楼主: 沙禾
9910 6

[面板数据求助] matsize too small [推广有奖]

  • 0关注
  • 0粉丝

已卖:307份资源

大专生

51%

还不是VIP/贵宾

-

威望
0
论坛币
296 个
通用积分
0.6019
学术水平
0 点
热心指数
0 点
信用等级
0 点
经验
628 点
帖子
40
精华
0
在线时间
64 小时
注册时间
2017-1-7
最后登录
2023-7-27

楼主
沙禾 学生认证  发表于 2019-1-5 22:29:55 |AI写论文

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币
本人在做非平衡动态长面板样本,用了xtlsdvc模型,有12940行数据,变量有16个,命令为:
xtlsdvc  ah epu so turn size rmha peah qfii ehat rfah largest per top earning dividend t,initial(ab) first bias(3) vcov(100)
stata报错为:matsize too small。我觉得关键是提醒的下面两句但没看懂什么意思。

matsize must be at least 12089
(you have 12089 instruments)
r(908);
求教该如何改正
附dataex数据:
* Example generated by -dataex-. To install: ssc install dataex
clear
input float(ah epu so turn size rmha peah qfii ehat rfah largest per top earning dividend t)
.7571873 102.23165 .11968428 1.5132757 25.270264    10.922  .9784715 7.223595      .       208 14.9386 1.5089284 1.0702813 1.747453  .5 23.4
.7249508 127.48029 .11968428  .7315714  25.45691   13.6561 1.0177268 7.235554      .       208 14.9386 1.5089284 1.0702813 1.747453  .5 23.5
.7896348  151.0019 .11968428  .6669678 25.361824 11.549644  .9886715 7.260291      .       208 14.9386 1.5089284 1.0702813 1.747453  .5 23.6
  .844328  185.7619 .11968428  .9520882  25.35882  10.87255 1.1358575 7.293045      .       208 14.9386 1.6135304 1.0702813 1.747453  .5 23.7
.8202558  240.4953 .11968428   .964437 25.386564  11.45984 1.1064516 7.323395      .       208 14.9386 1.6135304 1.0702813 1.747453  .5 23.8
.8674746 112.73898 .11968428 1.3336283  25.52685 12.565208 1.2419007 7.342915      .       188 14.9386 1.6135304 1.0702813 1.747453  .5 23.9
1.0185052  93.96096 .11930677   3.29438 25.752844  13.64745 1.5334773 7.315525      .       188 14.9082 2.0123882 1.0702813 1.747453  .5   24
.9818116  232.2151 .11930352  2.425651   25.6995 13.363052  1.463389 7.314007 .81372       188 14.9082 2.0123882 1.1814698 2.348023 .72 24.1
.9036676 117.68367 .11929683  2.461384  25.68138  14.10917 1.4969072 7.361477 .81622       188 14.9082 2.0123882 1.1814698 2.348023 .72 24.2
.9482344  82.09329 .11925237 3.0490994  25.75619 14.574456 1.7272727 7.391674 .80787       168 14.9082 1.5334365 1.1814698 2.348023 .72 24.3
.8963144 105.31835 .11924738 3.2861426 25.818346 16.288927 1.7575758 7.400663 .80559       168  14.894 1.5334365 1.1814698 2.348023 .72 24.4
  .889064  127.5528 .11924738  3.928294 25.802143 16.140572 1.8445455 7.405897 .80433       148  14.894 1.5334365 1.1814698 2.348023 .72 24.5
  .964997 123.34314  .1191874  4.320642  25.80397 15.046679 1.8481973 7.412372 .80544       128  14.894 2.0865328 1.1814698 2.348023 .72 24.6
.9745279  268.7092 .11921881  3.604002 25.778807 14.550635  1.676382 7.418595 .80583       128 15.2386 2.0865328 1.1814698 2.348023 .72 24.7
.9500023  224.0586 .11917938 2.0230181 25.755116  14.52628 1.7096775 7.419357 .82962       108 15.2386 2.0865328 1.1814698 2.348023 .72 24.8
.9376705  393.2341 .11917064 1.0205078  25.67612 13.576198 1.7085928 7.431667   .826       108 15.2386  3.008786 1.1814698 2.348023 .72 24.9
.9177766 244.86795 .11917064  .8610574  25.75009 14.894692  1.697826 7.432868 .82368        88 15.2264  3.008786 1.1814698 2.348023 .72   25
.9451588 104.74908 .11920758  1.341599  25.84356  15.94441 1.8076923 7.433631 .83029        88 15.2264  3.008786 1.1814698 2.348023 .72 25.1
  1.27338 151.61449 .11915644 1.4578347 26.294285  19.18516 1.8758543 7.445201 .84299        88 15.2264 3.6714764 1.1814698 2.348023 .72 25.2
1.650674 261.94208 .11929135         .   26.2709 14.800016  1.632446 7.443599 .84818        88 15.2436 3.6714764  1.182988 2.568155 .79 25.3
  1.65634  269.0192 .11929135         . 26.270643 14.749387 1.6362468 7.443599 .84563        88 15.2436 3.6742146  1.182988 2.568155 .79 25.4
1.541479 323.15585 .11933067         . 26.275915 15.848415 1.5719026 7.444512 .83717        88 15.2436  3.675322  1.182988 2.568155 .79 25.5
1.5094073 286.17734 .11933067         .  26.27763 16.185162 1.5442765 7.444547 .83791        88 15.2436  3.675322  1.182988 2.568155 .79 25.6
1.557672 260.25748 .11933067         . 26.275076 15.683662 1.5657895 7.445371 .85051        88 15.2436  3.675322  1.182988 2.568155 .79 25.7
1.880535  357.2088  .1192913         .  26.26159 12.990984  1.569399  7.44585 .86021        88 15.2436  3.676106  1.182988 2.568155 .79 25.8
1.1395727 558.22217  .1192913 1.1736575 25.949953 15.040726 1.5395833 7.447011  .8612        88 15.2436  3.676106  1.182988 2.568155 .79 25.9
  1.45248  288.7802  .1192913 1.4547497  26.30146  17.16375 1.3966283 7.447582  .8651        88 15.2436 1.8291132  1.182988 2.568155 .79   26
1.5122362  388.7496  .1192913 1.8172122  26.34662 17.305496 1.3464223 7.449097 .86403        88 15.2436  3.109849  1.182988 2.568155 .79 26.1
1.407379  261.8989  .1192913   .905581 26.303785 17.706675 1.3818828 7.464687 .87655       110 15.2436  3.109849  1.182988 2.568155 .79 26.2
1.276678  475.6709  .1192913 1.4507043  26.39216  21.13297  1.425829 7.475917 .89176       110 15.2436  3.109849  1.182988 2.568155 .79 26.3
1.2979362   646.911  .1192913  .7962662  26.11835 15.832827  1.413824 7.481009 .89975       110 15.2436  3.109849  1.182988 2.568155 .79 26.4
1.1812978  694.8494  .1192809  .6581947 26.134033  17.50617 1.3794568 7.481009 .89354       110 15.3055  2.975376 1.0839835 3.370584  .9 26.5
1.1885533  464.5228  .1192809 .57503676 26.126125   17.2731 1.3781095 7.491662 .89214       110 15.3055  2.947166 1.0839835 3.370584  .9 26.6
1.1038647  533.3044  .1192809  .6728981 26.136375  18.64359  1.336334 7.497523 .89447       110 15.3055  3.060809 1.0839835 3.370584  .9 26.7
1.1151471  322.3443  .1192809  .7673242 26.081364  17.48648  1.279108 7.500292 .89298       110 25.6343  3.060809 1.0839835 3.370584  .9 26.8
1.166112  451.9785  .1192809 .37766805  26.16303 18.231525 1.2191235 7.511071 .88477       110 25.6343  3.060809 1.0839835 3.370584  .9 26.9
1.301807  328.5536 .11927985   .422356 26.312984  19.18103 1.2586346 7.511344 .87434       110 25.6343  3.949884 1.0839835 3.370584  .9   27
1.1767716  162.6933 .11927985  .3851305 26.256723  19.85942 1.2407975 7.514075 .86766       110 29.3755  3.871407 1.0839835 3.370584  .9 27.1
1.1743028 265.25812 .11927985  .3506895  26.25093  19.78195 1.2727988 7.517993 .84864       110 29.3755  3.871407 1.0839835 3.370584  .9 27.2
1.2021288  314.0012 .11927985  .4970756  26.37076  21.83626 1.2946357 7.520706 .86094       110 29.3755  3.871407 1.0839835 3.370584  .9 27.3
1.225923  291.5836 .11927985  .5971615  26.46704  23.62302  1.282911 7.520706 .85551       110 29.3755  4.785262 1.0839835 3.370584  .9 27.4
1.297473 268.04385 .11927985  .8301134  26.53668 24.062157 1.2439808 7.533089 .85173       110 29.3755  4.785262 1.0839835 3.370584  .9 27.5
1.190933 269.35477 .11927985   .695564 26.539965  26.08039  1.220921  7.53504 .83912       110 29.3755  4.785262 1.0839835 3.370584  .9 27.6
1.2108192  122.9374 .11921491  .6261795  26.72886  31.02032 1.1599162  7.53504 .81536       110 29.3755  4.825905         .        .   . 27.7
1.1505339  211.7802 .11921491  .6136132  26.59555 28.421587 1.2164062 7.545665 .81462       110 29.3755 4.0523562         .        .   . 27.8
1.160547  245.5517 .11921491  .7023381 26.612524  28.68475  1.240101 7.546721 .80367       110 29.3755 4.0523562         .        .   . 27.9
1.0750777 291.30698 .11921491  .6915295 26.461926 26.416695  1.189097 7.590306 .81156       110 29.3755 4.0268674         .        .   .   28
1.115908  374.1038 .11921491  .7253634  26.35364    22.932 1.2029488 7.606198 .82099       110 29.3755 4.0268674         .        .   . 28.1
1.062952  465.4168 .11921491  .7667115  26.31956 23.143095  1.189464 7.620175 .84842       110 29.3755 4.0268674         .        .   . 28.2
1.0718672  561.0262 .11921491   .790636  26.26518 21.756426 1.2346842 7.619685 .87114  51.76471 29.3755 3.5435486         .        .   . 28.3
1.0169078  502.7537 .11921491   .627822  26.30205  23.65013 1.1821743 7.619685 .87173  51.76471 29.3755 3.5435486         .        .   . 28.4
1.0662241 516.48663 .11921491 1.0032737  26.30694 22.790705  1.223197 7.618212 .88174 13.037037 29.3755 3.5435486         .        .   . 28.5
1.1302257  621.4264 .11921491  .7556782 26.297657 21.438196 1.2304394 7.618689 .88988  6.308244 29.3755  3.819564         .        .   . 28.6
1.0664226  669.9612 .11921491  .6689106 26.352766  23.85546 1.1547017 7.620161 .88966  6.308244 29.3755  3.819564         .        .   . 28.7
  1.19694  192.7684 .53736556 14.670413 24.054733  9.632898 1.0801105 7.115745      .       208 53.7291  6.316042         0  .725072 .23 21.6
1.0542659  208.5545 .53736556  5.654801  24.31906 13.355265 1.0965456 7.135783      .       208 53.7291  6.316042  .4037492  .989521 .27 21.7
1.0276142 162.25603 .53736556  9.365426 24.289757 13.127495 1.1408582 7.139359      .       208 53.7291  6.316042  .4037492  .989521 .27 21.8
1.2063583  83.76907 .53736556   4.95434 24.129255 10.336896 1.1371372 7.138645      .       208 53.7291  6.754748  .4037492  .989521 .27 21.9
1.1535261 147.95317 .53736556 3.7796545  24.06701  9.934756 1.1006036 7.146843      .       208 53.7291  6.800685  .4037492  .989521 .27   22
1.1893938  82.95887 .53736556  7.283843 24.162346 10.761785 1.1726991 7.156099      .       208 53.7291  6.800685  .4037492  .989521 .27 22.1
.9692397  40.40321 .53736556  6.418772 24.054316  10.65784 1.0975336 7.165416      .       208 53.7291  6.800685  .4037492  .989521 .27 22.2
1.0778319 115.46748 .53736556 10.960673  24.04417 10.038672 1.0524064  7.18258      .       208 53.7291  6.819376  .4037492  .989521 .27 22.3
1.2253516 139.75954 .53736556  20.43134 24.122423 10.184832 1.1259843 7.201357      .       208 53.7291  6.819376  .4037492  .989521 .27 22.4
1.195003   69.7908 .53736556 20.023314  24.18852 11.020893 1.1045891 7.214321      .       208 53.7291  7.196782  .4037492  .989521 .27 22.5
1.1037825  97.59776 .53736556 17.815474  24.19053  11.48777 1.0538793 7.168541      .       208 53.7291  7.196782  .4037492  .989521 .27 22.6
1.1051927  81.02541 .53736556  11.19707 24.316385 13.020354 1.0541103 7.175742      .       208 53.7291  7.196782  .4037492  .989521 .27 22.7
1.1454741 137.23245 .53743213 11.041776  24.33021 12.972795 1.0431035 7.200671      .       208 53.7291  7.745933  .4037492  .989521 .27 22.8
1.1116425 103.44437 .53743213  8.547397 24.403584 14.168225 1.0751445 7.219357      .       208 53.7291  7.745933  .6823134 1.135185 .31 22.9
.9853079  66.52955 .53743213  9.273089  24.39942 14.939493 1.0491072 7.237138      .       208 53.7291  7.745933  .6823134 1.135185 .31   23
1.0302237 134.94261 .53743213 11.421485 24.373505  14.25904 1.0326576 7.246161      .       208 53.7291   7.93034  .6823134 1.135185 .31 23.1
1.0478327  84.26826 .53743213  18.46742  24.21899 12.120255 1.0158371 7.160931      .       208 53.6845   7.93034  .6823134 1.135185 .31 23.2
1.1508458  80.76277 .53743213  10.57023 24.164465 10.965848  .9815418 7.190005      .       208 53.6845   7.93034  .6823134 1.135185 .31 23.3
1.1350389 102.23165  .5369384  15.89058  24.23686 11.858625  .9784715 7.223595      .       208 53.6845  7.847076  .6823134 1.135185 .31 23.4
1.0871712 127.48029  .5369384 16.400238  24.35106  13.57652 1.0177268 7.235554      .       208  53.523  7.847076  .6823134 1.135185 .31 23.5
1.0747848  151.0019  .5369384 13.765059  24.32253 13.267773  .9886715 7.260291      .       208  53.523  7.847076  .6823134 1.135185 .31 23.6
1.215419  185.7619 .53536046 24.878286  24.34271  12.69521 1.1358575 7.293045      .       208  53.523  8.542701  .6823134 1.135185 .31 23.7
1.1767484  240.4953 .53536046 25.813677  24.44839 14.344612 1.1064516 7.323395      .       208  53.523  8.542701  .6823134 1.135185 .31 23.8
1.297442 112.73898 .53536046  41.25895 24.472715 13.973652 1.2419007 7.342915      .       188  53.523  8.542701  .6823134 1.135185 .31 23.9
1.6114142  93.96096 .53536046 32.374924  24.56506  13.58434 1.5334773 7.315525      .       188  53.523  8.893474  .6823134 1.135185 .31   24
1.6103063  232.2151 .53536046 21.089874 24.424805 11.811418  1.463389 7.314007 .81372       188  53.523  8.893474  .8684719  .762961 .22 24.1
1.719883 117.68367 .53536046 13.904834  24.45011 11.651955 1.4969072 7.361477 .81622       188  53.523  8.893474  .8684719  .762961 .22 24.2
1.6955264  82.09329 .53536046  25.00737  24.57917  13.37048 1.7272727 7.391674 .80787       168  53.523  8.556882  .8684719  .762961 .22 24.3
1.5545607 105.31835 .53536046 12.278388  24.74026  16.52557 1.7575758 7.400663 .80559       168 53.2296  8.556882  .8684719  .762961 .22 24.4
1.500417  127.5528 .53536046  21.46219 24.778593 17.521793 1.8445455 7.405897 .80433       148 53.2296  8.556882  .8684719  .762961 .22 24.5
2.0540693 123.34314  .5324796  30.93037 24.867384 15.724883 1.8481973 7.412372 .80544       128 53.2296  10.07587  .8684719  .762961 .22 24.6
1.770672  268.7092  .5320376  26.70387 24.583107 12.972475  1.676382 7.418595 .80583       128 53.2296  10.07587  .8684719  .762961 .22 24.7
1.7192588  224.0586  .5320376 20.189163  24.43403 11.376996 1.7096775 7.419357 .82962       108 53.2296  10.07587  .8684719  .762961 .22 24.8
1.5381148  393.2341  .5318841 13.667982 24.349874 11.163016 1.7085928 7.431667   .826       108 53.2296 11.960864  .8684719  .762961 .22 24.9
1.6595147 244.86795  .5318841 18.147633  24.40846 11.322588  1.697826 7.432868 .82368        88 48.0326 11.960864  .8684719  .762961 .22   25
1.688888 104.74908 .53168803 17.022522 24.407677 11.190797 1.8076923 7.433631 .83029        88 48.0326 11.960864  .8684719  .762961 .22 25.1
1.7677183 151.61449  .5766219  23.28738  24.57044  11.87972 1.8758543 7.445201 .84299        88 48.0326 13.064722  .8684719  .762961 .22 25.2
1.295155 261.94208  .5766219  15.14732   24.2535  10.19183  1.632446 7.443599 .84818        88 52.8364 13.064722  .7161521  .246756 .06 25.3
1.4298936  269.0192   .576528 32.855785  24.21998  9.378321 1.6362468 7.443599 .84563        88 52.8364 12.068112  .7161521  .246756 .06 25.4
1.517915 323.15585   .576528  39.39613 24.328354  10.13232 1.5719026 7.444512 .83717        88 52.8364 12.056037  .7161521  .246756 .06 25.5
1.443497 286.17734   .576528  31.84311  24.29971   10.1074 1.5442765 7.444547 .83791        88 52.8266 12.056037  .7161521  .246756 .06 25.6
1.720216 260.25748  .5765313 2.1424813 24.199726  8.324535 1.5657895 7.445371 .85051        88 52.8266 12.056037  .7161521  .246756 .06 25.7
1.737893  357.2088  .5765214  3.959608 24.184713  8.153552  1.569399  7.44585 .86021        88 52.8266 12.122828  .7161521  .246756 .06 25.8
1.794906 558.22217  .5765214  11.84838   24.1413   7.66614 1.5395833 7.447011  .8612        88 55.4436 12.122828  .7161521  .246756 .06 25.9
1.7360567  288.7802 .57652056 10.340554 24.181646  8.133375 1.3966283 7.447582  .8651        88 55.4436 12.122828  .7161521  .246756 .06   26
1.7918895  388.7496  .5765214  5.714192 24.164307  7.852046 1.3464223 7.449097 .86403        88 55.4436 12.228228  .7161521  .246756 .06 26.1
end


二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝


沙发
黃河泉 在职认证  发表于 2019-1-6 09:44:51
请 help matsize。

藤椅
沙禾 学生认证  发表于 2019-1-6 10:48:19
黃河泉 发表于 2019-1-6 09:44
请 help matsize。
好的,谢谢老师!

板凳
meme180 学生认证  发表于 2020-3-22 19:09:39
黃河泉 发表于 2019-1-6 09:44
请 help matsize。
老师,help matsize 之后,按照操作加大了,还是不行,直接试了11000都不行,还是提示matsize 太小怎么办啊?

报纸
黃河泉 在职认证  发表于 2020-3-23 07:09:08
meme180 发表于 2020-3-22 19:09
老师,help matsize 之后,按照操作加大了,还是不行,直接试了11000都不行,还是提示matsize 太小怎么办 ...
这我就没办法了。

地板
Zzz666sss 发表于 2023-11-22 23:11:43
黃河泉 发表于 2020-3-23 07:09
这我就没办法了。
老师如果显示et matsize 11000之后,提示set matsize ignored.
    Matrix sizes are no longer limited by c(matsize) in modern Statas.  Matrix sizes are now limited by edition of Stata.  See limits for
    more details.
怎么办

7
赵安豆 发表于 2024-11-4 15:14:31
遇到 "matsize too small" 错误,意味着 Stata 的矩阵尺寸限制太小了,无法处理当前的计算需求。在你的情况下,可能是因为 xtlsdvc 命令需要处理大量的工具变量(instruments),而你的 Stata 版本所允许的最大矩阵尺寸不足。

具体来看,“matsize must be at least 12089”意味着你需要至少有这么大的矩阵空间来运行命令。"you have 12089 instruments"则说明了你正在使用的模型中有这么多的工具变量,这正是造成问题的原因之一。

解决这个问题的方法有几个:

1. **增加 matsize**:你可以尝试通过更改 Stata 的配置来增加 matsize,但是这取决于你的 Stata 版本。例如,在 Stata/IC 中,matsize 是有上限的(通常是 800),而在 Stata/SE 和 Stata/MP 中这个限制更高。要检查当前 matsize,可以运行 `matrix mat describe`。如果在你的情况下需要更大的 matsize,则可能需要升级到一个更高级的版本。

2. **减少工具变量的数量**:考虑是否真的需要如此多的工具变量。查看你的模型和数据集,确定哪些工具变量是真正必要的,并尝试减少数量以适应当前 Stata 版本的限制。

3. **使用分批次处理或循环**:如果数据量非常大且无法通过上述方法解决,可能需要编写更复杂的代码来分批处理数据或者采用其他统计软件包(如 R 或 Python)进行数据分析,这些软件通常对矩阵尺寸没有严格的硬性上限。

4. **考虑模型简化**:审视你的 xtlsdvc 模型设置。是否可以简化模型或使用不同的估计方法以减少计算需求?

在具体操作之前,请确保你了解所有工具变量的重要性以及它们如何影响结果的解释,避免因为追求更大的 matsize 而牺牲了模型的有效性和准确性。

如果升级 Stata 版本是可行的选择,则可能是最直接有效的方法。Stata/SE 和 Stata/MP 的版本提供了更大的矩阵尺寸限制,能够处理更复杂的计算和更大规模的数据集。

此文本由CAIE学术大模型生成,添加下方二维码,优先体验功能试用



您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加好友,备注jltj
拉您入交流群
GMT+8, 2025-12-9 16:44