lm.fit(x, y, offset = offset, singular.ok = singular.ok, ...) 中的错误：Cochrane Orcutt 程序中的 0 个（非 NA）案例
Error in lm.fit(x, y, offset = offset, singular.ok = singular.ok, ...) : 0 (non-NA) cases in Cochrane Orcutt procedure
我正在尝试使用 AR(1) 流程将 Cochrane Orcutt 程序应用于我的数据。当我使用 orcutt 包中的 cochrane.orcutt 函数时，返回以下错误：
Error in lm.fit(x, y, offset = offset, singular.ok = singular.ok, ...) : 0 (non-NA) cases
我首先确保所有数据集都没有不完整的案例。
library(orcutt)
foo <- na.omit(foo)
model <- lm(1-ef ~ as.factor(dtype) + as.factor(p) + inc + ed + marg + as.factor(period) + as.factor(id), data = foo)
cochrane.orcutt(model)
代码行 cochrane.orcutt(model) 产生错误。
这是我目前尝试过的方法：
1) 为了进一步解决问题，我从第一个自变量开始，一个一个地添加它们，以查看代码在哪里出现故障。除了 "as.factor(id)" 之外，它们都可以单独或组合使用，这似乎是有问题的变量。
2) 我认为可能与 id 变量的字符串性质有关，所以我创建了一个因子变量，其中包含代表每个个体的数字（在下面的数据中称为 id2）。当我不将变量 "id2" 转换为因子变量并将其 运行 转换为数值变量时，代码在完整模型和双变量模型中都可以正常工作。
当我在双变量回归中对 "as.factor(id2)" 变量进行“1-ef”回归，然后执行 Cochrane Orcutt 程序时，R 在执行程序时停止。
3) 然后我认为可能是未使用的级别导致了问题，所以我尝试了：foo$id <- droplevels(foo$id) 并且还尝试将 id 变量转换为字符变量。这两种方法都没有解决问题。
我尝试解决的总结：
据我所知，"id" 变量导致 cochrane.orcutt 函数出错。 R 要么停止，要么产生错误，指出没有非 NA 案例（我已经确定 na.omit 不是这种情况。
在上述所有情况下，R 都没有问题运行回归，只是 Cochrane Orcutt 估计。
有什么想法吗？感谢您的帮助！
这是证明错误的数据子集：
foo <- structure(list(ef = c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0.9232, 1,
1, 1, 1, 1, 1, 0.68, 0.847222222222222), dtype = c("5", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "5", "5"), p = c("0", "1", "1", "1", "0", "0", "1", "1", "1", "0", "1", "1", "1", "1", "1", "1", "1", "0", "0"), inc = c(65327L, 38517L, 38888L, 39147L, 62022L, 63938L, 74663L, 37203L, 36548L, 57582L, 50425L, 50880L, 50372L, 51780L, 54763L, 54341L, 53988L, 36379L, 37290L), ed = c(0.400399151, 0.140407741, 0.158387284488, 0.167404993465, 0.278612155, 0.307604827205, 0.459637019, 0.174936986, 0.165744029552, 0.379544685, 0.23472389, 0.301241844, 0.296150413967, 0.308115565224, 0.229996365, 0.244502536866, 0.251595155313, 0.241661234658, 0.257054165719), marg = c(-27.04, 100, 48.14, 100, -28.98, -38.96, 39.94, 100, 100, -1.62, 31.7, 22.86, 8.72, 19.5, 31.94, 22.78, 40.36, -59.26, -50.7), period = c("112", "112", "113", "114", "112", "113", "112", "112", "113", "112", "112", "112", "113", "114", "112", "113", "114", "113", "114"), id = c("A000022", "A000055", "A000055", "A000055", "A000210", "A000210", "A000358", "A000361", "A000361", "A000362", "A000365", "A000367", "A000367", "A000367", "A000369", "A000369", "A000369", "A000370", "A000370"), id2 = c(1, 2, 2, 2, 3, 3, 4, 5, 5, 6, 7, 8, 8, 8, 9, 9, 9, 10, 10)), .Names = c("ef", "dtype", "p", "inc", "ed", "marg", "period", "id", "id2"), row.names = c(1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 10L, 11L, 13L, 14L, 15L, 16L, 17L, 18L, 19L, 20L), na.action = structure(12L, .Names = "12", class = "omit"), class = "data.frame")
coef(model) 有一些 NA 值表示 lm 可以处理但 cochrane.orcutt 不能处理的过度参数化。
正如您已经发现的那样，您将需要删除一些预测变量。
我正在尝试使用 AR(1) 流程将 Cochrane Orcutt 程序应用于我的数据。当我使用 orcutt 包中的 cochrane.orcutt 函数时，返回以下错误：
Error in lm.fit(x, y, offset = offset, singular.ok = singular.ok, ...) : 0 (non-NA) cases
我首先确保所有数据集都没有不完整的案例。
library(orcutt)
foo <- na.omit(foo)
model <- lm(1-ef ~ as.factor(dtype) + as.factor(p) + inc + ed + marg + as.factor(period) + as.factor(id), data = foo)
cochrane.orcutt(model)
代码行 cochrane.orcutt(model) 产生错误。
这是我目前尝试过的方法：
1) 为了进一步解决问题，我从第一个自变量开始，一个一个地添加它们，以查看代码在哪里出现故障。除了 "as.factor(id)" 之外，它们都可以单独或组合使用，这似乎是有问题的变量。
2) 我认为可能与 id 变量的字符串性质有关，所以我创建了一个因子变量，其中包含代表每个个体的数字（在下面的数据中称为 id2）。当我不将变量 "id2" 转换为因子变量并将其 运行 转换为数值变量时，代码在完整模型和双变量模型中都可以正常工作。
当我在双变量回归中对 "as.factor(id2)" 变量进行“1-ef”回归，然后执行 Cochrane Orcutt 程序时，R 在执行程序时停止。
3) 然后我认为可能是未使用的级别导致了问题，所以我尝试了：foo$id <- droplevels(foo$id) 并且还尝试将 id 变量转换为字符变量。这两种方法都没有解决问题。
我尝试解决的总结：
据我所知，"id" 变量导致 cochrane.orcutt 函数出错。 R 要么停止，要么产生错误，指出没有非 NA 案例（我已经确定 na.omit 不是这种情况。
在上述所有情况下，R 都没有问题运行回归，只是 Cochrane Orcutt 估计。
有什么想法吗？感谢您的帮助！
这是证明错误的数据子集：
foo <- structure(list(ef = c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0.9232, 1,
1, 1, 1, 1, 1, 0.68, 0.847222222222222), dtype = c("5", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "5", "5"), p = c("0", "1", "1", "1", "0", "0", "1", "1", "1", "0", "1", "1", "1", "1", "1", "1", "1", "0", "0"), inc = c(65327L, 38517L, 38888L, 39147L, 62022L, 63938L, 74663L, 37203L, 36548L, 57582L, 50425L, 50880L, 50372L, 51780L, 54763L, 54341L, 53988L, 36379L, 37290L), ed = c(0.400399151, 0.140407741, 0.158387284488, 0.167404993465, 0.278612155, 0.307604827205, 0.459637019, 0.174936986, 0.165744029552, 0.379544685, 0.23472389, 0.301241844, 0.296150413967, 0.308115565224, 0.229996365, 0.244502536866, 0.251595155313, 0.241661234658, 0.257054165719), marg = c(-27.04, 100, 48.14, 100, -28.98, -38.96, 39.94, 100, 100, -1.62, 31.7, 22.86, 8.72, 19.5, 31.94, 22.78, 40.36, -59.26, -50.7), period = c("112", "112", "113", "114", "112", "113", "112", "112", "113", "112", "112", "112", "113", "114", "112", "113", "114", "113", "114"), id = c("A000022", "A000055", "A000055", "A000055", "A000210", "A000210", "A000358", "A000361", "A000361", "A000362", "A000365", "A000367", "A000367", "A000367", "A000369", "A000369", "A000369", "A000370", "A000370"), id2 = c(1, 2, 2, 2, 3, 3, 4, 5, 5, 6, 7, 8, 8, 8, 9, 9, 9, 10, 10)), .Names = c("ef", "dtype", "p", "inc", "ed", "marg", "period", "id", "id2"), row.names = c(1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 10L, 11L, 13L, 14L, 15L, 16L, 17L, 18L, 19L, 20L), na.action = structure(12L, .Names = "12", class = "omit"), class = "data.frame")
coef(model) 有一些 NA 值表示 lm 可以处理但 cochrane.orcutt 不能处理的过度参数化。
正如您已经发现的那样，您将需要删除一些预测变量。