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。   需要的话，扫描微信二维码加我就行。 附 ...

Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hexo, you can find the answer in troubleshooting or you can ask me on GitHub. Quick StartCreate a new post1$ hexo new "My New Post" More info: Writing Run server1$ hexo server More info: Server Generate static files1$ hexo generate More info: Generating Deploy to remote sites1$ hexo deploy More info: Deployment