在零假设为H0=b1+的情况下，如何在R中运行回归模型；b4=0？

我正在尝试拟合一个线性回归模型，该模型测试b1+b4=0的零假设，我知道我需要运行该模型，而不是使用beta1*x1+beta4*x4，我需要使用beta1*（x1-x4），但R运行回归模型的方式不允许我输入这样的因子。我做得最好的是这样，但这是不正确的：

test2 = lm(Mortality ~ log(HCPot) + X.WC - X.NegNonWhite + income + pop.house + JulyTemp + Rain, data = pollution)
anova(model2, test2, test = 'LRT')

其中model2是相同的模型，只是没有-for X.NegNonWhite。为了更清楚的参考，这是原始问题：使用似然比检验，检验白领百分比（X.WC）和非白领百分比（X.NegNonWhite）的系数总和为零的无效假设。在α=0.05时进行试验

---

所以我们可以看到，实际上有7个因子，但是所有的负因子都是从回归中去除因子。有什么建议吗？

如果您转换数据，您可以使其成为所需的模型。您的意思是我应该在首先找到它们之间的差异之前创建一个新的因子吗？我不明白。你是说x1和x4是两个因素变量吗？或者您正在寻找死亡率~log（HCPot）+I（X.WC-X.NegNonWhite）+收入+流行音乐+JulyTemp+雨？是的，我想要后者。如果您转换数据，你可以这样做，模型将是理想的形式。你的意思是，我应该先做一个新的因素，然后再找出它们之间的差异吗？我不明白。你是说x1和x4是两个因素变量吗？或者你是在寻找死亡率~log（HCPot）+I（X.WC-X.NegNonWhite）+收入+流行音乐+JulyTemp+Rain？是的，后者是我想要的。