从手动改变β系数的线性回归估计R2

我想知道是否有办法建立一个线性回归模型，手动改变贝塔系数，并在改变后估计R2

简单的例子：

a <- c(2000 ,   2001  ,  2002  ,  2003 ,   2004)
b <- c(9.34 ,   8.50  ,  7.62  ,  6.93  ,  6.60)
c <- c(10.5 ,   12.8  ,  13.1  ,  14.4  ,  15.9)

fit=lm(a~b+c)
fit$coefficients
(Intercept)            b            c 
2005.1537642   -0.8948095    0.2866537 
summary(fit)$r.squared
[1] 0.9862912

---

a您可以通过取结果与其预测值之间的样本相关系数的平方来计算确定系数：

cor(a, -0.8948095 * b + 0.2866537 * c) ** 2
## [1] 0.9862912

只需将线性模型中的系数替换为要测试的系数。
为什么要这样做？@Roland正在尝试预测模型。这并不能解释任何问题。R平方通常不是敏感性分析的衡量标准。我认为你的评论与我的帖子无关。我只是问如何做某事，而不是问它是否正确。我想知道如何用一些betas系数来估计R2，就这样。无论如何，感谢您强调敏感问题：）。您当然有权做任何您想做的事情。根据我的经验，给一个问题一个字面上的答案通常不是最好的帮助。但每个人都有自己的。祝您有个美好的一天。