Question

根据我在函数调用中输入变量的顺序，我得到lmPerm的不同结果。

例如，在NCF.pf之前放置TotalProperties会产生以下结果：

pfit <- lmp(NetCashOps ~ NCF.pf + TotalProperties, data = sub.pm, subset = Presence == 1)

summary(pfit)
...
Coefficients:
                  Estimate   Iter  Pr(Prob)    
NCF.pf            4.581e-01    51         1    
TotalProperties   5.246e+04  5000    <2e-16 ***

但是，当我在公式中切换系数的顺序并将TotalProperties放在NCF.pf之前时，NCF.pf上的p值变得显着

pfit2 <- lmp(NetCashOps ~ TotalProperties + NCF.pf, data = sub.pm, subset = Presence == 1)

summary(pfit2)
...
Coefficients:
                  Estimate   Iter  Pr(Prob)    
TotalProperties   5.246e+04  5000   <2e-16 ***
NCF.pf            4.581e-01  5000   <2e-16 ***

我错过了什么吗？为什么p值会因为我在函数调用中切换变量的顺序而不同？

更新 - 数据来源和lm输出（11/11/2016）

可以在this link的GitHub上找到数据。

当调用标准lm函数两次（在第二次调用时反转变量的顺序）时，p值是相同的（见下文）。因此，与使用lmPerm函数时不同，变量的顺序与lm无关。

fit1 <- lm(NetCashOps ~ NCF.pf + TotalProperties, data = sub.pm, subset = Presence == 1)

summary(fit1)
...
Coefficients:
                 Estimate Std. Error t value Pr(>|t|)    
(Intercept)     7.088e+05  2.258e+05   3.138   0.0019 ** 
NCF.pf          4.581e-01  1.112e-01   4.121 5.11e-05 ***
TotalProperties 5.246e+04  9.519e+03   5.511 8.76e-08 ***


fit2 <- lm(NetCashOps ~ TotalProperties + NCF.pf, data = sub.pm, subset = Presence == 1)

summary(fit2)
...
Coefficients:
                 Estimate Std. Error t value Pr(>|t|)    
(Intercept)     7.088e+05  2.258e+05   3.138   0.0019 ** 
TotalProperties 5.246e+04  9.519e+03   5.511 8.76e-08 ***
NCF.pf          4.581e-01  1.112e-01   4.121 5.11e-05 ***

谢谢！

Answer 1

我已经看到了2次接近投票将其迁移到Cross Validated，但我认为这应该留在Stack Overflow上。确实，在lm和lmp使用的非旋转QR分解策略下，t统计量和p值对于术语的规范顺序不是不变的，但是如新的编辑，对于OP的数据，这些统计数据应该是不变的。所以在编程层面必须有一些敏感的东西。

我的快速诊断建议，如果我们设置seqs = TRUE，而不是使用默认的FALSE，我们会得到一致的结果：

## I have subsetted data with `Presence == 1` into a new dataset `dat`
## I have also renamed variable name for simplicity

coef(summary(lmp(y ~ x1 + x2, dat, seqs = TRUE)))

#                Estimate Iter Pr(Prob)
#(Intercept) 2.019959e+06 5000        0
#x1          4.580840e-01 5000        0
#x2          5.245619e+04 5000        0

coef(summary(lmp(y ~ x2 + x1, dat, seqs = TRUE)))
#                Estimate Iter Pr(Prob)
#(Intercept) 2.019959e+06 5000        0
#x2          5.245619e+04 5000        0
#x1          4.580840e-01 5000        0

注意，Pr(Prob)应为＆＃34;＆lt;图2e-16＆＃34;当由summary打印时，但在使用coef获取矩阵时，这些微小值为0。

?lmp的文档在这一部分提到了一点：

The SS will be calculated _sequentially_, just as ‘lm()’ does; or
they may be calculated _uniquely_, which means that the SS for
each source is calculated conditionally on all other sources.

我目前不确定SS是什么（因为我不是lmPerm的用户），但这听起来像是为了获得一致的结果，我们应该设置seqs = TRUE。

lmPerm P值根据系数顺序而不同

1 个答案: