如何按组回归线性模型，仅改变斜率但保持截距不变？

问题描述

例如，我要回归这样的模型：

the model

这是我按组进行回归的数据和方法：

library(tidyverse)
library(plyr)
# create data
df = data.frame(y=c(1,3,2,5,6,8,7,9,10,15),x=c(1,12),j=c("type1","type1","type2","type3","type3"))
# regress 
linear_fit <- function(df) {
  model <- lm(y ~ x,df)
  linear_coef <- coef(model)
  linear_coef <- data.frame(intercept = linear_coef[1],slope = linear_coef[-1])
  row.names(linear_coef) <- NULL
  linear_coef
}
outcome<-ddply(df,.(j),linear_fit)
outcome
    j       intercept   slope
1   type1   -0.500000   1.5000000
2   type2   3.328358    0.5074627
3   type3   -10.071429  2.0714286

但是问题是，通过这种方法，我不能使截距保持不变，只能改变斜率。我想知道如何使方程式回归，如图所示，该方程只有一个截距但具有根据“ j”列的不同斜率。

有人可以帮我吗？

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

r r regression