如有疑问，请模拟或置换。

在这种特定情况下：

1. 随机排列您的因变量。
2. 拟合随机森林。
3. 注意解释的百分比方差。

多次执行步骤 1-3，例如 1,000-10,000 次。在自变量和因变量之间没有关系的零假设下，您现在有了通过随机森林解释的 % 方差的经验分布。

将原始模型中解释的实际百分比方差插入此分布中，并注意基于排列的“空”百分比方差解释值的比例超过此真实值。这个比例就是你的 p 值。

如果您在标准线性回归模型中做同样的事情，您将（渐近地）获得解释方差的经典 F 检验的 p 值。

正如其他人所写的那样，您的审阅者听起来并不过分精通统计，但我在上面概述的方法是有道理的，应该让他满意。无论如何，这比就审稿人的统计能力进行匿名争论要好。