J'ai essayé d'utiliser le paquetage hier.part R (et sa fonction hier.part()) pour estimer les contributions indépendantes des variables. Soudain, j'ai ressenti une forte dépendance à l'ordre des prédicteurs.R hier.part() dépend de l'ordre des prédicteurs
Il existe un document (http://journals.plos.org/plosone/article?id=10.1371/journal.pone.0011698) indiquant un comportement similaire pour plus de 9 prédicteurs. La documentation du paquet signale également une "erreur d'arrondi mineure" pour 9-12 prédicteurs. Mais je l'ai expérimenté même dans l'exemple du paquet avec 4 variables indépendantes.
> 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
De plus, les valeurs exactes ne sont pas stables entre les appels. La fonction utilise le code C (dans l'appel de partition()) et au moins le problème "entre les appels de stabilité" peut lui être attribué, car tout le code R pertinent est déterministe.
Je ne pense pas que cela n'a rien à voir avec le langage de programmation C, donc s'il vous plaît enlever la [tag: c] tag. –
J'ai ajouté quelques explications sur la balise c. – dmitrienka