- betas : 数组
(k+1)x1估计系数数组(rho-first)
- rho : 浮动
空间自回归系数的估计
- u : 数组
nx1残差数组
- predy : 数组
nx1预测Y值数组
- n : 整数
观测次数
- k : 整数
估计系数的变量数(包括常数,不包括rho)
- y : 数组
因变量nx1数组
- x : 数组
二维数组,n行,每个独立(外生)变量一列,包括常量
- method : 一串
Log Jacobian方法if“full”:蛮力(全矩阵计算)
- ε : 浮动
极小标量函数与逆积的公差准则
- mean_y : 浮动
因变量均值
- std_y : 浮动
因变量标准差
- vm : 数组
方差协方差矩阵(k+1 x k+1),所有系数
- vm1 : 数组
方差协方差矩阵(k+2 x k+2),包括sig2
- sig2 : 浮动
计算中使用的sigma平方
- logll : 浮动
最大对数似然(包括常数项)
- aic : 浮动
阿卡克信息准则
- schwarz : 浮动
施瓦茨准则
- predy_e : 数组
还原形式的预测值
- e_pred : 数组
用简化预测值预测误差
- pr2 : 浮动
伪r平方(y和ypred之间的平方相关)
- pr2_e : 浮动
伪r平方(y与ypred_e之间的平方相关(使用约简形式))。
- utu : 浮动
残差平方和
- std_err : 数组
1×k阵列的betas标准误差
- z_stat : 元组列表
z statistic;每个元组包含一对(statistic,p-value),其中每个都是一个浮点
- name_y : 一串
输出中使用的从属变量的名称
- name_x : 字符串表
输出中使用的自变量的名称
- name_w : 一串
输出中使用的权重矩阵的名称
- name_ds : 一串
用于输出的数据集名称
- title : 一串
所用回归方法的名称
- 实例
- ________
- >>>将numpy导入为np
- >>>导入pysal.lib
- >>>db=pysal.lib.io.open(pysal.lib.examples.get_path(“baltim.dbf”),'r”)。
- >>>ds_name=“baltim.dbf”,
- >>>y_name=“price”,
- >>>Y=np.array(db.by_col(y_name)).t
- >>>Y.shape=(len(y),1)
- >>>X_name=[“nroom”,“nbath”,“patio”,“firml”,“ac”,“gar”,“age”,“lotsz”,“sqft”]
- >>>x=np.array([db.by_col(var)for var in x_name]).t
- >>>ww=ps.open(ps.examples.get_path(“baltim_q.gal”))
- >>>w=w w.read()。
- >>>ww.close()。
- >>>W_name=“Baltim_q.gal”,
- >>>w.transform='r',
- >>>ml lag=ml_lag(y,x,w,name_y=y_name,name_x=x_name,name_w=w_name,name_ds=ds_name)doctest:+skip
- >>>np.around(mllag.betas,decimals=4)doctest:+skip
- 数组([[4.3675])
[0.7502]、[5.6116]、[7.0497]、[7.7246]、[6.1231]、[4.6375]、[-0.1107]、[0.0679]、[0.0794]、[0.4259])
- >>>“0:.6f”.格式(mllag.rho)doctest:+skip
- '0.425885'
- >>>“0:.6f”.格式(mllag.mean y)doctest:+skip
- '44.307180'
- >>>“0:.6f”.格式(mllag.std_y)doctest:+skip
- '23.606077'
- >>>np.around(np.diag(mllag.vm1),decimals=4)doctest:+skip
- 数组([23.8716,1.1222,3.0593,7.3416,5.6695,5.4698,]
2.8684、0.0026、0.0002、0.0266、0.0032、220.1292])
- >>>np.around(np.diag(mllag.vm),decimals=4)doctest:+skip
- 数组([23.8716,1.1222,3.0593,7.3416,5.6695,5.4698,]
2.8684、0.0026、0.0002、0.0266、0.0032])
- >>>“0:.6f”.格式(mllag.sig2)doctest:+skip
- '151.458698'
- >>>“0:.6f”.格式(mllag.logll)doctest:+skip
- “-832.937174”
- >>>“0:.6f”.格式(mllag.aic)doctest:+skip
- '1687.874348'
- >>>“0:.6f”.格式(mllag.schwarz)doctest:+skip
- '1724.744787'
- >>>“0:.6f”.格式(mllag.pr2)doctest:+skip
- '0.727081'
- >>>“0:.4f”.格式(mllag.pr2 e)doctest:+skip
- '0.7062'
- >>>“0:.4f”.格式(mllag.utu)doctest:+skip
- '31957.7853'
- >>>np.around(mllag.std_err,decimals=4)doctest:+skip
- 阵列([4.8859,1.0593,1.7491,2.7095,2.3811,2.3388,1.6936,]
0.0508、0.0146、0.1631、0.057])
- >>>np.around(mllag.z_stat,decimals=4)doctest:+skip
- 数组([[0.8939,0.3714])
[0.7082,0.4788]、[3.2083,0.0013]、[2.6018,0.0093]、[3.2442,0.0012]、[2.6181,0.0088]、[2.7382,0.0062]、[-2.178,0.0294]、[4.6487,0.],[0.4866,0.6266],[7.4775,0.])
- >>>mllag.name_y doctest:+跳过
- ‘价格’*
- >>>mllag.name_x doctest:+跳过
- [常量'、'nroom'、'nbath'、'patio'、'firml'、'ac'、'gar'、'age'、'lotsz'、'sqft'、'w_price']
- >>>mllag.name_w doctest:+跳过
- 'baltim_q.gal'
- >>>mllag.name_ds doctest:+跳过
- 'baltim.dbf'
- >>>mllag.title doctest:+跳过
- “最大似然空间滞后(方法=完全)”
- >>>ml lag=ml_lag(y,x,w,method='ord',name_y=y_name,name_x=x_name,name_w=w_name,name_ds=ds_name)doctest:+skip
- >>>np.around(mllag.betas,decimals=4)doctest:+skip
- 数组([[4.3675])
[0.7502]、[5.6116]、[7.0497]、[7.7246]、[6.1231]、[4.6375]、[-0.1107]、[0.0679]、[0.0794]、[0.4259])
- >>>“0:.6f”.格式(mllag.rho)doctest:+skip
- '0.425885'
- >>>“0:.6f”.格式(mllag.mean y)doctest:+skip
- '44.307180'
- >>>“0:.6f”.格式(mllag.std_y)doctest:+skip
- '23.606077'
- >>>np.around(np.diag(mllag.vm1),decimals=4)doctest:+skip
- 数组([23.8716,1.1222,3.0593,7.3416,5.6695,5.4698,]
2.8684、0.0026、0.0002、0.0266、0.0032、220.1292])
- >>>np.around(np.diag(mllag.vm),decimals=4)doctest:+skip
- 数组([23.8716,1.1222,3.0593,7.3416,5.6695,5.4698,]
2.8684、0.0026、0.0002、0.0266、0.0032])
- >>>“0:.6f”.格式(mllag.sig2)doctest:+skip
- '151.458698'
- >>>“0:.6f”.格式(mllag.logll)doctest:+skip
- “-832.937174”
- >>>“0:.6f”.格式(mllag.aic)doctest:+skip
- '1687.874348'
- >>>“0:.6f”.格式(mllag.schwarz)doctest:+skip
- '1724.744787'
- >>>“0:.6f”.格式(mllag.pr2)doctest:+skip
- '0.727081'
- >>>“0:.6f”.格式(mllag.pr2_e)doctest:+skip
- '0.706198'
- >>>“0:.4f”.格式(mllag.utu)doctest:+skip
- '31957.7853'
- >>>np.around(mllag.std_err,decimals=4)doctest:+skip
- 阵列([4.8859,1.0593,1.7491,2.7095,2.3811,2.3388,1.6936,]
0.0508、0.0146、0.1631、0.057])
- >>>np.around(mllag.z_stat,decimals=4)doctest:+skip
- 数组([[0.8939,0.3714])
[0.7082,0.4788]、[3.2083,0.0013]、[2.6018,0.0093]、[3.2442,0.0012]、[2.6181,0.0088]、[2.7382,0.0062]、[-2.178,0.0294]、[4.6487,0.],[0.4866,0.6266],[7.4775,0.])
- >>>mllag.name_y doctest:+跳过
- ‘价格’*
- >>>mllag.name_x doctest:+跳过
- [常量'、'nroom'、'nbath'、'patio'、'firml'、'ac'、'gar'、'age'、'lotsz'、'sqft'、'w_price']
- >>>mllag.name_w doctest:+跳过
- 'baltim_q.gal'
- >>>mllag.name_ds doctest:+跳过
- 'baltim.dbf'
- >>>mllag.title doctest:+跳过
- 'MAXIMUM LIKELIHOOD SPATIAL LAG (METHOD = ORD)'