Почему fastLmPure RcppArmadillo выдает NA на выходе, а fastLm — нет?

Я довольно часто использую скользящую регрессию в R, и моя первоначальная установка выглядит примерно так:

dolm <- function(x) coef(lm(x[,1] ~ x[,2] + 0, data = as.data.frame(x)))
rollingCoef = rollapply(someData, 100, dolm)

Приведенный выше пример работает отлично, за исключением того, что он медленный, если у вас много итераций.

Чтобы ускорить это, я решил поэкспериментировать с Rcpp пакет.

Сначала я подставил lm с fastLm, результат немного быстрее, но все еще медленно. Так что это подтолкнуло меня к попытке написать всю функцию коэффициентов скользящей регрессии в c ++, как для цикла, и затем интегрировать ее в R с помощью Rcpp.

Так что я изменил оригинальную функцию RcppArmadillo fastLm к этому:

// [[Rcpp::depends(RcppArmadillo)]]

#include <RcppArmadillo.h>

using namespace Rcpp;

// [[Rcpp::export]]

List rollCoef(const arma::mat& X, const arma::colvec& y, double window ) {

double cppWindow = window - 1;
double matRows = X.n_rows;
double matCols = X.n_cols - 1;

arma::mat coef( matRows - cppWindow, X.n_cols);   // matrix for estimated coefficients

//for loop for rolling regression.
for( double i = 0 ; i < matRows - cppWindow ; i++  )
{
coef.row(i) = arma::trans(arma::solve(X( arma::span(i,i + cppWindow), arma::span(0,matCols)) , y.rows(i,i + cppWindow)));
}

return List::create(_["coefficients"] = coef);
}

и чем загрузить его в R с sourceCpp(file=".../rollCoef.cpp")

Так что это гораздо быстрее, чем rollapply и он отлично работал на небольших примерах, но затем я применил его к ~ 200000 наблюдений за данными, которые он дал ~ половиной выходных данных в то же время rollapply/fastLm комбинация не дала ничего.

Так что здесь мне нужна помощь. Что не так с моей функцией? Почему в моей функции есть NA, а в NA нет rollapply/fastLmОднако, если я правильно понимаю, они оба основаны на arma::solve? Любая помощь высоко ценится.

ОБНОВИТЬ
Вот воспроизводимый код:

require(Rcpp)
require(RcppArmadillo)
require(zoo)
require(repmis)
myData <- source_DropboxData(file = "example.csv",
key = "cbrmkkbssu5bn96", sep = ",", header = TRUE)

## in order to use my custom function "rollCoef" you should download it to R.
## The c++ code is presented above in the main question.
## Download it where you want as "rollCoef.cpp" and then download it to R with:

sourceCpp(file=".../rollCoeff.cpp"). # there should be your actual path.

myCoef = rollCoef(as.matrix(myData[,2]),myData[,1],260)

summary(unlist(myCoef)) # 80923 NA's

dolm = function(x) coef(fastLmPure(as.matrix(x[,2]), x[,1]))

myCoef2 = rollapply(myData, 260, dolm, by.column = FALSE)

summary(myCoef2) # 80923 NA's

dolm2 = function(x) coef(fastLm(x[,1] ~ x[,2] + 0, data = as.data.frame(x)))

myCoef3 = rollapply(myData, 260, dolm2, by.column = FALSE)

summary(myCoef3) # !!! No NA's !!!

head(unlist(myCoef)) ; head(unlist(myCoef2)) ; head(myCoef3)

Таким образом, вывод моей функции идентичен выводу RcppArmadillo fastLmPure в сочетании с rollapply и они оба производят АН, но rollapply с fastLm не. Как я понимаю например из ВОТ а также ВОТ fastLm в основном призывает fastLmPure, но почему в третьем методе нет NA, чем? Есть ли дополнительные возможности в fastLm что мешает АН, что я не заметил?