R回归报错无法分配内存，求替代Stata absorb的解决方案

线性回归（替代lm） #

用lfe包的felm函数，专门针对高维固定效应场景优化，无需将分类变量转为因子，直接吸收固定效应，大幅降低内存占用：

# 先安装包
install.packages("lfe")
library(lfe)

lmr <- felm(a_imt ~ a_imt_1 + totpop + reltrad_1 + reltrad_2 + reltrad_3 + reltrad_4 | fipsmerg, data = data)

竖线|右侧的fipsmerg就是要吸收的固定效应变量，函数会自动处理，不会生成大量虚拟变量。

Probit回归（替代glm） #

用fixest包的feols函数，支持非线性模型的高维固定效应，效率和内存表现都更优：

# 先安装包
install.packages("fixest")
library(fixest)

myprobit <- feols(a_imt ~ a_imt_1 + totpop + reltrad_1 + reltrad_2 + reltrad_3 + reltrad_4 | fipsmerg, 
                  data = data, family = binomial(link = "probit"))

fixest会通过去均值等方法处理固定效应，避免构建超大设计矩阵，解决内存不足问题。

额外内存优化建议 #

• 将数据转为data.table格式，比普通data.frame占用更少内存：

install.packages("data.table")
data <- as.data.table(data)

• 检查fipsmerg的水平数，如果存在极少观测的水平，可以先过滤掉，进一步减少计算压力。

内容的提问来源于stack exchange，提问作者Tiago Santos