正如标题所说。我加载后pglm，lag停止正常工作。
library(pglm)
c(1,2,3,4) %>% lag()
该对象被转换为时间序列，并且不再与 tibbles 兼容。
即使卸载pglm， 的依赖lag仍然有效。
一个解决方案可能是实际上从不加载pglm，但是如果我lag(x)在公式中有一个
pglm:pglm(
family= poisson,
y ~ lag(x),
model = "within", index="id",
data = db
)
该算法无法收敛到估计值。由于某些原因，甚至强迫发生这种情况stats::lag(x)。有趣的是，相反，如果pglm已加载，则y ~ lag(x)可以正常工作y ~ stats:lag(x)。
这是唯一有效的情况，呵呵！我唯一想到的另一件事是外部公式dplyr::lag是冲突的罪魁祸首。
我不知道如何优化工作流程，您有建议吗？
dplyr 是这里的罪魁祸首。plm（由 pglm 使用）定义了一个由 stats 中的泛型调度的lag方法。其他软件包，例如 plm 等，提供通用方法；然而，dplyr 用它自己的非泛型破坏了泛型，因此所有使用的包都会失败。如果您需要与 pglm 一起加载 dplyr，则加载 dplyr 除外，如果您需要使用 dplyr 的use 。同上。lag.pserieslaglaglaglaglaglagdplyr::lagfilter
library(dplyr, exclude = c("filter", "lag"))