Ошибка plm с фиксированными эффектами: ошибка в lm.fit (x, y, offset = offset, singular.ok = singular.ok, ...): 0 (не NA) случаев - PullRequest
1 голос
/ 08 мая 2020

Я пытаюсь запустить оценщик фиксированных эффектов для своих данных, и даже несмотря на то, что все оценщики объединений, промежуточных и первых различий работали, я продолжаю получать эту ошибку при попытке оценщика с фиксированными эффектами:

Затем я изменил свой код так, чтобы я специально идентифицировал каждую переменную вместо того, чтобы полагаться на объекты 'x' и 'y' из глобальной среды, что изменило мое сообщение об ошибке на:

Error in lm.fit(x, y, offset = offset, singular.ok = singular.ok, ...) : 
  0 (non-NA) cases

I ' я довольно часто видел эту ошибку в других сообщениях здесь и, таким образом, попробовал все предлагаемые решения, ни одно из которых не сработало (выписывание всех переменных вместо использования созданных «x» и «y» из среды, тестирование с использованием всех (это .na (x)), all (is.na (y)), которые привели к FALSE, указывая, что это не проблема, включая na.action = na.exclude для удаления значений NA ...) ничего не сработало, и то же самое ошибка продолжает появляться. Вот мой код:

mydata<- read.csv("/Users/hannahsalamon/Desktop/data.csv")
attach(mydata)
y<-cbind(RenEnCon)
x<-cbind(WomenParl, GDPpercap, Pop, UrbanPop, FreedomHouse, RegimeType, HDI, WomenPolEmpowerIndex)
pdata<-pdata.frame(mydata, index=c("Country", "Year"))
summary(y)
summary(x)
pooling<-plm(y~x, data = pdata, model = "pooling")
summary(pooling)
between<-plm(y~x, data = pdata, model = "between")
summary(between)
firstdiff<-plm(y~x, data = pdata, model = "fd")
summary(firstdiff)
fixed<-plm(y~x, data = pdata, model = "within")
fixed <- plm(RenEnCon ~ WomenParl+GDPpercap+UrbanPop+Pop+FreedomHouse+RegimeType+HDI+WomenPolEmpowerIndex, data=pdata, model= "within")

Весь код до «фиксированной» модели (две включены в нее, одна с использованием «x» и «y», а другая с отдельными переменными) работает полностью нормально. Любые предложения будут очень и очень приветствоваться! Это сводит меня с ума!

1 Ответ

1 голос
/ 08 мая 2020

Разобрался, конечно, сразу после публикации. Для кого-то еще, если это может быть полезно, то, что решило проблему для меня, было обеспечение того, чтобы все отсутствующие значения были закодированы как NA. У меня были некоторые значения, которые были закодированы как NA, а другие были заполнены "..". Как только я удалил их и заменил их как значения NA, модель с фиксированным эффектом заработала. Я не знаю, почему это не было проблемой для других оценщиков!

...