R中的约束最大化（优化）答案

【问题标题】：Constrained Maximization (optimization) in RR中的约束最大化（优化）
【发布时间】：2019-05-10 20:46:22
【问题描述】：

我有一个像这样的简单线性回归模型：

Income=beta_0 + beta_1*YearsCollegeEducation + beta_2*Age

我在哪里获得了系数：

i) beta_0 = 0.8
ii) beta_1=1.9
iii) beta_2=0.5

现在我被告知要进行这样的约束优化：

Max (Income - YearsCollegeEducation*3.4)
such that 35 => Age => 30

第二项反映大学教育贷款还款额

这是我在 R 中创建的示例数据：

YearsCollegeEducation = c(5,8,4,3,1,2,5,9,4,5)
age = c(24,30,33,22,29,37,29,30,24,31)
data=data.frame(YearsCollegeEducation,Age)
data$intercept = 1
data$Income = data$intercept*0.8+data$YearsCollegeEducations*1.9+data$Age*0.5

我应该如何在 R 中进行？

如果我有任何不清楚的地方，请告诉我。我对优化很陌生，并且已经坚持了一段时间。谢谢。

【问题讨论】：

您介意解释一下您是如何获得 beta 估计值的以及它与约束最大化的关系吗？
@Trusky 我使用线性回归得到了 beta 系数。在示例中，我使用关系模拟了 data$Income。对于分析的第二部分，我被要求在 35 =>Age =>30 的约束条件下优化函数（收入 - 总贷款还款额）。这类似于经济学中的最大效用类型问题。请让我知道这是否有意义。
我认为不需要任何优化，因为我不存在非线性。您可以只评估该范围任一端的目标函数并决定哪个更大。
@42- 我明白你在说什么。说得通。太感谢了。您介意将其发布为答案以便我接受吗？

标签： r optimization

【解决方案1】：

我认为不需要任何优化，因为不存在非线性。您可以只评估该范围任一端的目标函数并决定哪个更大。

 objtive <- function( YearsCollegeEducation, Age){ 
     beta_0 = 0.8
     beta_1=1.9
     beta_2=0.5
     Income=beta_0 + beta_1*YearsCollegeEducation + beta_2*Age
     res=Income - YearsCollegeEducation*3.4}

【讨论】：