以确保值不低于0或高于1。根据我得到的数据

Nonlinear regression model
  model: b ~ a1 * A1 + a2 * A2 + (1 - a1 - a2) * A3
   data: dd
    a1     a2 
0.7647 0.0000 
 residual sum-of-squares: 1.059

所以参数是（0.7647,0.0000,0.2353）

---

当然，这种类型的回归似乎很不寻常，所以要非常小心根据模型拟合做出的推断。

谢谢！我想这和我想要的非常接近。nls（）中的行部分a1*a1+a2*a2+（1-a1-a2）*A3非常特定于只有三列的dd。如果我想给nls（）提供一个任意大小的dd，需要任意数量的系数，那该怎么办？然后你需要动态地构建你的公式和系数初始化向量。

nls(b~a1*A1+a2*A2+(1-a1-a2)*A3, dd, 
    lower=0, upper=1,algorithm="port", 
    start=c(a1=.3, a2=.3))

Nonlinear regression model
  model: b ~ a1 * A1 + a2 * A2 + (1 - a1 - a2) * A3
   data: dd
    a1     a2 
0.7647 0.0000 
 residual sum-of-squares: 1.059