SAS与R中广义线性模型最小二乘均值结果差异排查求助

我尝试将一段计算广义线性模型最小二乘均值的SAS代码转换为R代码，但始终得不到一致结果。我从未使用过SAS，仅对R略有了解。

SAS代码 #

proc glm data=data;
class x y; 
model w= z x v z*x z*v x*v z*x*v;
lsmeans x;

对应的R代码 #

m1 <- lm(w ~ z + x + v + z*x + z*v + x*v + z*x*v, data = data) 
summary(m1)

lsm <- lsmeans(m1, ~x)
s <- summary(lsm)
class(s)
s[c("lsmean")]

测试结果显示：8个x对应的（SAS最小二乘均值 - R最小二乘均值）差值在0.03至0.09之间。我还测试了更简单的模型组合：

• SAS: z x, R: z+x -> 差值在小数点后第7位（几乎完全一致）
• SAS: z x v, R: z+x+v -> 所有x的差值均为0.064
• SAS: z x v z*x, R: z+x+v+z*x -> 所有x的差值均为0.064
• SAS: z x v z*x z*v, R: z+x+v+z*x+z*v -> 所有x的差值均为0.063

我想知道这些差异是由小数舍入导致的，还是SAS和R的底层模型计算逻辑存在差异？

内容的提问来源于stack exchange，提问作者Naev47