R优化模型参数

我了解如何使用“optim”拟合最小二乘回归线。但是，这需要一组数据（2个变量）

现在，我有一个模型（带有模型参数）和一组“观测数据”。我希望通过最小化RSS/RMSE来优化模型参数

我不知道如何通过“optim”执行此操作。非常感谢您的帮助和建议

---

• 我附上了一个例子。模型输入仅在第一个时间步中，因为这是某种自回归模型：

H[i]=H[i-1]x0.8

其中Y是时间步i的建模值； P为模型输入； Hi-1、A和S是需要优化的模型参数。 对于i=（1-16），最佳模型参数是什么

数据：

---

其中i是时间步长；P为模型输入；“obs”是观察值。

A=S=0，H[i-1]=Y[i]-p[i]给出了完美的拟合。每个参数都有一个值范围（0.001-0.9）。参数不能为零。这只是一个简单的例子。我需要知道如何通过optim或其他方法通过R实现这一点。你需要另一个方程来描述Hi。否则，对于A和S的任何值，都可以找到合适的Hindeterminate@Rohit谢谢你指出这一点。我已修正这项质询。增加了一个额外的方程式。H[i]=H[i-1]x0.8如果你用H0来表示H[i]，它会因为AxH0的项而变成一个非线性方程。我认为您可以尝试一种迭代方法：首先假设H0的某个值，然后求解A，S。然后使用A，S的估计值来求解H0。然后迭代，直到值收敛。

i   P   obs
1   42  5.208
2   0   3.119
3   0   2.642
4   0   2.280
5   0   1.995
6   0   1.899
7   0   1.893
8   0   1.766
9   0   1.577
10  0   1.523
11  0   1.494
12  0   1.470
13  0   1.497
14  0   1.465
15  0   1.377
16  0   1.337