我正在使用ChoiceModelR进行分层多项式logit。我希望获得外部商品效用的估计值（遵循正态分布）。外部商品没有像内部商品那样的协变量-例如，它不能有价格或品牌虚拟-，所以我设置了list（none=TRUE），并且不将此no-choice添加到X数据（如ChoiceModelR文档中所述），而只添加到y（choice）数据。
迭代正常开始，然后在某个点停止并说

"Error in betadraw[good, ] = newbeta[good, ] :   NAs are not allowed in subscripted assignments".

这可能发生，因为在函数“choicmodelr”的行388中，“good”下标是NA.
我看了一些关于choicmodelr（this，this，this）的问题，也看了一些关于下标中的NA（this，this）的问题，但我猜想我的问题是特定于这个函数的，因为迭代中的一些输入可能太大/太小，以至于“good”将变成NA。
下面是一个非常简单的示例。我生成了具有不同属性的3个产品的数据。在一半的时段中，产品3未被提供。2000个消费者对3个属性具有偏好（正态分布（以及对外部商品的偏好）。添加Logit误差以与模型保持一致。外部商品被索引为产品4（当选择集中有3个和2个产品时）。
我怎样才能避免NA错误？我做错了什么，还是函数中的一个普通bug？
我还在网上搜索了设置选项none=TRUE的例子，但没有找到任何可重复的例子。也许这个选项只是有问题的地方，因为如果我设置none=FALSE，恢复真实的参数没有问题，而且我不让客户选择外部选项。
因此，导致NA错误的代码如下所示：

library("ChoiceModelR")
library("MASS")

set.seed(36)

# Set demand pars
beta_mu = c(-3,4,1)
beta_sigma = diag(c(1,1,1))
alfa_mu = 5  #outside good mean utility
alfa_sigma = 2  #outside good sd

# Three/two products, 3 vars (2 continuous,1 dummy)
threeprod <- list()
twoprod <- list()
purchase <- list()

for (t in 1:1000){
  threeprod[[t]] = cbind(rep(t,3),c(1,1,1),c(1,2,3),runif(3),runif(3),ceiling(runif(3,-0.5,0.5)))
  purchase[[t]] = which.max(rbind(threeprod[[t]][,c(4,5,6)]%*%mvrnorm(1,beta_mu,beta_sigma) + 
    matrix( -log(-log(runif(3))), 3, 1),rnorm(1,alfa_mu,alfa_sigma)) )
  threeprod[[t]] = cbind(threeprod[[t]],c(purchase[[t]],0,0))
}

for (t in 1001:2000){
  twoprod[[t]] = cbind(rep(t,2),c(1,1),c(1,2),runif(2),runif(2),ceiling(runif(2,-0.5,0.5)))
  purchase[[t]] = which.max(rbind(twoprod[[t]][,c(4,5,6)]%*%mvrnorm(1,beta_mu,beta_sigma) + 
    matrix( -log(-log(runif(2))), 2, 1),rnorm(1,alfa_mu,alfa_sigma)) )
  if (purchase[[t]] == 3) {purchase[[t]] <- 4}
  twoprod[[t]] = cbind(twoprod[[t]],c(purchase[[t]],0))
}

X <- rbind(do.call(rbind,threeprod),do.call(rbind,twoprod))

xcoding <- c(1,1,1)

mcmc = list(R = 5000, use = 2000)
options = list(none=TRUE, save=TRUE, keep=5)

out = choicemodelr(X, xcoding, mcmc = mcmc,options = options)