使用partykit的ctree函数时，重标记分类变量为何改变树结果？

我使用partykit包的ctree函数做分析，所有变量均为二元分类变量。发现只要将二元分类变量的标签修改为“yes/no”，生成的ctree树图就会发生变化，但修改为其他标签时则无此问题。

初始标签 #

• Racialized：0 = "non-rac"；1 = "rac"
• Immigrant：0 = "non-imm"；1 = "imm"

新标签 #

• Racialized：0 = "no"；1 = "yes"
• Immigrant：0 = "no"；1 = "yes"

我检查过代码的其他部分，确认没有发生变化，但对这一现象感到困惑。

更新 #

最初我采用将数值变量转为字符类型后再转因子的方式标记变量，代码如下：

data$racialized[data$PP_racialized==0]<- "non-rac"
data$racialized[data$PP_racialized==1]<- "rac" 

data$racialized[data$PP_racialized==0]<- "no"
data$racialized[data$PP_racialized==1]<- "yes" 
#before Ctree analysis 
data <- data %>% dplyr::mutate_if(is.character, factor)

后来改用apply_labels函数标记变量后，无论如何修改标签，分析结果都保持一致，树图不再出现差异，代码如下：

data=apply_labels(racialized=c("rac"=1, "non-rac"= 0))

data=apply_labels(racialized=c("yes"=1, "no"= 0))
#before ctree analysis
data <- data %>% dplyr::mutate_if(is.numeric, factor)

内容的提问来源于stack exchange，提问作者Bisola