A regressão simples do normal aleatório na data falha, mas dados idênticos com números inteiros pequenos em vez de datas funcionam conforme o esperado.

# Example dataset with 100 observations at 2 second intervals.
set.seed(1)
df <- data.frame(x=as.POSIXct("2017-03-14 09:00:00") + seq(0, 199, 2),
                 y=rnorm(100))

#> head(df)
#                     x          y
# 1 2017-03-14 09:00:00 -0.6264538
# 2 2017-03-14 09:00:02  0.1836433
# 3 2017-03-14 09:00:04 -0.8356286

# Simple regression model.
m <- lm(y ~ x, data=df)

A inclinação está ausente devido a singularidades nos dados. Chamar o resumo demonstra isso:

summary(m)

# Coefficients: (1 not defined because of singularities)
#             Estimate Std. Error t value Pr(>|t|)
# (Intercept)  0.10889    0.08982   1.212    0.228
# x                 NA         NA      NA       NA

Isso poderia ser devido aoPOSIXct classe?

# Convert date variable to integer.
df$x2 <- as.integer(df$x)
lm(y ~ x2, data=df)

# Coefficients:
# (Intercept)           x2  
#      0.1089           NA

Não, coeficiente parax2 ainda faltando.

E se fizermos a linha de base dex2 zero?

# Subtract minimum of x.
df$x3 <- df$x2 - min(df$x2)
lm(y ~ x3, data=df)

# Coefficients:
# (Intercept)           x3  
#   0.1312147   -0.0002255

Isso funciona!

Mais um exemplo para descartar que isso se deve à variável datetime.

# Subtract large constant from date (data is now from 1985).
df$x4 <- df$x - 1000000000
lm(y ~ x4, data=df)

# Coefficients:
# (Intercept)           x4  
#   1.104e+05   -2.255e-04

Não esperado (por que um conjunto de dados idêntico com 30 anos de diferença causaria um comportamento diferente?), Mas isso também funciona.

Poderia ser isso.Machine$integer.max (2147483647 no meu PC) tem algo a ver com isso, mas não consigo descobrir. Seria muito apreciado se alguém pudesse explicar o que está acontecendo aqui.