Permutation de l’ordre des variables

Bonjour, je me posais une question.
Lors d'une analyse de variance de type anova (aov) (sur r par exemple), lorsque les variables explicatives sont fortement corrélées (colinéarité), on s'attend à ce que si l'on permute l'ordre des variables comme par exemple:
aov(Y=X1+X2), les coefficients estimés seront différents d'un modèle de type aov(Y=X2+X1).

En revanche, si le plan est bien équilibré, dans un modèle de type régression multiple et que l'on permute également les variables:
lm(Y=X2+X1).et lm(Y=X1+X2) seront parfaitement équivalents et leurs coefficients estimés également.

Seulement, je n'arrive pas bien à comprendre pourquoi il existe une telle différence entre les 2 méthodes..

Merci beaucoup pour votre aide.