Supposons que votre modèle soit
Y(t)=β0+β1⋅X1(t)+β2⋅X2(t)+ε(t)
et vous prévoyez de restreindre les coefficients, par exemple comme:
β1=2β2
insérer la restriction, réécrire le modèle de régression d'origine, vous obtiendrez
Y(t)=β0+2β2⋅X1(t)+β2⋅X2(t)+ε(t)
Y(t)=β0+β2(2⋅X1(t)+X2(t))+ε(t)
Z(t)=2⋅X1(t)+X2(t) and your model with restriction will be
Y(t)=β0+β2Z(t)+ε(t)
In this way you can handle any exact restrictions, because the number of equal signs reduces the number of unknown parameters by the same number.
Playing with R formulas you can do directly by I() function
lm(formula = Y ~ I(1 + 2*X1) + X2 + X3 - 1, data = <your data>)
lm(formula = Y ~ I(2*X1 + X2) + X3, data = <your data>)
linearHypothesis()
in thecar
package.