Python处理梁氏克里曼因果关系

lgl

请问在用Python的puleoclim库计算梁氏克里曼因果关系的时候怎么看输出结果的显著检验？输出结果如大图

在输入参数时如果输入qs值，则输出结果不再是图中6个数的数组，会输出前面输入的qs值。
如小图，输入qs=0.005时

千与千叶

你不放出代码，不知道你算了什么

lgl

千与千叶 发表于 2024-9-5 23:22
你不放出代码，不知道你算了什么

第一次运行不设置qs参数
import pyleoclim as pyleo
import pandas as pd
import numpy as np

sici= np.array(pd.read_excel(r"D:\20240904\sici.xlsx",header=None)).mean(1)
pc2= np.array(pd.read_excel(r"D:/20240904/pc2.xlsx",header=None)).mean(1)

a=pyleo.utils.causality.liang_causality(pc2,sici,npt=1,signif_test='isospec',nsim=1000)
print(a)

得到了
{'T21': 0.054141223276783626, 'tau21': 0.031616391240725655, 'Z': 1.7124415896980463, 'dH1_star': -0.6780833946335855, 'dH1_noise': 0.29030021412568885, 'signif_qs': [0.005, 0.025, 0.05, 0.95, 0.975, 0.995], 'T21_noise': array([-0.07295671, -0.04228982, -0.03173436,  0.05648664,  0.07023634,
        0.11941366]), 'tau21_noise': array([-0.04899939, -0.02855708, -0.02101496,  0.03532788,  0.04403452,
        0.07219273])}

第二次运行，设置了qs为0.05，得到了
{'T21': 0.054141223276783626, 'tau21': 0.031616391240725655, 'Z': 1.7124415896980463, 'dH1_star': -0.6780833946335855, 'dH1_noise': 0.29030021412568885, 'signif_qs': [0.05], 'T21_noise': array([-0.02822197]), 'tau21_noise': array([-0.01913916])}

主要输出区别在于得到的'T21_noise'结果数量的变化，这条帖子主要是想请教怎么根据输出结果判断两时间序列是否存在显著因果关系

感谢回复！！！！

jasminew

请问您搞清楚了嘛

lgl

jasminew 发表于 2024-9-23 12:33
请问您搞清楚了嘛

不好意思了，朋友，研究重心变化，这个问题没有继续关注了。