R / plm:由于误差(系统计算奇异)无法估计随机效应模型?

时间:2014-03-11 09:05:18

标签: r random panel regression plm

我想使用PLM软件包估算R中的一些面板数据模型。由于理论知识有限,我严格遵循“计量经济学院”(code here)的指示。我根据我的数据(自己的依赖/独立变量)自定义了该代码,但没有更改所有其他语法/公式。

现在问题在于:

除了随机效应模型外,所有模型都可以估算,其结果也可以汇总和解释。在这里,我收到以下错误消息:

Error in solve.default(crossprod(X.m)) : 
  system is computationally singular: reciprocal condition number = 9.57127e-023

有没有人可以给我一个暗示这个错误究竟意味着什么?可能是什么原因,我如何纠正代码以获得结果?

修改 更确切地说,这是我使用的R代码的一部分:

# read in data
mydata<- read.csv2("Panel.csv")
attach(mydata)

# define dependant variable
    sd1 <- cbind(sd)

# define independant variable
x <- cbind(ratio1, ratio2, ratio3, ratio4, mean)

# Set data as panel data
pdata <- plm.data(mydata, index=c("id","t"))

# Pooled OLS estimator
pooling <- plm(sd1 ~ x, data=pdata, model= "pooling")
summary(pooling)

# Between estimator
between <- plm(sd1 ~ x, data=pdata, model= "between")
summary(between)

# First differences estimator
firstdiff <- plm(sd1 ~ x, data=pdata, model= "fd")
summary(firstdiff)

# Fixed effects or within estimator
fixed <- plm(sd1 ~ x data=pdata, model= "within")
summary(fixed)

# Random effects estimator
random <- plm(sd1 ~ x, data=pdata, model= "random")
summary(random)

由于政策限制,我不允许上传数据。但我可以提供资产负债表数据的信息。因变量是资产负债表位置随时间的标准偏差,应由不同的资产负债表位置来解释。这些主要是“位置a /平均”类型的比率(比率1到4)。作为附加的独立变量,考虑了blanace表上资产的平均总和。

再次:实际上一切都只有最后一个模型(随机)产生规定的错误。

最终问题可能是由比率的定义引起的?它们是使用变量“mean”定义的(它本身也是一个独立的变量)?

编辑:追溯代码

> random <- plm(sd1 ~ x, data=pdata, model= "random")
Error in solve.default(crossprod(X.m)) : 
  system is computationally singular: reciprocal condition number = 1.65832e-022
> traceback()
8: solve.default(crossprod(X.m))
7: solve(crossprod(X.m))
6: diag(solve(crossprod(X.m)) %*% crossprod(X.sum))
5: swar(object, data, effect)
4: ercomp.formula(formula, data, effect, method = random.method)
3: ercomp(formula, data, effect, method = random.method)
2: plm.fit(formula, data, model, effect, random.method, inst.method)
1: plm(sd1 ~ x, data = pdata, model = "random")

1 个答案:

答案 0 :(得分:1)

如果model.matrix限制了非常大的值以及非常小的值,solve可能无法通过计算求解线性方程组。因此,如果是这种情况,请查看model.matrix(sd1 ~ x, data=pdata)。如果是这样,请尝试重新调整一些变量(例如,将oder除以100或1000倍[有时log()也有意义)。注意,由于尺度的变化,系数的解释会发生变化!