增加观察次数使 R 抛出随机系数 - 数值稳定性问题？
Increasing the number of observations have R throw random coefficients - Numerical stability problem?
我有这个代码
rm(list=ls())
N = 20000
xvar <- runif(N, -10, 10)
e <- rnorm(N, mean=0, sd=1)
yvar <- 1 + 2*xvar + e
plot(xvar,yvar)
lmMod <- lm(yvar~xvar)
print(summary(lmMod))
我希望系数类似于 [1,2]。
相反，N =20000，R 不断向我抛出随机数，这些随机数在统计上不显着并且不适合模型，$R^2$ 真的很低..我只是不看看我做错了什么。在示例输出中：
Call:
lm(formula = yvar ~ xvar)
Residuals:
Min 1Q Median 3Q Max
-47.23 -9.10 1.24 11.23 23.74
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 0.03163 0.08291 0.381 0.70286
xvar 0.04290 0.01427 3.006 0.00265 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 11.73 on 19998 degrees of freedom
Multiple R-squared: 0.0009635, Adjusted R-squared: 0.0009135
F-statistic: 19.29 on 1 and 19998 DF, p-value: 1.131e-05
但是，如果我输入 N=200 或 N=2000，它会起作用。系数与真实系数相似，并且在真实系数的两个标准差之内，我得到的 $R^2$ 值高达 99%，并且这些系数都具有统计显着性，$p<<0.01$。
这里发生了什么？为什么增加观察次数会使回归恶化？ R 是否正在秘密遇到数值稳定性问题？
我是 运行 Kubuntu 19.04 上的 R 3.6.0。 运行 R 在命令行上使用 --vanilla 选项也会发生同样的问题。
编辑：这里是sessioninfo()
的输出
> sessionInfo()
R version 3.6.0 (2019-04-26)
Platform: x86_64-pc-linux-gnu (64-bit)
Running under: Ubuntu 19.04
Matrix products: default
BLAS/LAPACK: /usr/lib/x86_64-linux-gnu/libmkl_rt.so
Random number generation:
RNG: Mersenne-Twister
Normal: Inversion
Sample: Rounding
locale:
[1] LC_CTYPE=en_US.UTF-8 LC_NUMERIC=C LC_TIME=it_IT.UTF-8 LC_COLLATE=en_US.UTF-8
[5] LC_MONETARY=it_IT.UTF-8 LC_MESSAGES=en_US.UTF-8 LC_PAPER=it_IT.UTF-8 LC_NAME=C
[9] LC_ADDRESS=C LC_TELEPHONE=C LC_MEASUREMENT=it_IT.UTF-8 LC_IDENTIFICATION=C
attached base packages:
[1] stats graphics grDevices utils datasets methods base
loaded via a namespace (and not attached):
[1] compiler_3.6.0 tools_3.6.0
这是由于英特尔 MKL。卸载英特尔 MKL 并改用 OpenBLAS 解决了问题。
我有这个代码
rm(list=ls())
N = 20000
xvar <- runif(N, -10, 10)
e <- rnorm(N, mean=0, sd=1)
yvar <- 1 + 2*xvar + e
plot(xvar,yvar)
lmMod <- lm(yvar~xvar)
print(summary(lmMod))
我希望系数类似于 [1,2]。
相反，N =20000，R 不断向我抛出随机数，这些随机数在统计上不显着并且不适合模型，$R^2$ 真的很低..我只是不看看我做错了什么。在示例输出中：
Call:
lm(formula = yvar ~ xvar)
Residuals:
Min 1Q Median 3Q Max
-47.23 -9.10 1.24 11.23 23.74
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 0.03163 0.08291 0.381 0.70286
xvar 0.04290 0.01427 3.006 0.00265 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 11.73 on 19998 degrees of freedom
Multiple R-squared: 0.0009635, Adjusted R-squared: 0.0009135
F-statistic: 19.29 on 1 and 19998 DF, p-value: 1.131e-05
但是，如果我输入 N=200 或 N=2000，它会起作用。系数与真实系数相似，并且在真实系数的两个标准差之内，我得到的 $R^2$ 值高达 99%，并且这些系数都具有统计显着性，$p<<0.01$。
这里发生了什么？为什么增加观察次数会使回归恶化？ R 是否正在秘密遇到数值稳定性问题？
我是 运行 Kubuntu 19.04 上的 R 3.6.0。 运行 R 在命令行上使用 --vanilla 选项也会发生同样的问题。
编辑：这里是sessioninfo()
> sessionInfo()
R version 3.6.0 (2019-04-26)
Platform: x86_64-pc-linux-gnu (64-bit)
Running under: Ubuntu 19.04
Matrix products: default
BLAS/LAPACK: /usr/lib/x86_64-linux-gnu/libmkl_rt.so
Random number generation:
RNG: Mersenne-Twister
Normal: Inversion
Sample: Rounding
locale:
[1] LC_CTYPE=en_US.UTF-8 LC_NUMERIC=C LC_TIME=it_IT.UTF-8 LC_COLLATE=en_US.UTF-8
[5] LC_MONETARY=it_IT.UTF-8 LC_MESSAGES=en_US.UTF-8 LC_PAPER=it_IT.UTF-8 LC_NAME=C
[9] LC_ADDRESS=C LC_TELEPHONE=C LC_MEASUREMENT=it_IT.UTF-8 LC_IDENTIFICATION=C
attached base packages:
[1] stats graphics grDevices utils datasets methods base
loaded via a namespace (and not attached):
[1] compiler_3.6.0 tools_3.6.0
这是由于英特尔 MKL。卸载英特尔 MKL 并改用 OpenBLAS 解决了问题。