我有一个数据集，其中包含一个因变量 y，以及两个独立的 x（连续）和 z（0 或 1 的指标）。我想要适合的模型是
y = a*1(z==0) + b*x*1(z==1),
换句话说，如果 z==0 那么估计应该只是截距，否则估计应该是截距加上 b*x 部分。
我想出的唯一方法是分两步进行，即首先取 z==0 的 y 的平均值（这是截距的估计值），然后从其余的 ys 中减去这个值并运行一个简单的回归来估计斜率。
我（几乎）确定这会起作用，但理想情况下，我想使用 lm 或类似的东西在 R 中的单行中获得估计值。有没有办法做到这一点？提前感谢！
您可以通过拟合交互来做到这一点：
fit <- lm( y ~ x:z )
这会将 x 乘以 z，因此当 z 为 0 时，x 的值将没有影响，而当 z 为 1 时，它只会适合 x。
您可以定义一个新变量，如果z为 0，则为 0，否则等于x：
y ~ ifelse(z, x, 0)
您的问题可以通过两种方式解决：
za）首先在=0 和=1时创建两个假人z（假设这是z0和z1:with(mydata,ifelse (z==1,z0,z1))并将两者都包含在模型中并运行以下模型而不进行截距：
lm(y~as.factor(z)+x-1,data=mydata)或lm(y~z0+z1+x-1,data=mydata) #model 包括两个没有截距的虚拟变量以避免虚拟变量陷阱
y=b0z0+b1z1+b2x
b)第二个只包含一个假人 ( z=1) 并使用截距运行以下模型
lm(y~z1+x,data=mydata) #model 包括一个带截距的假人
y=intercept+b1z1+b2x#coefficient on z1 在 z=0 上给出增量值
z1=0时y的期望值是intercept+b2x，z1=1时y的期望值是intercept+b1z1+b2x。不同的是b1z1。
注意：这更多地与统计有关，而不是与编程有关。所以，你最好在CV中问这些类型的问题。