局部Moran的I统计量(LISA)的p值调整


10

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。

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?

1
我迁移了这个问题,因为在简历上已经解决了许多非常类似的问题。例如,查看可以从搜索中学到的知识。
ub

@whuber好主意。我没有考虑过简历,但确实确实是一个更好的选择。谢谢。
radek 2013年

Answers:


1

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。

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.