我知道这已经被问到了，我已经看过这个主题的至少10个主题，但我仍然无法理解。我正在使用plm包来估计某些面板数据的随机效应模型。我有一个我已指定的模型，但是当我插入一个不包含任何NA的附加变量时，我收到以下错误消息。
lm.fit中的错误（x，y，offset = offset，singular.ok = singular.ok，...）： 0（非NA）案件
我尽可能地减少了以下内容。
plm(dependent ~ varA + varB + varC + varD, data=mydata,
model="random", index=c("Name", "Month"), na.action=na.exclude)
没有varA，模型工作正常。代替VarA，我可以插入我拥有的其他变量，有些可以使用，而有些则无法使用。
我的数据可以获得here。
我尝试过使用na.omit（mydata），它有时会工作但不可靠。
任何见解都将受到赞赏。
答案 0 :(得分：1)
这是由于您的数据和模型的具体情况而发生的，因此这是一个统计问题：
Swamy-Arora（random.method = "swarm"）的默认随机效应方法中使用的回归之间的估计不可用于此模型（4个人（数据中为Name），同时尝试估计4个协变量和截距），因此模型不能用默认的RE估计器估计。您可以尝试不同的随机效果方法，例如将random.method设置为amemiya或walhus。
plm(dependent ~ varA + varB + varC + varD, data=mydata,
model="random", index=c("Name", "Month"), random.method = "amemiya")
（是的，这里可以改进plm的错误信息。）
答案 1 :(得分：1)
这是一篇旧帖子，但它是对此特定问题的唯一参考。我只是使用plm包和plm函数来解决这个问题。在这种情况下，我发现错误消息具有误导性。在我的情况下，完整案例的数量（参见函数complete.cases（））不是0，我无法弄清楚为什么plm函数给我这个错误信息。
在挖掘了我的数据后，我发现问题实际上是我的数据中存在值为-Inf或Inf的条目。我只是用NA取代了这些条目（具有讽刺意味！），并且plm函数运行顺畅。
请注意，对同一回归公式使用lm函数实际上给了我这个实际的错误消息：
“lm.fit中的错误（x，y，偏移=偏移，singular.ok = singular.ok，...）： “y”中的NA / NaN / Inf
这显然更能说明实际情况。
祝你好运
答案 2 :(得分：0)
当尝试使用由字符串组成的变量时，也会出现这个问题。 对我来说，当我尝试使用包含像
这样的列的数据框时，出现了这个确切的错误data$column
"1", "2", "3", "4", ...
使用 as.numeric(data$column) 用对应的数字替换字符串可以解决问题并允许回归。