필터 지우기
필터 지우기

Constrained regression with constrains on the slopes

조회 수: 3 (최근 30일)
Prerna Mishra
Prerna Mishra 2022년 7월 26일
댓글: Alex Sha 2022년 7월 27일
I was the following regeression specification
ln Q = ln A + alpha * ln K + beta * ln L
I want to fins alpha and beta such that alpha + beta < 1 and alpha > 0 and beta > 0.
I am trying to use lsqlin but I don't understand how to write the specification.
  댓글 수: 5
Torsten
Torsten 2022년 7월 26일
But you want to fit Q against A*K^x(1)*L^x(2).
In the above code, you try to make A*K^x(1)*L^x(2) = 0.
Alex Sha
Alex Sha 2022년 7월 27일
Hi, Prerna Mishra, where are the data of Q?

댓글을 달려면 로그인하십시오.

답변 (1개)

Matt J
Matt J 2022년 7월 26일
편집: Matt J 2022년 7월 26일
AA=log(K(:)./L(:));
bb=log(Q(:)./A(:)./L(:));
alpha=min( max(AA\bb,0) ,1 );
beta=1-alpha;
  댓글 수: 2
Torsten
Torsten 2022년 7월 26일
alpha + beta < 1, not = 1.
Matt J
Matt J 2022년 7월 27일
편집: Matt J 2022년 7월 27일
Darn it. Well then, why not with lsqlin as originally proposed,
C=[log(K(:)) log(L(:));
d=log(Q(:)./A(:));
x0=lsqlin(C,d,[1,1],1,[],[],[0 0],[1,1]);
alpha=x0(1);
beta=x0(2);
If desired, you can use x0 to initialize a a nonlinear least squares fit to the original non-logged model,
fun = @(x,KL) A(:).'*KL.^x;
lb = [0, 0];
ub = [1, 1];
x=lsqcurvefit(fun,x0(:)',[K(:),L(:)], Q(:), lb,ub);
alpha=x(1);
beta=x(2);

댓글을 달려면 로그인하십시오.

카테고리

Help CenterFile Exchange에서 Linear Least Squares에 대해 자세히 알아보기

Community Treasure Hunt

Find the treasures in MATLAB Central and discover how the community can help you!

Start Hunting!

Translated by