pysal.explore.giddy.rank.Tau_Regional¶

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

经典tau的跨区域分解。

参数:	x : 数组 （n，）第一个变量。 y : 数组 （n，）第二个变量。 regimes : 数组 （n，）一个观测所属体制的标识。 permutations : 利息 用于基于计算的推理的随机空间排列数。

笔记

计算区域间和区域内tau统计的公式可在 [Rey16] 方程（27）。

实例

>>> import pysal.lib as ps
>>> import numpy as np
>>> from pysal.explore.giddy.rank import Tau_Regional
>>> np.random.seed(10)
>>> 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]))
>>> r = y / y.mean(axis=0)
>>> regime = np.array(f.by_col['esquivel99'])
>>> res = Tau_Regional(y[:,0],y[:,-1],regime,permutations=999)
>>> res.tau_reg
array([[1.        , 0.25      , 0.5       , 0.6       , 0.83333333,
        0.6       , 1.        ],
       [0.25      , 0.33333333, 0.5       , 0.3       , 0.91666667,
        0.4       , 0.75      ],
       [0.5       , 0.5       , 0.6       , 0.4       , 0.38888889,
        0.53333333, 0.83333333],
       [0.6       , 0.3       , 0.4       , 0.2       , 0.4       ,
        0.28      , 0.8       ],
       [0.83333333, 0.91666667, 0.38888889, 0.4       , 0.6       ,
        0.73333333, 1.        ],
       [0.6       , 0.4       , 0.53333333, 0.28      , 0.73333333,
        0.8       , 0.8       ],
       [1.        , 0.75      , 0.83333333, 0.8       , 1.        ,
        0.8       , 0.33333333]])
>>> res.tau_reg_pvalues
array([[0.782, 0.227, 0.464, 0.638, 0.294, 0.627, 0.201],
       [0.227, 0.352, 0.391, 0.14 , 0.048, 0.252, 0.327],
       [0.464, 0.391, 0.587, 0.198, 0.107, 0.423, 0.124],
       [0.638, 0.14 , 0.198, 0.141, 0.184, 0.089, 0.217],
       [0.294, 0.048, 0.107, 0.184, 0.583, 0.25 , 0.005],
       [0.627, 0.252, 0.423, 0.089, 0.25 , 0.38 , 0.227],
       [0.201, 0.327, 0.124, 0.217, 0.005, 0.227, 0.322]])

属性:	n : 利息 观察次数。 S : 数组 （n，n），协和矩阵，S_i，J=1，如果观测i和j是协和的，S_i，J=1，如果观测i和j是不协和的，S_i，J=0，否则。 tau_reg : 数组 （k，k），观测到的一致性矩阵，其中对角线元素测量一个区域内单位之间的一致性，而非对角线元素表示一对不同区域观测之间的一致性。 tau_reg_sim : 数组 （排列，k，k），排列样本的一致矩阵（如果排列>0）。 tau_reg_pvalues : 数组 （k，k），收入流动在空间分布上是随机的，在零条件下观察到的一致性矩阵的单边伪P值。

__init__(x, y, regime, 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，状态[，排列]）

初始化自身。