Roney, eu escrevi um exemplo abaixo baseado em scripts que eu tenho aqui. Não sei se vai servir no seu caso, mas é um caminho. Essencialmente, para ler os dados, as opções apresentadas são os pacotes sqldf e ff (e ffbase para algumas funções úteis) e biglm para a regressão. Att., Rubem library(sqldf) library(biglm) library(ffbase) # Criando dados fictícios id <- 1:1e5 xy <- matrix(rnorm(11e5),1e5,11) dat0 <- cbind(id, xy) dat <- as.data.frame(dat0) names(dat) <- c('id', 'y', paste('x',1:10,sep="")) write.csv(dat, 'dat.teste.csv', row.names=F) ## Passando os dados para um formato de base de dados sqldf("attach dbtest as new") read.csv.sql("dat.teste.csv", "create table main as select * from file", dbname="dbtest") ## Lendo os dados via query e ajustando modelo de regressão drv<-dbDriver("SQLite") con<-dbConnect(drv, dbname='dbtest') dbListTables(con) # "head()" dbGetQuery(con, "select * from main limit 6") m0<-bigglm(y~x1+x2, data=con, tablename='main', chunksize=5e4) summary(m0) dbDisconnect(con) ## Alternativamente: Lendo de um arquivo CSV cc<-c('factor',rep('numeric',11)) tes.dat<-read.table.ffdf(file='dat.teste.csv', FUN='read.csv', colClasses=cc,na.strings="") # Subconjunto de dados tes.dat2<-subset(tes.dat, tes.dat$y > 1)