《在统计显著性区域共定位挖掘中减少假发现：结果总结》导读

主要观点总结

本文是一篇关于如何降低统计显著区域共定位模式挖掘中的假发现率的文献综述。文章介绍了明尼苏达大学计算机科学与工程系及经济学系的研究者共同撰写的一篇论文，探讨了如何解决在寻找统计上显著的区域共定位模式时面临的挑战，如假发现风险、计算成本高昂以及空间异质性问题等。

关键观点总结

关键观点1: 研究背景与目的

论文探讨了在给定空间特征类型、实例、研究区域和邻近关系的情况下，如何找到统计上显著的区域共定位模式，这个问题在生态学、经济学和社会学等领域具有重要应用价值。

关键观点2: 存在的问题与挑战

之前的研究提出了一种挖掘器来寻找统计上显著的区域共定位模式，但存在大量统计推断，增加了假发现的风险和计算成本。

关键观点3: 解决方法与新算法

作者提出了一种名为“多重比较区域共定位挖掘器”（MultComp-RCM）的新算法，使用Bonferroni校正方法来降低假发现率和计算成本。理论分析和实验评估证明了该算法的有效性。

关键观点4: 关于空间异质性的讨论

文章讨论了为何不能直接将现有的局部模式挖掘中的假发现减少技术应用于此问题，特别是考虑到区域共定位模式的空间异质性。

关键观点5: 未来研究方向

文章提到了未来的研究方向，包括探索同时减少第一类错误和第二类错误的方法，以及将时间维度加入到区域共定位模式中。