回归的回归和交叉验证 - 为什么不同的 p 值？

Question

我有一个 R 问题。我想知道为什么使用 lm 的原始回归分析与使用 DAAG 包的 k 折交叉验证中的 p 值存在差异。

所以，我首先运行回归。

Model = lm(ExampleData$DependentVariable ~ ExampleData$IV1  + ExampleData$IV2  + ExampleData$IV3  + ExampleData$IV4)

这给了我预测变量的 p 值（如下所示）。

(Intercept)  = 0.01958 *, ExampleData$IV1  =  0.05631 ., ExampleData$IV2  =  0.00295 **, ExampleData$IV3  =  0.00492 **, ExampleData$IV4  = 0.00473 **

然后，我使用 DAAG 包中的 cv.lm 对模型进行交叉验证。

cv.lm(df=ExampleData, Model_forCV, m=5)

这给了我交叉验证结果以及预测变量的 p 值（如下所示）。

IV1  = 0.07541 . , IV2  = 0.00059 ***, IV3  = 0.03938 * , IV4  = 0.00473 **

为什么 p 值不同？

Answer 1

第二个模型中似乎缺少截距项。或者是隐藏的。

缺少截距项可以解释 p 值的变化。它会改变标准误差、t 值，从而改变 p 值。更不用说改变回归系数了（正如您在结果中看到的那样）。