在前版本基础上，针对有用户反映当数据有极端大的异常值时，画出的图不美观，具体表现在等高线集中在某一小块区域的问题，对此做出改进如下：增加坐标轴范围的选项，该选项的范围为1-100，代表将数据从小到大排列后，取前百分之多少的量，以剔除极端大值。当数据中没有极端大值时，该项填100，当极端大的数据值占总数据量约为5%时，这里填100-5，即填95，其他情况类似 本篇文章来源于微信公众号: 工具视界

今天推出的是传统马尔可夫链程序。 传统马尔科夫链作为一种在时间和状态均为离散条件下满足{X( t ),t ∈ T}的随机过程，其取值是一个有限的集合M，即状态空间，而T 则对应各个时期。 假定Pij为所要研究的指标数据，则该指标从t年的状态i转移到t+1年的状态j的转移概率，可以依据如下公式计算： 其中nij表示在研究期间，由t年份属于i类型的单位在t+1年份转为j类型的单位个数，ni是t年份属于类型i的单位个数。 使用传统马尔可夫的参考文献比较多，此处不做赘述。今日写的程序，使用者依然只需要准备好数据，指定参数，即可获取结果。 软件的可靠性验证如下： 图1 图2 图1为软件根据某国外期刊论文刊登数据计算得到的结果，图2为论文作者披露的结果，大家可以自行比对。 需要的同学，直接扫码加我微信购买即可。 关于空间马尔可夫链的代码，已经写好，但是尚未找到可以作为验证的文献，大家有好的文献，也欢迎推荐。 本篇文章来源于微信公众号: 工具视界

对Dagum基尼系数分解工具进行了更新，主要是针对在多个年份数据中，各个组别排序不一致的情况下，需要一年年来做的问题。 在新的版本中，不论各个年份的组别均值排序是否相同，软件都支持对一年或者多年的数据进行分解运算。 以上。   需要的话，扫描微信二维码加我就行。 附带有使用文档、参考文献、示例数据，很好上手。   本篇文章来源于微信公众号:工具视界

今天要介绍的是一个目前论文中常用到的方法：无条件kernel核密度、空间静态kernel核密度和空间动态kernel核密度。 Kernel核密度估计属于非参数估计方法，不过分依赖模型，可以用来研究各地区的不平衡分布问题。 假设f(x)是随机变量X的的密度函数，Xi为独立同分布的观测值，x为均值，h为带宽。带宽越大，估计的密度函数曲线越光滑，估计精度越低，反之，带宽越小，曲线越不光滑，估计精度也越高。 空间Kernel核密度是在Kernel核密度估计的基础上，加入空间因素，对随机变量的概率进行估计，公式如下： 相关的理论，这里就不再赘述，主要讲工具的使用。 这里参考相关文献数据，写出了一个脚本工具，可以做无条件kernel核密度、空间静态kernel核密度、空间动态kernel核密度，使用者可以自行指定时间跨度和带宽。 软件界面如下：   使用时，只需要根据自身需求，输入相关参数，即可得到结果，方便快捷。使用该软件画出的图，与相关文献给出的图极为接近，对比如下： 图1 图2 图1为论文原图，图2为我用软件做出的图。大家可以自行比对。   ...