R plm 认为我的数字向量是一个因素，为什么？

Question

使用此数据输入：

A   B   C   D
0.0513748973337 0.442624990365  0.044669941640565   12023787.0495
-0.047511808790502  0.199057057555  0.067542653775225   6674747.75598
0.250333519823608   0.0400359422093 -0.062361320324768  10836244.44
0.033600922318947   0.118359141703  0.048493523722074   7521473.94034
0.00492552770819    0.0851342003243 0.027123088894137   8742685.39098
0.02053037069955    0.0535545969759 0.06352586720282    8442677.4204
0.09050961131549    0.044871795257  0.049363888991624   7223126.70424
0.082789930841618   0.0230375009412 0.090676778601245   8974611.5623
0.06396481119371    0.0467280364963 0.128097065131764   8167179.81463

还有这段代码：

library(plm);
mydata <- read.csv("reproduce_small.csv", sep = "\t");
plm(C ~ log(D), data = mydata, model = "pooling"); # works
plm(A ~ log(B), data = mydata, model = "pooling"); # error

第二个plm 调用返回以下错误：

Error in Math.factor(B) : ‘log’ not meaningful for factors

reproduce_small.csv 包含上面粘贴的十行数据。显然，B 不是一个因素，它显然是一个数字向量。这意味着plm 认为这是一个因素。问题是“为什么？”，但更重要的是“我该如何解决这个问题？”

我尝试过的事情：

#1) mydata$B.log <- log(mydata$B) 结果

Error in model.frame.default(formula = y ~ X - 1, drop.unused.levels = TRUE) : 
  variable lengths differ (found for 'X')

这本身就很奇怪，因为 A 和 B.log 的长度明显相同。

#2) plm(A ~ log(D), data = mydata, model = "pooling"); 导致与 #1 相同的错误。

#3) plm(C ~ log(B), data = mydata, model = "pooling"); 导致相同的原始错误（日志对因子没有意义）。

#4) plm(A ~ log(B + 1), data = mydata, model = "pooling"); 结果

Error in `contrasts<-`(`*tmp*`, value = contr.funs[1 + isOF[nn]]) : 
  contrasts can be applied only to factors with 2 or more levels
In addition: Warning message:
In Ops.factor(B, 1) : ‘+’ not meaningful for factors

#5) plm(A ~ as.numeric(as.character(log(B))), data = mydata, model = "pooling"); 导致相同的原始错误（日志对因子没有意义）。

编辑：按照建议，我将str(mydata) 的结果包括在内：

> str(mydata)
'data.frame':   9 obs. of  4 variables:
 $ A: num  0.05137 -0.04751 0.25033 0.0336 0.00493 ...
 $ B: num  0.4426 0.1991 0.04 0.1184 0.0851 ...
 $ C: num  0.0447 0.0675 -0.0624 0.0485 0.0271 ...
 $ D: num  12023787 6674748 10836244 7521474 8742685 ...

同样尝试mydata <- read.csv("reproduce_small.csv", sep = "\t", stringsAsFactors = FALSE); 也没有用。

Answer 1

cmets 中的 Helix123 指出 data.frame 应转换为 pdata.frame。因此，例如，这个玩具示例的解决方案是：

mydata$E <- c("x", "x", "x", "x", "x", "y", "y", "y", "y"); # Create E as an "index"
mydata <- pdata.frame(mydata, index = "E"); # convert to pdata.frame
plm(A ~ log(B), data = mydata, model = "pooling"); # now it works!

编辑： 至于“为什么”会发生这种情况，正如 Helix123 在 cmets 中指出的那样，当传递 data.frame 而不是 pdata.frame 时，plm 悄悄假设前两列是索引，并将它们转换为下的因子引擎盖。然后plm 将抛出一个无用的错误，而不是发出一个警告，指出传递的对象不是正确的类型，或者它根本没有做出假设。