scipy.stats.mstats.

kendalltau#

scipy.stats.mstats.kendalltau(x, y, use_ties=True, use_missing=False, method='auto', alternative='two-sided')[source]#

计算两个变量 xy 上的 Kendall 秩相关 tau。

参数:
x序列

第一个数据列表 (例如,时间)。

y序列

第二个数据列表。

use_ties{True, False}, 可选

是否应该执行领结校正。

use_missing{False, True}, 可选

是否应将缺失数据分配等级 0 (False) 或平均等级 (True)

method{‘auto’, ‘asymptotic’, ‘exact’}, 可选

定义用于计算 p 值的算法 [1]。 ‘asymptotic’ 使用对大样本有效的正态近似。 ‘exact’ 计算精确的 p 值,但只有在不存在领结时才能使用。 随着样本量的增加,“exact”计算时间可能会增长,并且结果可能会损失一些精度。 “auto”是默认值,并根据速度和准确性之间的权衡选择适当的方法。

alternative{‘two-sided’, ‘less’, ‘greater’}, 可选

定义备择假设。 默认为“two-sided”。 以下选项可用

  • “two-sided”:等级相关性非零

  • “less”:等级相关性为负(小于零)

  • “greater”:等级相关性为正(大于零)

返回值:
resSignificanceResult

一个包含以下属性的对象

statisticfloat

tau 统计量。

pvaluefloat

假设检验的 p 值,其零假设是不存在关联,tau = 0。

参考文献

[1]

Maurice G. Kendall, “Rank Correlation Methods” (4th Edition), Charles Griffin & Co., 1970.