statsmodels.stats.correlation_tools.kernel_covariance¶

statsmodels.stats.correlation_tools.kernel_covariance(exog, loc, groups, kernel=None, bw=None)[source]¶

使用核平均法来估计多元协方差函数。

目标是估计协方差函数 C(x, y) = cov(Z(x), Z(y))，其中 x, y 是 R^p 中的向量（例如，表示时间或空间中的位置），Z(.) 表示 R^p 上的多元过程。

用于估计的数据可以在位置向量的任意值处观察到，并且可以从过程中获得多个独立的观察结果。

Parameters:¶

exogarray_like

exog 的行是在指定点获得的该过程的实现。

locarray_like

loc 的行是观测 exog 的行所处的位置（例如在空间或时间上）。

groupsarray_like

组的值是用于区分独立过程副本的标签。

kernelMultivariateKernel instance, optional

一个MultivariateKernel的实例，默认为GaussianMultivariateKernel。

bwarray_like or scalar

带宽向量，或带宽乘数。如果是一个一维数组，它包含过程每个分量的核带宽，并且长度必须等于exog的列数。如果是一个标量，bw是用于调整默认带宽的带宽乘数；如果为None，则使用默认带宽。

Returns:¶

A real-valued function C(x, y) that returns an estimate of the covariance

between values of the process located at x and y.

参考文献

[1]

Genton M, W Kleiber (2015). 多元地理统计的交叉协方差函数。统计科学 30(2). https://arxiv.org/pdf/1507.08017.pdf