您关于变量是时间常数（仅随单位变化）的假设是正确的。测试使用单位之间的相关性，如果这些单位是常数，则不定义相关性，因此测试返回NA。
为了说明，让我们创建一个名为var的非时变变量并运行测试：

library(plm)
data("Grunfeld", package = "plm")
# create time-constant variable 'var' which varies per individual    
Grunfeld$var <- Grunfeld$firm
pGrun <- pdata.frame(Grunfeld)
pcdtest(pGrun$var) # same as pcdtest(var ~ 1, data = pGrun)
#> Warning in cor(wideres, use = "pairwise.complete.obs"): the standard deviation
#> is zero
#> 
#>  Pesaran CD test for cross-sectional dependence in panels
#> 
#> data:  pGrun$var
#> z = NA, p-value = NA
#> alternative hypothesis: cross-sectional dependence
# can check for variation across unit and time with pvar():
pvar(pGrun$var)
#> no time variation:       var

pcdtest中的所有测试方法均基于不同单位（rho）的观测值之间的相关性。所以，基本上，调用cor()，输入几对常量向量，所以类似于这样：

cor(c(1, 1), c(2, 2))
#> Warning in cor(c(1, 1), c(2, 2)): the standard deviation is zero
#> [1] NA

我们看到NA和警告，如pcdtest中的cor()函数，用于这种数据输入。pcdtest中最简单的相关性实现是通过设置test = "rho"给出的，pcdtest中的所有其他统计方法都基于rho值。
当变量在单位内不显示随时间的变化时，您根本无法测试横截面依赖性。