R/PLM : Cannot estimate random effects model due to error (system is computationally singular)?

Question

我想使用 PLM 包估计 R 中的一些面板数据模型。由于理论知识有限，我严格按照“计量经济学会”(code here)的说明进行操作。我根据我的数据(自己的相关/独立变量)自定义了该代码，但没有更改所有其他语法/公式。

现在问题来了:

除了随机效应模型之外，所有模型都可以被估计，并且它们的结果也可以被总结和解释。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提示，这个错误实际上意味着什么？根本原因可能是什么，我必须如何更正代码才能获得结果？

编辑:
更准确地说，这是我使用的 R 代码部分:

# 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。但我可以提供信息，它是 Assets 负债表数据。因变量是 Assets 负债表头寸随时间的标准差，应由不同的 Assets 负债表头寸来解释。这些主要是“位置 a/平均值”类型的比率(比率 1 到 4)。作为额外的自变量，考虑了 Assets 负债表上 Assets 的平均总和。

再次:实际上一切正常，只有最后一个模型(随机)产生所述错误。

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

编辑:回溯代码

> 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")

Answer 1

如果您的 model.matrix限制非常大的值和非常小的值，solve可能无法通过计算来求解线性方程组。因此，看看model.matrix(sd1 ~ x, data=pdata)如果是这种情况。如果是这样，请尝试重新调整一些变量(例如，乘以 oder 除以 100 或 1000 [有时 log() 也有意义)。注意，系数的解释因尺度的变化而变化!