Error in h(simpleError(msg, call))

Estoy haciendo mi trabajo de fin de master y es la primera vez que uso R. Debo aplicar una estimacion por Maxima verosimilitud.
El error que obtengo es:

 - Error in h(simpleError(msg, call)) : 
         error in evaluating the argument 'object' in selecting a method for function 'logLik': only defined on a data frame with all numeric
   variables

Esto es paso a paso lo que he ido aplicando, el error se genera en el ultimo comando:

Datos <- read.table("C:/Users/andre/Documents/Master Consultoria Economica/TFM/Base tfm.csv",header=TRUE, sep=";", na.strings="NA", dec=",", strip.white=TRUE, fileEncoding="UTF-8-BOM")

summary(Datos)
sapply(Datos, class)
attach(Datos)

##DEFINIR VARIABLES##

Ct=data.frame(VarCredito)

X1=data.frame(FonDisp,
              TAE,
              TasaMora,
              PrecioPet,
              IDEAC)
X2=data.frame(TAE,
              Paro,
              IPIM,
              Inflacion)

x1=as.matrix(X1)
x2=as.matrix(X2)  

 
#Definimos la función de verosimilitud
##########################################################
fmv <- function(y,xa,xb,sigma1,sigma2,
                a1,a2,a3,a4,a5,
                b1,b2,b3,b4 ) {
  beta1 <- data.frame(a1,a2,a3,a4,a5)
  beta2 <- data.frame(b1,b2,b3,b4)
  f1 <- 1/sqrt(2*pi*sigma1^2 ) * exp(-1/(2*sigma1^2 )*(Ct-x1%*%t(beta1))^2)
  f2 <- 1/sqrt(2*pi*sigma2^2 ) * exp(-1/(2*sigma2^2 )*(Ct-x2%*%t(beta2))^2)
  F1 <- numeric(nrow(Ct))
  F2 <- numeric(nrow(Ct))
  for (i in 1:nrow(Ct)){
    F1[i] <- pnorm(Ct[i,1], x1[i,]%*%t(beta1), sigma1, lower.tail = F)
    F2[i] <- pnorm(Ct[i,1], x2[i,]%*%t(beta2), sigma2, lower.tail = F)
  }
  -sum(log((f1*F2)+(f2*F1)),log=TRUE)
}


#PARAMETROS INICIALES MCO
summary(FIT <-
          lm(VarCredito~FonDisp+TAE+TasaMora+PrecioPet+IDEAC+-1))

summary(FIT2 <- lm(VarCredito~TAE+Paro+IPIM+Inflacion+-1))

plot(VarCredito,type="o",col="black")
lines(predict(FIT),type="o",col="blue")
lines(predict(FIT2),type="o",col="red")



#FUNCION MCO
fmc <- function(y,xa,xb,
                a1,a2,a3,a4,a5,
                b1,b2,b3,b4 ) {
  beta1 <- data.frame(a1,a2,a3,a4,a5)
  beta2 <- data.frame(b1,b2,b3,a4)
  sum((Ct-pmin(x1%*%t(beta1),x2%*%t(beta2), log=TRUE))^2)
}


library("bbmle")
class(Ct[,1])

p<-mle2(fmc,start=list(a1= -0.000003533,a2=0.009015,a3=-0.5944,a4=0.03418,a5=0.00001512,
                       b1= -0.0112861,b2= 0.6571781,b3= 0.0006255,b4= 0.0021346),
        data=list(y=Ct,xa=x1,xb=x2))

summary(p)
########################################################## 
#Tomamos 100 valores iniciales aleatorios con media los obtenidos por MCO 
##########################################################
asigma1<-rnorm(100,0.035,0.026) 
asigma2<-rnorm(100,0.035,0.026) 
aa1<-rnorm(100,coef(p)[1],1) 
aa2<-rnorm(100,coef(p)[2],1) 
aa3<-rnorm(100,coef(p)[3],0.0001) 
aa4<-rnorm(100,coef(p)[4], 0.0001) 
aa5<-rnorm(100,coef(p)[5],1)
ab1<-rnorm(100,coef(p)[6],1) 
ab2<-rnorm(100,coef(p)[7],0.0001) 
ab3<-rnorm(100,coef(p)[8],1)
ab4<-rnorm(100,coef(p)[9],0.0001)


#Vemos cuál de estos valores iniciales nos da una verosimilitud más alta
L <- numeric(100) 
for (i in 1:100){ 
m <- logLik(mle2(fmv,start=list(sigma1=asigma1[i],sigma2=asigma2[i], 
a1=aa1[i],a2=aa2[i],a3=aa3[i],a4=aa4[i],a5=aa5[i], 
b1=ab1[i],b2=ab2[i],b3=ab3[i],b4=ab4[i]), 
data=list(y=Ct,xa=x1,xb=x2))) 
L[i] <-m[1] 
} 

Posteriormente debo aplicar which.max(L), pero el error se genera en L y no me deja. Todas las variables son numéricas.