局部Moran的I统计量（LISA）的p值调整

我正在使用spdep软件包在R中进行一些探索性空间分析。

我遇到了一个选项，用于调整使用函数计算的空间关联性本地指标（LISA）的plocalmoran值。根据文档，它的目标是：

...用于多个测试的概率值调整。

在p.adjustSP我进一步阅读的文档中，可用选项包括：

调整方法包括Bonferroni校正（“ bonferroni””），其中p值乘以比较次数。Holm（1979）（“” holm“”），Hochberg（1988）（'“” hochberg“'），Hommel（1988）（'” hommel“'）和Benjamini＆Hochberg（1995）也进行了四次较不保守的校正。 （'“ fdr”'）。还包括传递选项（“ none”）。

前四种方法旨在严格控制家庭错误率。似乎没有理由使用未经修改的Bonferroni校正，因为它受到Holm方法的支配，该方法在任意假设下也有效。

当假设检验是独立的或非负相关时，Hochberg和Hommel的方法是有效的（Sarkar，1998； Sarkar和Chang，1997）。Hommel的方法比Hochberg的方法更强大，但是差异通常很小，并且Hochberg p值的计算速度更快。

Benjamini，Hochberg和Yekutieli的“ BH”（又名“ fdr”）和“ BY”方法控制错误发现率，即错误发现的预期比例在被拒绝的假设中。误发现率的条件不如家庭式错误率严格，因此这些方法比其他方法更有效。

出现的几个问题：

1. 简而言之-这项调整的目的是什么？
2. 是否有必要使用此类更正？
3. 如果是，如何从可用选项中进行选择？

简而言之，您面临的问题称为多重假设检验。顾名思义，它是在同时测试许多假设时出现的。

假设您有给定的概率错误地拒绝了测试的原假设（假阳性），例如5％。随着您增加要测试的数据集的数量（在本例中，您应用本地Moran统计信息的每个集合），在任何数据集中观察到假阳性的可能性将增加，而与观察到的概率无关单个数据集的误报是相同的。

您可以找到许多可能的“更正”来纠正此问题。如果您确实需要本地统计信息，则不能闪避。否则，您可以将全局统计信息用作单个假设。