问题：
我正在使用felm包中的lfe函数来估计固定效果模型。我估计了几种模型，但最大的模型包括大约40个因变量以及县和年份的固定效应（分别约为3000个水平和14个水平），使用了大约5000万个观测值。运行模型时，出现以下错误：
Error in Crowsum(xz, ia) :
long vectors not supported yet: ../../src/include/Rinlinedfuns.h:519
Calls: felm -> felm.mm -> newols -> Crowsum
我意识到长向量包含2 ^ 31个或更多的元素，因此我假设felm在估计模型时会产生这些长向量。有关我的资源的详细信息：我可以访问具有多个节点（每个节点具有多个内核）的高性能计算；内存最大的节点有1012GB。
（1）是否只有lfe包的作者才能添加对“长向量”的支持？
（2）如果是这样，是否还有其他选择可以对大数据进行FE回归（前提是像我一样，只要可以访问大量内存和/或集群计算）？ （如果我需要另外发表帖子以更具体地解决这个问题，我也可以这样做。）
请注意，我知道有关此问题的类似文章：Error in LFE - Long Vectors Not Supported - R. 3.4.3
但是，我提出一个新问题有两个原因：（1）作者的问题不集中-不清楚要提供什么反馈，并且我不想假设我想知道的与作者相同。 （2）即使我编辑了问题，原始作者也忽略了我认为可能相关的细节。
答案 0 :(得分：0)
lfe软件包似乎不支持长向量，除非作者添加支持。
用于对大型数据集执行回归分析的其他途径包括biglm软件包。 biglm使您可以对一个块进行线性或逻辑回归，然后在对其他块进行回归时更新回归估计。但是，这是一个顺序过程，这意味着它不能并行执行，因此可能会遇到内存问题（或花费太长时间）。
如果您可以访问一些高级计算资源（更多核心，更多RAM），另一种选择是使用partools软件包，该软件包提供了用于处理R的parallel的工具。程序包为R的lm提供了一个包装，称为calm（块平均线性模型），类似于biglm在块上回归，但允许并行进行该过程。 partools的小插图是学习如何使用该软件包的绝佳资源（即使对于以前从未使用过parallel软件包的用户而言）：https://cran.r-project.org/web/packages/partools/index.html
看来calm并没有报告标准错误，但是需要并行计算的大小数据集可能不相关-特别是如果该数据集包含来自所研究总体的数据。