我正在使用大型面板数据集估计标准Tobit模型。我需要包括ID和TIME的固定效应，但使用AER：：tobit（）或VGAM：vglm（）会遇到优化问题。问题似乎与反转设计矩阵有关。
例如，AER：：tobit（）和VGAM：vglm（）对于下面的示例代码tobit.AER和tobit.vglm运行良好，但是一旦添加因子变量as.factor(id)，优化要么失败（AER），要么产生警告（VGAM）。
错误包括：
求解默认值（vcov.hyp）时出错：系统在计算上是奇异的：倒数条件数= 3.00879e-17
以及
检查wz（wz，M = M，trace =跟踪，wzepsilon =控制$wzepsilon）：工作权重变量“wz”的16个对角元素已替换为0.00000000001819
因此，AER：：tobit停止，VGAM：vglm出于所有实际目的被卡住（在我的实际大型数据集上运行时）。
我似乎无法为这两个软件包中的任何一个选择不同的优化方法（AER依赖于survreg，VGAM有自己的基于Fisher评分的优化例程）。
有没有其他的编码方法？
谢谢你！

n <- 1000

res <- rnorm(n, mean = 0, sd = 1)
int <- c(rep(0,n/2), rep(10,n/2)) 
id  <- c(rep(0,n/2), rep(1,n/2)) 
X   <- rnorm(n, mean = 0, sd = 1)

y.star <- int + 4*X + res
y <- if_else(y.star >= 0, y.star, 0)

test.data <- data.frame(factor(id), y, X)

summary(tobit.AER    <- AER::tobit(y   ~ X,                  left = 0, cluster = id, robust=TRUE, data = test.data))
summary(tobit.AER.fe <- AER::tobit(y   ~ X + as.factor(id) , left = 0, cluster = id, robust=TRUE, data = test.data))

summary(tobit.vglm    <- VGAM::vglm(y   ~ X ,                 VGAM::tobit(Lower = 0, type.fitted = "censored"), robust=TRUE, data = test.data))
summary(tobit.vglm.fe <- VGAM::vglm(y   ~ X + as.factor(id) , VGAM::tobit(Lower = 0, type.fitted = "censored"), robust=TRUE, data = test.data))```