本文介绍了Python中使用Mann-Kendall趋势检验的方法，通过scipy.stats.kendalltau计算相关性和p值，适用于检测数据的单调趋势。Mann-Kendall检验是一种非参数检验，不需要数据符合特定分布，适用于识别变量随时间的上升或下降趋势。文章详细阐述了检验的原理、前提假设、计算过程，并提及了如何处理缺失数据。
https://blog.csdn.net/liuchengzimozigreat/article/details/87931248
在python中使用Mann-kendall：
Q: Using Mann Kendall in python with a lot of data
在python中使用mann-Kendall，可以用scipy.stats.kendalltau，该函数返回两个值：tau-反映两个序列的相关性，接近1的值表示强烈的正相关，接近-1的值表示强烈的负相关；p_value：p值反映的是假设检验的双边p值，其零假设为无关联——即通常所谓的显著性水平，一般取p<0.05为显著。
其实上面重要的是显著性水平，至于正相关还是负相关我们可以用斜率来表示。斜率可用线性回归的斜率，也可以是Sen’s slope(python中可以用stat包提供的函数来计算)。
??想了解关于风速历年变化趋势，被推荐用Mann-Kendall趋势检验，查到一篇相对详细的介绍，转译成中文以飨诸君。原文：Mann-Kendall Test For Monotonic Trend
??水平有限，如有纰漏，还望斧正。
背景知识
??Mann-Kendall(MK)检验(test)(Mann 1945, Kendall 1975, Gilbert 1987) 的目的是统计评估我们所感兴趣的变量，随着时间变化，是否有单调上升或下降的趋势。单调上升(下降)的趋势意味着该变量随时间增加(减少)，但此趋势可能是、也可能不是线性的。MK test可替代参数线性回归分析——线性回归可检验线性拟合直线的斜率是否不为零。回归分析要求拟合回归线的残差是正态分布的，MK检验不需要这
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
