Régression linéaire avec une interception fixe connue dans R

Question

Je veux calculer une régression linéaire en utilisant la fonction lm() dans R. De plus, je veux obtenir la pente d'une régression, où je donne explicitement l'intercept à lm() .

J'ai trouvé un exemple sur internet et j'ai essayé de lire l'aide R "?lm" (malheureusement je ne suis pas capable de la comprendre), mais je n'ai pas réussi. Quelqu'un peut-il me dire où se trouve mon erreur ?

lin <- data.frame(x = c(0:6), y = c(0.3, 0.1, 0.9, 3.1, 5, 4.9, 6.2))
plot (lin$x, lin$y)

regImp = lm(formula = lin$x ~ lin$y)
abline(regImp, col="blue")

# Does not work:
# Use 1 as intercept
explicitIntercept = rep(1, length(lin$x))
regExp = lm(formula = lin$x ~ lin$y + explicitIntercept)
abline(regExp, col="green")

Merci pour votre aide.

Answer 1

Vous pourriez soustraire l'intercept explicite du régressand et ensuite ajuster le modèle sans intercept :

> intercept <- 1.0
> fit <- lm(I(x - intercept) ~ 0 + y, lin)
> summary(fit)

El 0 + supprime l'ajustement de l'intercept par lm .

modifier Pour tracer l'ajustement, utilisez

> abline(intercept, coef(fit))

P.S. Les variables de votre modèle sont à l'envers : c'est généralement y ~ x pas x ~ y (c'est-à-dire que le régresseur doit aller à gauche et le(s) régresseur(s) à droite).

Answer 2

Je vois que vous avez accepté une solution utilisant I(). J'avais pensé qu'une solution basée sur offset() aurait été plus évidente, mais les goûts varient et après avoir travaillé sur la solution offset, je peux apprécier l'économie de la solution I() :

with(lin, plot(y,x) )
lm_shift_up <- lm(x ~ y +0 + 
                       offset(rep(1, nrow(lin))), 
             data=lin)
abline(1,coef(lm_shift_up))

Answer 3

J'ai utilisé à la fois offset et I(). Je trouve également que l'offset est plus facile à utiliser (comme BondedDust) car vous pouvez définir votre intercept.

En supposant que l'interception est de 10.

plot (lin$x, lin$y) fit <-lm(lin$y~0 +lin$x,offset=rep(10,length(lin$x))) abline(fit,col="blue")