R 有没有办法在线性回归中进行阈值处理？

Question

我正在尝试进行线性回归，但我只想使用具有正系数的变量(我认为这称为硬阈值处理，但我不确定)。

例如:

> summary(lm1)

Call:
lm(formula = value ~ ., data = intCollect1[, -c(1, 3)])

Residuals:
     Min       1Q   Median       3Q      Max 
-15.6518  -0.2089  -0.0227   0.2035  15.2235 

Coefficients:
                Estimate Std. Error t value Pr(>|t|)    
(Intercept)     0.099763   0.024360   4.095 4.22e-05 ***
modelNum3802    0.208867   0.008260  25.285  < 2e-16 ***
modelNum8000   -0.086258   0.013104  -6.582 4.65e-11 ***
modelNum8001   -0.058225   0.010741  -5.421 5.95e-08 ***
modelNum8002   -0.001813   0.012087  -0.150 0.880776    
modelNum8003   -0.083646   0.011015  -7.594 3.13e-14 ***
modelNum8004    0.002521   0.010729   0.235 0.814254    
modelNum8005    0.301286   0.011314  26.630  < 2e-16 ***

在上面的回归中，我只想使用模型 3802、8004 和 8005。有没有一种方法可以在不复制和粘贴每个变量名称的情况下执行此操作？

Answer 1

除了使用 lm，您还可以根据二次规划来表述您的问题:

在线性系数均为正的约束条件下，最小化复制误差的平方和。

此类问题可以使用 limSolve 包中的 lsei 来解决。查看您的示例，它看起来很像这样:

x.variables <- c("modelNum3802", "modelNum8000", ...)
num.var <- length(x.variables)

lsei(A = intCollect1[, x.variables],
     B = intCollect1$value,
     G = diag(num.var),
     H = rep(0, num.var))