R：lm 和 biglm 产生不同的答案

Question

为什么“lm”和“biglm”会产生不同的估计值？考虑下面的代码：

a = as.data.frame(cbind(y=rnorm(1000000), x1=rnorm(1000000), x2=rnorm(1000000)))
m1 = lm(y ~ x1 + x2, data=a); summary(m1)

library(biglm)
m2 = biglm(y ~ x1 + x2, data=a); summary(m2)

biglm 是否分块处理没有区别 - 最终估计与 lm 产生的不同。

Answer 1

仅仅因为篇幅而发布为答案：

m2$qr

$D
[1] 1.000000e+06 1.001150e+06 9.993772e+05

$rbar
[1] -8.581350e-04 -8.116662e-04 -1.225233e-03  

$thetab
[1]  7.863159e-04 -4.276900e-04 -1.552812e-03   # these are the coefficients

Rgames: m1$coefficients
  (Intercept)            x1            x2 
 7.846869e-04 -4.295926e-04 -1.552812e-03 

所以，是的，系数略有不同。例如，截距相差 0.2% 。这种差异是否对您的合身线质量有任何影响，很大程度上取决于您打算对合身做些什么。一体化？保证没问题。外推？总是有风险的，但不是因为斜率相差 0.5%。
我强烈建议您至少运行一些适合的测试用例，比如 f(x) = g(x) +runif(N) ; h(x)= g(x) +runif(N) #runif will return different sets of RVs

，看看 lm 和 biglm 返回的系数是否与原始 g(x) 值显着不同。