机器算法验证 - Logistic 回归与 Fisher 的精确检验给出了非常不同的结果 - 为什么？ - 吾爱随笔录

我有一个令人困惑的情况，我从两种分析简单数据的方式中得到了强烈冲突的结果。我测量了每个参与者的两个二元变量，AestheticOnly 和 ChoiceVA。我想知道 AestheticOnly 是否取决于 ChoiceVA 以及这种关系在两个不同的实验中是否不同。这是我的参与者计数数据：

Experiment 1
                 AestheticOnly
                 0   1  All
ChoiceVA A      35   6   41
         V      20  13   33
         All    55  19   74

Experiment 2
                 AestheticOnly
                 0   1  All
ChoiceVA A      12  10   22
         V      31  11   42
         All    43  21   64

我运行了一个逻辑回归，其中 AestheticOnly 由 ChoiceVA、实验和交互建模：

> mod <- glm( AestheticOnly ~ ChoiceVA*Experiment, data = d, family=binomial)
> summary(mod)

Call:
glm(formula = AestheticOnly ~ ChoiceVA * Experiment, family = binomial, 
    data = d)

Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-1.1010  -0.7793  -0.5625   1.2557   1.9605  

Coefficients:
                     Estimate Std. Error z value Pr(>|z|)    
(Intercept)           -3.3449     0.9820  -3.406 0.000659 ***
ChoiceVAV              3.5194     1.2630   2.787 0.005327 ** 
Experiment             1.5813     0.6153   2.570 0.010170 *  
ChoiceVAV:Experiment  -2.1866     0.7929  -2.758 0.005820 ** 
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 166.16  on 137  degrees of freedom
Residual deviance: 157.01  on 134  degrees of freedom
AIC: 165.01

Number of Fisher Scoring iterations: 4

显然所有因素都很重要。但是，这对我来说毫无意义。例如，查看实验的主要效果应该等同于执行 Fisher's Exact 检验，比较 55 和 19 与 43 和 21（每个表的底部）。这显然不显着（p=.452）。那么为什么回归模型会给出如此不同的结果呢？非常感谢任何帮助。