Ajuste del valor p para la estadística I de Moran local (LISA)

Question

Estoy trabajando con algunos análisis espaciales exploratorios en R usando el paquete spdep.

Me encontré con una opción para ajustar p -valores de los indicadores locales de asociación espacial (LISA) calculados usando localmoran función. Según los documentos a los que va dirigido:

... ajuste del valor de probabilidad para múltiples pruebas.

Más adelante en los documentos de p.adjustSP Leí que las opciones disponibles son:

Los métodos de ajuste incluyen la corrección de Bonferroni ('"bonferroni"') en el que los valores p se multiplican por el número de comparaciones. También se incluyen cuatro correcciones menos conservadoras por Holm (1979) ('"holm"'), Hochberg (1988) ('"hochberg"'), Hommel (1988) ('"hommel"') y Benjamini & Hochberg (1995) ('"fdr"'), respectivamente. También se incluye una opción de paso ('"none"').

Los primeros cuatro métodos están diseñados para dar un fuerte control de la tasa de error familiar. No parece haber ninguna razón para usar el sistema de Corrección de Bonferroni porque está dominado por el método de Holm, que también es válido bajo suposiciones arbitrarias.

Los métodos de Hochberg y Hommel son válidos cuando la hipótesis prueba son independientes o cuando no están asociados negativamente (Sarkar, 1998; Sarkar y Chang, 1997). El método de Hommel es más poderoso que Hochberg, pero la diferencia suele ser pequeña y el Hochberg Los valores p son más rápidos de calcular.

El método "BH" (alias "fdr") y "BY" de Benjamini, Hochberg y Los Yekutieli controlan la tasa de falsos descubrimientos, la proporción esperada de falsos descubrimientos entre las hipótesis rechazadas. El falso descubrimiento es una condición menos estricta que la tasa de error familiar, así que estos métodos son más poderosos que los otros.

Un par de preguntas que aparecieron:

1. En palabras simples, ¿cuál es el propósito de este ajuste?
2. ¿Es necesario utilizar tales correcciones?
3. Si es así - cómo elegir entre opciones disponibles?

Answer 1

Brevemente, el problema al que te enfrentas se llama pruebas de hipótesis múltiples . Surge cuando se ponen a prueba, como su nombre indica, muchas hipótesis al mismo tiempo.

Supongamos que tiene una probabilidad determinada de rechazar incorrectamente la hipótesis nula (falso positivo) para una prueba, digamos el 5%. A medida que aumenta el número de conjuntos de datos que está probando (en este caso, cada uno de los conjuntos en los que aplica el estadístico local de Moran), aumenta la probabilidad de observar en cualquier conjunto de datos aumentará un falso positivo, independientemente de que la probabilidad de observar un falso positivo para un único conjunto de datos sea la misma.

Hay muchas "correcciones" posibles, que son las que has encontrado, para corregir este problema; si realmente necesitas una estadística local, no puedes eludirla. Si no, puedes utilizar la estadística global como hipótesis única.