R中pgmm函数的多核计算

问题描述

有一个可以运行大约 24 小时的模型，我想加快速度

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

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）