Diese Frage hat hier bereits eine Antwort:

Ich schätze mehrere gewöhnliche lineare Regressionen kleinster Quadrate in R. Ich möchte die geschätzten Koeffizienten über die Regressionen so einschränken, dass sie gleich sind. Zum Beispiel habe ich Folgendes:

z1 ~ x + y
z2 ~ x + y

Und ich möchte, dass der geschätzte Koeffizient für y in der ersten Regression gleich dem geschätzten Koeffizienten für x in der zweiten Regression ist.

Gibt es einen direkten Weg, dies zu tun? Danke im Voraus

Mehr detaillierte Bearbeitung

Ich versuche ein System linearer Nachfragefunktionen zu schätzen, bei dem die entsprechende Wohlfahrtsfunktion quadratisch ist. Die Wohlfahrtsfunktion hat die Form:

W = 0.5*ax*(Qx^2) + 0.5*ay*(Qy^2) + 0.5*bxy*Qx*Qy + 0.5*byx*Qy*Qx + cx*Qx + cy*Qy

Daraus folgt, dass die Nachfragefunktionen:

dW/dQx = Px = 2*0.5*ax*Qx + 0 + 0.5*bxy*Qy + 0.5*byx*Qy + 0 + cx
dW/dQx = Px = ax*Qx + 0.5*(bxy + byx)*Qy + cx

un

dW/dQy = Py = ay*Qy + 0.5*(byx + bxy)*Qx + cy

Ich möchte das System so einschränken, dass byx = bxy (die Kreuzproduktkoeffizienten in der Wohlfahrtsfunktion). Wenn diese Bedingung erfüllt ist, werden die beiden Anforderungsfunktionen zu:

Px = ax*Qx + bxy*Qy + cy
Py = ay*Qy + bxy*Qy + cy

Ich habe Preis Px undPy) und Menge Qx undQy) Daten, aber was mich wirklich interessiert, ist das Wohlergehen W) wofür ich keine Daten habe.

Ich weiß, wie man alle Matrixformeln für beschränkte kleinste Quadrate berechnet und codiert (dies würde ein paar Zeilen Code erfordern, um die Koeffizienten, Standardfehler, Anpassungsmaße usw. zu erhalten, die standardmäßig mit @ geliefert werdelm()). Aber ich hatte gehofft, dass es eine vorhandene R-Funktion geben könnte (d. H. Etwas, das mit dem @ getan werden kanlm() Funktion), so dass ich das alles nicht codieren müsste.