R2.15.2中有很多虚拟变量——通过将R升级到3.0.1解决了错误？

我有一个模型看起来（部分）像这样：

m=lm（log（y）~ID+x）

，这给了我以下错误：

Error in rep.int(c(1, numeric(n)), n - 1L) : 
  negative length vectors are not allowed

y

长度为500000，而

ID

是一个60000级的因子。500Kx60K>2^31，这是R的对象大小限制

如果我升级到新的R（3.0.1），这个问题会得到解决吗？还是错误消息来自其他地方？（我不完全清楚如何从我使用的Ubuntu 13.04升级R。）

---

编辑：该因素实际上并不意味着可解释。该因子类似于“固定效应”回归中的去义。模型的其他组件（

x

）也很有趣。问题是：控制不可观测的时不变异质性，y对x的变化有什么反应？数据集是一个面板。我应该补充一点，我没有使用

plm

，因为主要的模型是随机系数模型或广义相加模型。我不希望在手动定义后手动修复标准错误，我希望得到一个适合的模型对象用于蒙特卡罗分析。

要回答有限的问题，是的，级别数小于向量大小的新限制，即数值类的尾数大小（或要使用的尾数大小）（64位浮点）变量：

>  500000*60000 > 2^32
[1] TRUE
> 500000*60000 > 2^52
[1] FALSE

为了解决更大的问题。我怀疑升级能否解决这个问题。这不是我所期望的错误消息，因为索引过大会导致向量赋值溢出：

a <- numeric(10)
> a[ 2^56] <- 0
Error in a[2^56] <- 0 : vector is too large

---

a[2^56]我认为你最好把你的因子转换成具有很多、更少层次的东西。这样的变量几乎永远都不会有用。即使你设法让模型运行，结果也不会有意义或信息量。事实上，这个因子并不意味着可解释。这个因子类似于“固定效应”回归。模型的其他组成部分（此处未列出，因为它们与问题无关）问题是：
y
对
x
变化的反应是什么，控制不可观察的时不变异质性？数据集是一个面板。要了解这些类型的模型，请参考计量经济学文本。我应该补充一点，我没有使用
plm
，因为主要的模型是随机系数模型或广义加性模型。我不想在手动去含义后手动修复标准误差，我想得到一个适合的模型对象用于蒙特卡罗分析。是的，我正在使用一台能够处理这种内存的群集计算机。你试过稀疏模型矩阵吗e是最近的一个问题，说它们不起作用（至少正如我预期的那样），但这似乎值得调查。