我正在估计横截面回归 - 片段：
lm（速率~liqamih.log+cap.log+F1+F2，数据=x）
下面列出的 R 代码。
F1 和 F2 是时间序列模型的系数估计值。
在这种情况下，我们需要处理所谓的“变量错误问题”。在文献中（链接：gendocs.ru/docs/23/22031/conv_1/file1.pdf（第 1091 页）和 paper.ssrn.com/sol3/papers.cfm?abstract_id=6992（整篇文章）），MLE 方法是这一问题的有效解决方案之一。
我想在下面的 R 代码中实现 KIM 介绍的方法（参考上面的文献链接）。如何在我的 R 代码中实现引用的方法？
data<-read.table("reg5-dane.csv", head=T, sep=";", dec=",")
data$indx <- as.numeric(gl(123*334,334,123*334))
lst1 <- split(data[,-53],data[,53]) #max 53 variables in "lst2" regression
any(sapply(lst1,nrow)!=123)
#[1] FALSE
lst2 <- lapply(lst1[sapply(lst1,function(x) !(all(rowSums(is.na(x))>0)))],
function(x) summary(lm(rate~liqamih.log+cap.log+F1+F2, data=x)) )
capture.output(lst2,file="nooldor_regr_summ.txt")
# - f2 -f6 /+f2 -f5 +F6 - f6 - f2 - liq + f6 - f6 +f2 - f4 - f4 +f3
capture.output(lst2,file="nooldor_regr_summ.csv")
对 334 名受试者的观察有 123 次时间观察。对于 123 个时间点中的每一个，我对 334 名受试者进行一次回归（所以我在每个时间点重复 123 次）。我也在 CrossValidated.com 上发布了这个主题——因为我需要一个在统计学/计量经济学以及 R 编程方面具有深厚背景的人的帮助。