R 同一方程中两个未知变量的简单迭代最小二乘算法

同一方程中两个未知变量的简单迭代最小二乘算法

给定方程（1）和变量为y、d和m的数据，我想通过迭代平方法估计α（α在0和1之间），因为方程（2）中的β也包含未知估计α 对数（y）=c-β对数⁡（d+2αm/（1-α）） 其中
2） β=2/（1-α）

求解迭代平方法算法的步骤如下：， 以α的初始猜测开始，例如（α_0）。 使用初始值（α_0）对（1）进行回归，得到用于计算新值（α_1）的参数估计值β。 使用（2）上的估计值β来计算新的（α_1） 使用α1作为“新猜测”，重复步骤2和3，直到初始α和新α收敛

我按照4个步骤开发了以下R代码。但是，我希望在步骤2和步骤3中循环，并在收敛后停止该过程（或接近收敛-有一点公差级别）

数据链路

#清除工作目录
#rm（list=ls（））
#设置/加载工作目录
#setwd（“C:\\Users\\Philipmunyua\\Google Drive\\nanoHUB研究\\02分析\\04开发级别\U测试空间\\02输入数据”）
#生成alpha分布和模型分布
DAT由于我们没有您的文件，这不是一个有效的示例。这不只是涉及设置
nls
？添加数据url的问题。我不知道nls是什么意思。
#Clear working directory
# rm(list=ls()) 
# Set/Load  working directory
#setwd("C:\\Users\\Philipmunyua\\Google Drive\\nanoHUB research\\02 analysis\\04 develop level _test spatial\\02 input data")
# Generating alpha and model distribution
dat<-read.csv("t06_deg_freq.csv")
dat$X<-NULL
dat$ln_deg<-log(dat$degree)
dat$ln_freq<-log(dat$Freq)
summary(dat)
a<-0.98
a1<-range(0.000,1.000)
m<-(weighted.mean(dat$degree, dat$Freq)*0.5)
d<-as.matrix(dat$degree)
fd<-as.matrix(dat$Freq)
xd<-as.matrix(dat$degree+((2*m*a)/(1-a)))
y<-log(fd)
x<-log(xd)
fit <- lm(y ~ x, data=dat)
#summary(fit) # show results
b.fit<-coef(fit)
b<-b.fit[2]
t<-((b-2)/b)
a1<-ifelse(t>max(a1),max(a1),t)