我尝试使用 hier.part R 包(它是 hier.part() 函数)来估计变量的独立贡献。突然之间，我对预测顺序产生了强烈的依赖。
有一篇论文 ( http://journals.plos.org/plosone/article?id=10.1371/journal.pone.0011698 ) 报告了超过 9 个预测变量的类似行为。包的文档还报告了 9-12 个预测变量的“较小舍入误差”。但即使在具有 4 个自变量的包示例中，我也经历过这种情况。
> library(hier.part)
> data(amphipod)
> env1 <- amphipod[,2:5]
> hier.part(amphipod$australis, env1, fam = "binomial",
+ gof = "logLik", barplot=F)$I.perc
I
fimp 19.74685
fconn 18.24679
densep 25.24765
unseal 36.75871
> hier.part(amphipod$australis, env1[,c(4,3,2,1)], fam = "binomial",
+ gof = "logLik", barplot=F)$I.perc
I
unseal 16.16072
densep 17.98755
fconn 32.00246
fimp 33.84927
此外，调用之间的确切值并不稳定。该函数使用C代码(在partition()调用中)，并且至少“调用之间的稳定性”问题可以归因于它，因为所有相关的R代码都是确定性的。
最佳答案
这次你的问题在我的R中没有显示出来，两个I$perc是一样的。-晨曦
关于c - R 的 hier.part() 取决于预测器顺序，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/38750067/