Em outras palavras, o que o Benilton quer dizer é que você está violando uma das prerrogativas básicas ao propor um modelo que para ser identificado (com parâmetros estimados) requer um número de parâmetros igual ou maior que o número de observações. Veja que o número de colunas na matriz do modelo é igual ao número de observações. O seu modelo linear  explica totalmente os dados e por isso que você tem soma de quadrados zero para o resíduo. Em modelo lineares como esse, sempre que você tiver uma matriz do modelo, X, com n colunas linearmente independentes (n = número de observações), ele se ajustará perfeitamente aos dados.

m <- model.matrix(modelo)
dim(m)

À disposição.

Walmes.