基于错误发现率的局部空间关联多重假设检验校正方法对比分析
摘要
空间模式往往是在地理事物和现象的空间异质和空间关联的双重作用下形成的.局部空间关联指标顾及了空间相关和异质的双重属性,可以较好分析不同空间位置上存在的局部空间模式.利用局部空间关联指标探测空间模式中一个核心任务是对局部空间统计量进行假设检验.然而,由于每个空间位置都对应一个局部空间统计量,当对所有局部空间统计量同时进行统计推断时,多重假设检验就是一个不容忽略的问题. 本文通过定义PRR等指标对当前较为代表性的9种多重检验方法在空间分析领域中的检验效果进行了定量对比分析,并结合显著性对比分析给出关于不同方法抉择的建议。就Moran's I检验结果而言,FDR成对比较结果中,共22组呈现显著差异,而Power比较结果中只有4组呈显著差异。由于检验结果Power值之间并无显著差别,此时应主要关注FDR控制水平。此时,BY、BRA等顾及依赖的方法比B日法有着显著低的FDR控制水平,实际应用中可以被优先考虑。同样的方法用于分析G*指数可得到类似的结论。 地理现象聚集模式往往与资源配置及防护控制措施等相关联,有时需要综合考虑错误识别和真正异常的检验能力。理想的检验方法应该有着较高检验能力的同时有着尽可能少的错误发现。然而,这两个目标之间却存在着矛盾关系,难以同时现实。