plm中的循环子集

我似乎做对了 . 我有一个50个国家（1到50）的数据集，每个国家15年，每个国家大约20个变量 . 现在我只在我的因变量（ SMD ）上测试一个变量（ OS ） . 我想用循环国家/地区来做这个，所以我会得到每个国家的产出而不是总产出 .

我认为首先创建一个子集是明智的（能够首先查看国家1，之后我的循环应该增加国家和测试国家2的数量） . 我相信我在页面底部的回归应该会给出国家1的输出，而不是整个数据集的整体得分 . 但是我一直收到这些错误：

> pdata <- plm.data(newdata, index=c("Country","Date"))
  series    are constants and have been removed
> pooling <- plm(Y ~ X, data=pdata, model= "pooling") 
  series Country, xRegion are constants and have been removed
  Error in model.matrix.pFormula(formula, data, rhs = 1, model = model,  : 
  NA in the individual index variable
> summary(pooling)
  Error in summary(pooling) : object 'pooling' not found

我可能会看到这一切都错了，但我相信如果没有让它工作，那么进一步编程循环本身是没有意义的 . 关于解决我的错误或其他编程循环的方法的任何建议都非常感谢 .

我的代码：

rm(list = ls())
mydata <- read.table(file = file.choose(), header = TRUE, dec = ",")
names(mydata)
attach(mydata)

Y <- cbind(SMD)
X <- cbind(OS)

newdata <- subset(mydata, Country %in% c(1))

newdata

pdata <- plm.data(newdata, index=c("Country","Date"))
pooling <- plm(Y ~ X, data=pdata, model= "pooling") 
summary(pooling)

编辑：导致相同错误的前2个国家/地区的数据样本

dput（mydata）结构（列表（Region =结构）（c（1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L） ，1L，1L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L）,. Label = c （“NAF”，“相同”），类=“因子”），国家= c（1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L ，1L，1L，1L，1L，1L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L ），Date = c（1995L，1996L，1997L，1998L，1999L，2000L，2001L，2002L，2003L，2004L，2005L，2006L，2007L，2008L，2009L，2010L，2011L，2012L，2013L，2014L，1995L，1996L， 1997L，1998L，1999L，2000L，2001L，2002L，2003L，2004L，2005L，2006L，2007L，2008L，2009L，2010L，2011L，2012L，2013L，2014L），OS =结构（c（19L，25L，27L，15L） ，22L，20L，23L，9L，7L，5L，2L，1L，4L，3L，6L，10L，11L，13L，11L，8L，26L，25L，31L，29L，28L，21L，30L，24L，24L ，16L，11L，14L，12L，17L，18L，29L，32L，32L，33L，34L）,.标签= c（“51.5”，“52.2”，“55.6”，“56.4”，“56.7”，“ 57.7“，”57.8“，”5 8.3“，”59“，”59.2“，”59.6“，”59.9“，”60.2“，”60.4“，”61.1“，”61.2“，”62.2“，”62.3“，”62.8“，”63.2“ ，“63.3”，“63.8”，“63.9”，“64.2”，“64.3”，“64.5”，“64.7”，“65.3”，“65.5”，“65.6”，“66.4”，“68”，“ 69.6“，”70.7“），类=”因子“），SMD =结构（c（7L，12L，20L，21L，17L，15L，13L，10L，14L，22L，23L，33L，1L，32L，29L） ，34L，28L，25L，NA，NA，9L，6L，8L，4L，2L，35L，3L，36L，5L，11L，16L，18L，24L，19L，26L，31L，27L，30L，NA，NA ）， . Label = c（“100.3565662”，“13.44788845”，“13.45858747”，“13.56815534”，“15.05892471”，“17.63789658”，“18.04088718”，“18.3101351”，“19.34226196”，“21.25530884”，“21.54423145” ，“23.75898948”，“24.08770926”，“26.39817342”，“29.44079001”，“31.40605191”，“34.46667996”，“34.52913657”，“35.66070947”，“36.4419931”，“39.16875621”，“44.0126137”，“45.72949566”，“ 49.13062679“，”54.83730247“，”56.87886311“，”59.80971583“，”60.5658962“，”69.20148901“，”70.91362874“，”72.64845214“，”73.97139238“，”75.20140919“，”76.18378138“，”9.570435019“，”9.867635305“ ），class =“factor” ））,. Name = c（“Region”，“Country”，“Date”，“OS”，“SMD”），class =“data.frame”，row.names = c（NA，-40L））