使用R语言plspm包遇solve中奇异矩阵'a'错误求助

我来帮你拆解这个问题~ 你遇到的solve.qr(qr(X[, blockinds == j]), Z[, j]) : singular matrix 'a' in 'solve'错误，除了全0列之外，还有几个更隐蔽的原因，结合你的情况来看，大概率是以下情况：

最可能的原因：同block内变量存在完全线性依赖 #

虽然Q2D列本身同时有0和100，但当它和同block的第6、7列放在一起时，三者之间可能存在完全线性相关的关系。比如：

• Q2D的值刚好是100减去Q6的值（或者其他固定线性组合）
• Q2D和Q6/Q7完全互补（比如Q6为100时Q2D必为0，Q6为0时Q2D必为100）

这种线性依赖会导致plspm计算时生成的矩阵不可逆，触发奇异矩阵错误。

排查与解决步骤 #

1. 检查变量间的相关性 #

先计算第6-8列的相关矩阵，看看有没有绝对值为1的相关系数：

cor(df[, 6:8])

如果某两个变量的相关系数是±1，那就说明它们完全线性相关，这就是问题根源。

2. 验证线性组合关系 #

用线性回归来检验Q2D是否能被Q6和Q7完全拟合：

fit <- lm(Q2D ~ Q6 + Q7, data = df)
summary(fit)

如果回归的R²等于1，且残差全为0，说明三者存在完美的线性关系，必须调整变量组合。

3. 调整二元变量编码 #

plspm对二元变量的默认处理更适配0/1编码，你可以把Q2D的100改成1试试：

df$Q2D <- ifelse(df$Q2D == 100, 1, 0)
# 重新运行plspm代码
t_pls <- plspm(df, t_path, t_blocks, modes = t_modes)

缩放后的编码可能会消除和其他变量的线性依赖问题。

4. 检查block的变量与样本量比例 #

虽然你的样本量看起来足够（至少75条），但如果某个block的变量数大于样本量，也可能触发奇异矩阵错误。可以确认下：

nrow(df) # 样本量
length(t_blocks[[2]]) # 第二个block的变量数

如果变量数≥样本量，需要减少block内的变量。

总结 #

结合你去掉第8列就正常运行的情况，90%以上是第8列和同block的6、7列存在完全线性依赖。按照上面的步骤排查，应该能快速定位并解决问题~

内容的提问来源于stack exchange，提问作者AToe