Регрессия по функциям с шагами (Python/R)

Question

Как видно из названия, я хочу иметь возможность выполнить регрессию (а не просто простую оптимизацию) для следующей (нелинейной функции шага) либо в R, либо в Python (проблема имеет решающее значение, так что я готов использовать любое программное обеспечение получает работу):

https://beta.postimg.org/image/3pqj0zb1b/

или в

Y = alpha + beta * Dummy_1 + error_term
where Dummy_1 = 1 if x > gamma * f(x) and if x < theta * f(x) Parameters: alpha, beta, gamma, theta

так что я хочу использовать мощные инструменты статистика ставит в использовании а также , надеюсь, через GLM, вычислить все приятные вещи, которые предлагает эта модель (я не забочусь о проблемах оптимизации в отношении надежности, но поэтому с удовольствием возьму все, что работает). К сожалению, я не знаю, как настроить такую ​​конкретную проблему - либо в R, либо в Python.

Как вы относитесь к этому?

Answer 1

Лучшее решение для вас scipy Один мой пример кода

import xlrd 
import matplotlib.pyplot 
import pylab 
from scipy import stats 
import numpy as np 
import math 

cord = xlrd.open_workbook('MT_coordenadas_todas.xls') 

id1 = cord.sheet_by_index(0) 
values1 = id1.col_values(0) 

id2 = cord.sheet_by_index(0) 
values2 = id2.col_values(1) 

id3 = cord.sheet_by_index(0) 
values3 = id3.col_values(2) 

print type(values3) 

a1= values1[1:16] 

a2= values2[1:16] 
print a2 

a3= values3[1:16] 
print a3 

slope, intercept, r_value, p_value, std_err = stats.linregress(a2,a3) 

print slope 
print intercept 

Тогда вы получите наклон и интерфейс

-1.76630044629 
10061774.6817