pysal.explore.giddy.rank.SpatialTau¶

class pysal.explore.giddy.rank.SpatialTau(x, y, w, permutations=0)[源代码]¶

肯德尔秩相关统计的空间版本。

肯德尔的tau是基于两个变量之间具有一致秩的n个观测对的数量的比较。空间tau将这些对分解为空间邻域和非空间邻域，并检查两组之间的等级相关性是否与在空间随机性下预期的不同。

参数:	x : 数组 （n，）第一个变量。 y : 数组 （n，）第二个变量。 w : W 空间权重对象。 permutations : 利息 用于基于计算的推理的随机空间排列数。

笔记

算法有两个阶段。第一种算法使用基于列表的算法实现来计算经典tau [Chr05] . 第二阶段通过修改算法计算相邻位置对的一致性度量 [PTVF07] . 见 [Rey14] 有关详细信息。

实例

>>> import pysal.lib as ps
>>> import numpy as np
>>> from pysal.explore.giddy.rank import SpatialTau
>>> f=ps.io.open(ps.examples.get_path("mexico.csv"))
>>> vnames=["pcgdp%d"%dec for dec in range(1940,2010,10)]
>>> y=np.transpose(np.array([f.by_col[v] for v in vnames]))
>>> regime=np.array(f.by_col['esquivel99'])
>>> w=ps.weights.block_weights(regime)
>>> np.random.seed(12345)
>>> res=[SpatialTau(y[:,i],y[:,i+1],w,99) for i in range(6)]
>>> for r in res:
...     ev = r.taus.mean()
...     "%8.3f %8.3f %8.3f"%(r.tau_spatial, ev, r.tau_spatial_psim)
... 
'   0.397    0.659    0.010'
'   0.492    0.706    0.010'
'   0.651    0.772    0.020'
'   0.714    0.752    0.210'
'   0.683    0.705    0.270'
'   0.810    0.819    0.280'

属性:	tau : 浮动 经典的tau统计。 tau_spatial : 浮动 作为空间邻居的对的tau值。 taus : 数组 （排列，1），两个时期随机空间排列下模拟tau_空间值的值。（用于开始和结束期间的排列相同）。 pairs_spatial : 利息 空间对的数目。 concordant : 浮动 一致对的数目。 concordant_spatial : 浮动 作为空间邻居的一致对的数目。 extraX : 浮动 额外X对的数目。 extraY : 浮动 额外Y对的数目。 discordant : 浮动 不一致对的数目。 discordant_spatial : 浮动 作为空间邻居的不一致对的数目。 taus : 浮动 排列样本的空间tau值（如果排列>0）。 tau_spatial_psim : 浮动 秩交换空间随机性为零时观测到的tau_空间的单侧伪P值（如果排列>0）。

__init__(x, y, w, permutations=0)[源代码]¶

初始化自身。请参阅帮助（键入（self））以获得准确的签名。

方法

__init__ \（X，Y，W[，排列]）

初始化自身。