স্থানীয় মুরানের আই পরিসংখ্যানের জন্য পি-মান সমন্বয় (এলআইএসএ)


10

আমি স্পডেপ প্যাকেজ ব্যবহার করে আর-তে কিছু অনুসন্ধানের স্থানিক বিশ্লেষণের সাথে কাজ করছি।

ফাংশনটি ব্যবহার করে গণনা করা স্থানিক সংস্থার স্থানীয় সূচকের পি- মূল্যগুলি সামঞ্জস্য করার জন্য আমি একটি বিকল্প পেয়েছি localmoran। দস্তাবেজ অনুসারে এটি লক্ষ্য:

... একাধিক পরীক্ষার জন্য সম্ভাব্যতার মান সমন্বয়।

ডক্সে আরও p.adjustSPআমি পড়লাম যে উপলব্ধ বিকল্পগুলি হ'ল :

সামঞ্জস্য পদ্ধতিতে বনফেরোনি সংশোধন ('"Bonferroni"') অন্তর্ভুক্ত রয়েছে যেখানে পি-মানগুলি তুলনার সংখ্যার দ্বারা গুণিত হয়। চারটি কম রক্ষণশীল সংশোধনী হোলম (1979) ('' হলম ''), হচবার্গ (1988) ('"হোলবার্গ" "), হোমেল (1988) (' 'হোমেল' ') এবং বেঞ্জামিনী ও হচবার্গ (1995) অন্তর্ভুক্ত করেছেন ('' fdr '') যথাক্রমে। একটি পাস-মাধ্যমে বিকল্প ('' কিছুই নয় '') অন্তর্ভুক্ত রয়েছে।

প্রথম চারটি পদ্ধতি পরিবার-ভিত্তিক ত্রুটির হারের শক্তিশালী নিয়ন্ত্রণ দেওয়ার জন্য ডিজাইন করা হয়েছে। অশোধিত বোনফেরনির সংশোধনটি ব্যবহার করার কোনও কারণ নেই বলে মনে হয় কারণ এটি হলমের পদ্ধতি দ্বারা প্রভাবিত, যা স্বেচ্ছাসেবী অনুমানের অধীনেও বৈধ।

হিপবার্গ এবং হোমেলের পদ্ধতিগুলি বৈধ যখন হাইপোথিসিস টেস্টগুলি স্বতন্ত্র থাকে বা যখন তারা অ-নেতিবাচকভাবে সম্পর্কিত হয় (সরকার, 1998; সরকার এবং চ্যাং, 1997)। হমবার্গের চেয়ে হোমেলের পদ্ধতিটি আরও শক্তিশালী, তবে পার্থক্যটি সাধারণত ছোট এবং হচবার্গের পি-ভ্যালুগুলি দ্রুত গণনা করা যায়।

"বিএইচ" (ওরফে "এফডিআর") এবং বেঞ্জামিনী, হচবার্গ এবং ইয়েকুটিয়েলি "বিওয়াই" পদ্ধতিটি প্রত্যাখাত হাইপোথিসগুলির মধ্যে মিথ্যা আবিষ্কারের প্রত্যাশিত অনুপাত নিয়ন্ত্রণ করে। মিথ্যা আবিষ্কারের হারটি পরিবার-ভিত্তিক ত্রুটির হারের চেয়ে কম কঠোর শর্ত, সুতরাং এই পদ্ধতিগুলি অন্যদের চেয়ে বেশি শক্তিশালী।

বেশ কয়েকটি প্রশ্ন হাজির:

  1. সরল কথায় - এই সমন্বয়ের উদ্দেশ্য কী?
  2. এই ধরনের সংশোধন ব্যবহার করা প্রয়োজন?
  3. যদি হ্যাঁ - উপলব্ধ বিকল্পগুলি থেকে কীভাবে চয়ন করবেন?

1
আমি এই প্রশ্নটি স্থানান্তর করেছি কারণ এটির মতো অনেকগুলি এখানে সিভিতে সম্বোধন করা হয়েছে। উদাহরণস্বরূপ, অনুসন্ধান থেকে আপনি কী শিখতে পারেন তা দেখুন ।
whuber

@ শুভ ধারণা। আমি সিভি সম্পর্কে ভাবি নি, তবে এটি অবশ্যই এটির জন্য আরও ভাল বাড়ি বলে মনে হচ্ছে। ধন্যবাদ।
রাদেক

উত্তর:


1

সংক্ষেপে, আপনি যে সমস্যার মুখোমুখি হচ্ছেন তাকে একাধিক অনুমান পরীক্ষা বলা হয় । আপনি যখন পরীক্ষা করছেন তখন এটি উত্থাপিত হয়, যেমন নামটি ইঙ্গিত দেয়, একই সাথে অনেক হাইপোথিসিস।

ধরা যাক যে আপনার কাছে পরীক্ষার জন্য নাল হাইপোথিসিস (মিথ্যা পজিটিভ) ভুলভাবে প্রত্যাখ্যান করার একটি সম্ভাব্য সম্ভাবনা রয়েছে, 5% বলুন। আপনি যে ডেটাসেটগুলি পরীক্ষা করছেন এটির সংখ্যা বাড়ানোর সাথে সাথে (এই ক্ষেত্রে, আপনি স্থানীয় মুরান পরিসংখ্যান প্রয়োগ করেন এমন প্রতিটি সেট), কোনও ডেটাसेटে একটি মিথ্যা পজিটিভ পর্যবেক্ষণের সম্ভাবনা স্বাধীনভাবে বৃদ্ধি পাবে, এ ঘটনাটি পর্যবেক্ষণের সম্ভাবনা থেকে একটি একক ডেটাসেটের জন্য একটি মিথ্যা পজিটিভ একই।

এই সমস্যাটি সংশোধন করার জন্য অনেকগুলি সম্ভব "সংশোধন" রয়েছে যা আপনি খুঁজে পেয়েছেন; আপনার যদি সত্যিই কোনও স্থানীয় পরিসংখ্যানের প্রয়োজন হয় তবে আপনি এটি ডজ করতে পারবেন না। অন্যথায়, আপনি বিশ্বব্যাপী পরিসংখ্যানকে একটি একক অনুমান হিসাবে ব্যবহার করতে পারেন।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.