如何解决R中pgmm函数的多核计算
功能如下：
gmm_ACF_ff1_REG <- pgmm(dACF ~ lag(dACF,1) + lag(dACF,2) + ddebt + lag(ff1) + ddebt:lag(ff1) + ta + dsales + invTFA | lag(dACF,0:2),data = REG_tot1,effect = "individual",model = "onestep",collapse = TRUE,transformation = "ld",index = c("ID2","Year"))
数据集 REG_tot1 包含约 2000000 个观测值，并且 pgmm 函数运行约 24 小时。我做错了什么吗？
我有 16 GB 的 RAM 和 12 核 cpu。所以，我想要的是使用一些并行化包或函数来减少 pgmm 函数计算所需的时间。
（parapply、cluster 等）在 R 中，以便获得所有可用内核以加快进程。因为到目前为止，互联网上只有 lm 和 glm 函数可以在大型数据集上快速计算的解决方案。但是，没有面板数据回归。你能建议 smth 与
相媲美吗？ results <- mclapply(trials,boot_fx,mc.cores = numCores)
我在互联网上找到的并行包
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
