R中NLS的对比矩阵

如何解决R中NLS的对比矩阵

我正在使用NLS软件包进行R中的非线性回归。我正在处理定性变量。合并定性变量的最佳方法是什么？

到目前为止，我的解决方案是

df <- data.frame(height= c(185,187,190,167,165,153),weight= c(88,75,93,73,77,61),gender=c("M","M","F","F"))

contrast_matrix_for_gender <- data.frame(contrasts(as.factor(df[,3])))
contrast_matrix_for_gender[,2] <- rownames(contrast_matrix_for_gender )

df <- merge(x= df,y=contrast_matrix_for_gender,by.x=c("gender"),by.y=c("V2"),all.x=TRUE)

df.1 <- as.matrix( df[,2:4])

nls(df.1[,1] ~ 0 + a* df.1[,2] + b*df.1[,3],start = list(a=0,b=0)) 

解决方法

我不太确定您在做什么，但是您给出的公式只是一个线性方程式。这就是您想要做的：

df1 <- data.frame(model.matrix(~ height + weight + gender + 0,df))
nls(height ~ a * weight + b * genderF + c * genderM,df1,list(a=0,b=0,c=0))
Nonlinear regression model
  model: height ~ a * weight + b * genderF + c * genderM
   data: data.frame(model.matrix(~height + weight + gender + 0,df))
       a        b        c 
  0.4336 131.1688 150.3312 
 residual sum-of-squares: 68.79

这只是线性回归，因为您有y = XB。因此，您可以这样做：

lm(height ~ weight + gender + 0,df)

Call:
lm(formula = height ~ weight + gender + 0,data = df)

Coefficients:
  weight   genderF   genderM  
  0.4336  131.1688  150.3312  

如您所见，所有系数都完全相同。

如果您有y=x^a + exp(b*x)等公式，则将具有非线性最小二乘法。但是在您的情况下，您只有线性模型y = a*x1 + b*x2...