Warning: file_get_contents(/data/phpspider/zhask/data//catemap/4/r/83.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181

Warning: file_get_contents(/data/phpspider/zhask/data//catemap/2/jquery/78.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
如何确定看似无关的回归(SUR)误差在R中的含义_R_Regression - Fatal编程技术网

如何确定看似无关的回归(SUR)误差在R中的含义

如何确定看似无关的回归(SUR)误差在R中的含义,r,regression,R,Regression,我正在使用systemfit()函数执行看似不相关的回归(SUR),并得到以下错误: Error in solve(sigma, tol = solvetol) : Lapack routine dsptrf returned error code 1 然而,我无法对错误所暗示的情况找到有意义的解释。下面是一些模拟代码,可以显示我正在使用的函数(模拟代码不会产生错误)。感谢您对这个错误的思考 y <- sample(seq(1:4), 100, replace = TRUE) x1 &

我正在使用
systemfit()
函数执行看似不相关的回归(SUR),并得到以下错误:

Error in solve(sigma, tol = solvetol) : 
Lapack routine dsptrf returned error code 1
然而,我无法对错误所暗示的情况找到有意义的解释。下面是一些模拟代码,可以显示我正在使用的函数(模拟代码不会产生错误)。感谢您对这个错误的思考

y <- sample(seq(1:4), 100, replace = TRUE)
x1 <- sample(seq(0:1), 100, replace = TRUE) -1
x2 <- sample(seq(0:1), 100, replace = TRUE) - 1
x3 <- sample(seq(1:4), 100, replace = TRUE)
frame <- as.data.frame(cbind(y,x1,x2, x3))

mod_1 <- y ~ x1 + x3 + x1:x3
mod_2 <- y ~ x2 + x3 + x2:x3

output <- systemfit(list(mod_1, mod_2), data = frame, method = "SUR")

y检查。你的数据似乎有NA值。我运行你的代码没有任何问题。你的包裹是最新的吗?您的会话信息是什么?请参阅并向下滚动至信息返回值。如图所示,这些拉巴克误差通常意味着由于某种奇异性导致矩阵分解失败。这通常是特定于您的确切数据。如果没有您的数据,可能没有人能够诊断出确切的问题。