r - lmPerm P 值因系数阶数而异

Question

根据我在函数调用中输入变量的顺序，我从 lmPerm 得到不同的结果。

例如，将 NCF.pf 放在 TotalProperties 之前会产生以下结果:

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，当我切换公式中系数的顺序并将 TotalProperties 放在 NCF.pf 之前时，NCF.pf< 上的 p 值 变得重要

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交换变量的顺序而不同？

更新 - 数据源和 lm 输出 (11/11/2016)

数据可以在 GitHub 上找到:this link .

当调用标准 lm 函数两次(颠倒第二次调用时变量的顺序)时，p 值是相同的(见下文)。因此，与使用 lmPerm 函数不同，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 2 票赞成将其迁移到交叉验证，但以我的愚见，这应该保留在 Stack Overflow 上。确实，在 lm 和 lmp 使用的非枢轴 QR 分解策略下，t 统计量和 p 值对于项的指定顺序并不是不变的，但如新编辑所示，对于 OP 的数据，这些统计数据应该是不变的。所以在编程层面一定有一些敏感的东西。

我的快速诊断表明，如果我们设置 seqs = TRUE，而不是使用默认的 FALSE，我们将获得一致的结果:

## 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，用summary打印时，Pr(Prob)应为“<2e-16”，但使用coef获取时一个矩阵，那些微小的值是 0。

?lmp 的文档提到了这部分的一些内容:

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。