R中带系数条件的线性回归函数

我搜索了又搜索，但没有找到答案，尽管我认为我想做的事情并不难。。。我为拼写错误感到抱歉，我不是以英语为母语的人；）

我有几个（x，y）-数据点都在0和1之间，例如（0,0），（0.2,0.05），（0.4,0.15），（0.6,0.3），（0.8,0.6），（1,1）

我想让R计算一个回归函数（用最小二乘法）y=ax^3+bx^2+c*x来拟合区间[0,1]中的数据点。 （因此，我希望它是一个3次多项式，但d=0，因为它应该始终指向点（0,0），这可以通过在lm公式中添加-1轻松实现。）

另外，我希望c是1-a-b，因为我需要f（1）=1

回归模型：y=ax^3+bx^2+cx=ax^3+bx^2+（1-a-b）x

---

因此，您基本上需要一个对参数有约束的线性模型。两个相关职位是：。此外，包

glmc

似乎以一种简单的方式实现了这一点，谢谢。我决定用“trick”

输出来实现这一点，因此，您基本上需要一个对参数有约束的线性模型。两个相关职位是：。此外，包
glmc
似乎以一种简单的方式实现了这一点，谢谢。我决定用“技巧”
输出来完成它
# regression model: y = ax^3 + bx^2 + cx = ax^3 + bx^2 + (1-a-b)x
output <- lm(I(yValues) ~ I(xValues^3) + I(xValues^2) + I(xValues) -1) 

# coefficients:
d1 <- summary(output)$coefficients[1] 
d2 <- summary(output)$coefficients[2] 
d3 <- summary(output)$coefficients[3]