我估计横截面回归 - 片段：
lm（rate~liqamih.log + cap.log + F1 + F2，data = x）
下面列出的R代码。
F1和F2是时间序列模型的系数估计值。
在这种情况下，我们需要处理所谓的“变量问题中的错误”。在文献（链接：gendocs.ru/docs/23/22031/conv_1/file1.pdf（第1091页）和papers.ssrn.com/sol3/papers.cfm?abstract_id=6992（整篇文章））中，MLE方法是这个问题的有效解决方案之一。
我想在下面的R代码中实现KIM引用的方法（参考上面的文献链接）。如何将引用的方法实现到我的R代码中？
data<-read.table("reg5-dane.csv", head=T, sep=";", dec=",")
data$indx <- as.numeric(gl(123*334,334,123*334))
lst1 <- split(data[,-53],data[,53]) #max 53 variables in "lst2" regression
any(sapply(lst1,nrow)!=123)
#[1] FALSE
lst2 <- lapply(lst1[sapply(lst1,function(x) !(all(rowSums(is.na(x))>0)))],
function(x) summary(lm(rate~liqamih.log+cap.log+F1+F2, data=x)) )
capture.output(lst2,file="nooldor_regr_summ.txt")
# - f2 -f6 /+f2 -f5 +F6 - f6 - f2 - liq + f6 - f6 +f2 - f4 - f4 +f3
capture.output(lst2,file="nooldor_regr_summ.csv")
对334个受试者的观察结果进行了123次观察。对于123个时间点中的每个时间点，我运行了一个包含334个主题的回归（所以我在每个时间点重复123次）。 我也在CrossValidated.com上发布了这个主题 - 因为我需要一个能够拥有统计学/计量经济学和R编程背景的人的帮助。