这是 R 中的错误吗？据我了解，输出应该是相同的

Question

最近，我正在比较两个统计练习，发现 R 中相同输入的不同输出可能是 R 的无意行为，对吗？

model1 <- lm(rent ~ area + bath, data = rent99)
coefficients1 <- coef(model1)

# Using a matrix without an intercept column
X <- cbind(rent99$area, rent99$bath)
model2 <- lm(rent99$rent ~ X[, 1] + X[, 2])
coefficients2 <- coef(model2)

# Both coefficients1 and coefficients2 should be identical
coefficients1
coefficients2

输出：

(Intercept)        area       bath1 
 144.149195    4.587025  100.661413 
(Intercept)      X[, 1]      X[, 2] 
  43.487782    4.587025  100.661413

我假设系数相同，因为输入数据是相同的

Answer 1

bath

是因子变量。

让我们重现一下：

set.seed(42)
x <- sample(0:1, 100, TRUE)
DF <- data.frame(x = factor(x),
                 y = 0.1 + 5 * x + rnorm(100))

coef(lm(y ~ x, data = DF))
#(Intercept)          x1 
# 0.03815139  5.06531032 

coef(lm(DF$y ~ cbind(DF$x)))
#(Intercept) cbind(DF$x) 
#-5.027159    5.065310 

问题是你使用了

cbind

。它生成一个矩阵，而矩阵只能容纳一种数据类型，并且不能容纳 S3 对象（例如因子）。

因此，

cbind

在您的示例中的作用类似于

as.numeric

：

as.numeric(DF$x)
#  [1] 1 1 1 1 2 2 2 2 1 2 1 2 1 2 1 1 2 2 2 2 1 1 1 1 1 2 1 1 1 1 2 2 2 2 1 2 1 2 2 2 1 1 2 2 2 2 2 2 2 1 2 1 2 2 2 2 1 2 1 1 1 2 2 2 2 2 2 1 2 1 2 1 2 2 2
# [76] 2 1 1 1 1 2 1 2 1 1 2 2 1 1 1 1 2 1 2 2 2 1 2 2 2

如您所见，它返回因子变量的内部整数。基本上，您将该变量从 0/1 重新编码为 1/2。这就是为什么第二个截距是

144.149195 - 1 * 100.661413

。