【空间计量经济学】中国31省省会地理距离矩阵

这篇具有很好参考价值的文章主要介绍了【空间计量经济学】中国31省省会地理距离矩阵。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

跑回归的时候发现网上的资源都要钱了,所以手搓了一份。

PS:不含港澳台。(主要是我跑数据的时候没用到)

预览:

31个省份空间地理距离权重矩阵,矩阵,回归,线性代数,经验分享

省会地理距离矩阵

31个省份空间地理距离权重矩阵,矩阵,回归,线性代数,经验分享

省会地理距离矩阵(取倒数)

31个省份空间地理距离权重矩阵,矩阵,回归,线性代数,经验分享

省会地理距离矩阵(取平方倒数)

链接(蓝奏云):https://wwf.lanzout.com/idNFg0ezcsrc

密码:duht

代码虽然没什么技术含量但姑且贴一下:文章来源地址https://www.toymoban.com/news/detail-597192.html

import pandas as pd
import numpy as np
import math

loc = {'山东':[117.000923, 36.675807],
          '河北':[115.48333,38.03333],
          '吉林':[125.35000,43.88333],
          '黑龙江':[127.63333,47.75000],
          '辽宁':[123.38333,41.80000],
          '内蒙古':[111.670801, 41.818311],
          '新疆':[87.68333,43.76667],
          '甘肃':[103.73333,36.03333],
          '宁夏':[106.26667,37.46667],
          '山西':[112.53333,37.86667],
          '陕西':[108.95000,34.26667],
          '河南':[113.65000,34.76667],
          '安徽':[117.283042, 31.86119],
          '江苏':[119.78333,32.05000],
          '浙江':[120.20000,30.26667],
          '福建':[118.30000,26.08333],
          '广东':[113.23333,23.16667],
          '江西':[115.90000,28.68333],
          '海南':[110.35000,20.01667],
          '广西':[108.320004, 22.82402],
          '贵州':[106.71667,26.56667],
          '湖南':[113.00000,28.21667],
          '湖北':[114.298572, 30.584355],
          '四川':[104.06667,30.66667],
          '云南':[102.73333,25.05000],
          '西藏':[91.00000,30.60000],
          '青海':[96.75000,36.56667],
          '天津':[117.20000,39.13333],
          '上海':[121.55333,31.20000],
          '重庆':[106.45000, 29.56667],
          '北京': [116.41667,39.91667],
          '台湾': [121.30, 25.03],
          '香港': [114.10000,22.20000],
          '澳门': [113.50000,22.20000],
}    #拿到的坐标原始数据就长这样,换成读表格也差不多
df = pd.read_excel("金融指数.xlsx",sheet_name="2020")    #按需要顺序排列省份名称
lis = df.iloc[0:,0:1].values
mat1 = np.zeros((31,31))    #存放地理距离
mat2 = np.zeros((31,31))    #存放地理距离倒数

for i in range(31):
    for j in range(31):
        if i == j:
            continue
        else:
            ja = loc[lis[i][0]][0] / 180 * math.pi
            jb = loc[lis[j][0]][0] / 180 * math.pi
            wa = loc[lis[i][0]][1] / 180 * math.pi
            wb = loc[lis[j][0]][1] / 180 * math.pi
            mat1[i][j] = 6371 * math.acos(math.cos(wa)*math.cos(wb)*math.cos(jb-ja)+math.sin(wa)*math.sin(wb))
            mat2[i][j] = 1 / mat1[i][j]

mat3 = pd.DataFrame(mat1)
mat4 = pd.DataFrame(mat2)
writer = pd.ExcelWriter("矩阵.xlsx")
tar3.to_excel(writer, 'geom', float_format='%.6f')
tar4.to_excel(writer, 'igeom', float_format='%.6f')
writer.save()
writer.close()

到了这里,关于【空间计量经济学】中国31省省会地理距离矩阵的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 计量经济学及Stata应用 陈强 第九章模型设定与数据问题习题9.5

    9.5美国的汽油需求函数是否稳定?使用数据集gasoline.dta,估计美国1953-2004年的汽油需求函数: 其中,被解释变量lgasq为人均汽油消费量的对数,解释变量lincome为人均收入对数,lgasp为汽油价格指数的对数,lpnc为新车价格指数的对数,lpuc为二手车价格指数的对数。 (1)将lgas

    2024年02月06日
    浏览(117)
  • 计量经济学及Stata应用 陈强 第九章模型设定与数据问题习题9.4

    9.4使用数据集Growth.dta考察贸易与增长的关系。该数据集的被解释变量为65个国家1960-1995年的平均增长率(growth),而主要解释变量为1960-1995年的平均贸易开放度(tradeshare) (1)将growth与tradeshare的散点图与线性拟合图画在一起,二者看上去是否有关系? (2)有一个国家马耳

    2024年02月04日
    浏览(70)
  • 中国各省会城市经纬度数据(附MATLAB代码)

    北京市:北京;天津市:天津;上海市:上海;重庆市:重庆 ;河北省:石家庄 山西省:太原 ;陕西省:西安 ;山东省:济南;河南省:郑州 ; 辽宁省:沈阳 ;吉林省:长春 ;黑龙江省:哈尔滨 ;江苏省:南京 ;浙江省:杭州 ;安徽省:合肥 ;江西省:南昌; 福建省

    2024年02月13日
    浏览(34)
  • 空间计量部分小结

    假设检验 原假设:解释变量与被解释变量之间无差别(无影响),也就是说解释变量不影响被解释变量。 空间计量的一般步骤 ①进行空间矩阵的制作,其中经常使用的是反距离矩阵。最终的矩阵要是标准化的正定矩阵。 ②进行豪斯曼检验 原假设:空间固定效应联合不显著

    2024年02月06日
    浏览(26)
  • 生态经济学领域里的R语言机器学(数据的收集与清洗、综合建模评价、数据的分析与可视化、数据的空间效应、因果推断等)

    近年来,人工智能领域已经取得突破性进展,对经济社会各个领域都产生了重大影响,结合了统计学、数据科学和计算机科学的机器学习是人工智能的主流方向之一,目前也在飞快的融入计量经济学研究。表面上机器学习通常使用大数据,而计量经济学则通常使用较小样本,

    2024年02月11日
    浏览(43)
  • 285个地级市空间权重矩阵(空间邻接、地理距离、经济距离、经济地理嵌套矩阵)

    285个地级市空间权重矩阵(空间邻接、地理距离、经济距离、经济地理嵌套矩阵) 1、范围:285个地级市 2、数据包括:包括空间邻接矩阵、空间地理距离矩阵、空间经济距离矩阵、空间经济地理嵌套矩阵 其中空间经济距离矩阵根据2003-2019年人均GDP得到 3、指标说明: 空间权

    2024年02月16日
    浏览(46)
  • 地理空间分析12——地理位置数据隐私与安全

    在数字化时代,地理位置数据成为了众多应用程序和服务不可或缺的一部分。从导航应用到社交媒体,从广告定位到城市规划,地理位置数据的应用范围广泛。然而,这些数据的收集和使用也引发了广泛的隐私和安全担忧。本文将探讨地理位置数据隐私的挑战和重要性,并介

    2024年03月19日
    浏览(45)
  • matlab做经济地理、地理距离、经济距离空间权重矩阵

    首先讲下地理加权空间权重矩阵: 该矩阵的经济含义是通过不同点的坐标系之间的距离远近来衡量两地之间的关系重要程度,当两点之间距离较远,所占的权重越低,而距离越近,权重越高。故操作如下: 首先需要导入坐标数据: A=csvread(\\\'JWD.csv\\\',1,0); % JWD.csv是文件名,csvrea

    2023年04月12日
    浏览(30)
  • Elasticsearch 地理空间计算

      地理位1置搜索:使用查询API进行搜索 1、Geo Distance Query Geo Distance Query是在给定的距离范围内搜索数据的查询。例如,可以搜索给定地理位置附近指定距离内的所有文档。 2、 Geo Bounding Box Query Geo Bounding Box Query是一种以四边形形式搜索地理坐标数据的查询。它可以定义顶点

    2024年02月12日
    浏览(46)
  • Elasticsearch 地理空间搜索 - 远超 OpenSearch

    作者:来自 Elastic Nathan_Reese 2021 年,OpenSearch 和 OpenSearch Dashboards 开始作为 Elasticsearch 和 Kibana 的分支。 尽管 OpenSearch 和 OpenSearch Dashboards 具有相似的血统,但它们不提供相同的功能。 在分叉时,只能克隆开源许可的功能。 这给 OpenSearch 留下了一部分功能。 自分叉以来,这种

    2024年02月01日
    浏览(27)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包