Python统计计算：MFB与MFE结果数值过低问题求助

现有计算代码 #

import numpy as np

# 当前使用的MFB/MFE计算代码
MFB=(2*np.nansum((MODEL-MEAS)))/(N*np.nansum(np.absolute(MODEL+MEAS)))
MFE=(2*np.nansum(np.absolute(MODEL-MEAS)))/(N*np.nansum(np.absolute(MODEL+MEAS)))

数值过低的核心原因 #

• 分母冗余乘以N：标准MFB/MFE公式的分母一般为模型与观测值的绝对值和（或和的绝对值），不需要乘以样本量N。你代码中的N*np.nansum(...)会将分母放大N倍，直接让计算结果缩小N倍，这是数值偏低的主要原因。
• 绝对值处理不符合标准公式：部分权威定义中，MFB/MFE的分母是Σ(|MODEL| + |MEAS|)，而非Σ(|MODEL+MEAS|)。当模型值与观测值符号相反时，后者会远小于前者，导致分母异常偏大，结果被进一步缩小。
• 与给定附图公式不匹配：如果附图中的公式分母无N因子、无绝对值（或绝对值位置不同），当前代码的额外处理必然导致结果偏差。

针对性解决办法 #

1. 移除分母的N因子
   先尝试去掉代码中的N，修正后代码：

   MFB = (2 * np.nansum(MODEL - MEAS)) / np.nansum(np.absolute(MODEL + MEAS))
   MFE = (2 * np.nansum(np.absolute(MODEL - MEAS))) / np.nansum(np.absolute(MODEL + MEAS))
   

2. 调整绝对值的计算位置
   如果附图公式中分母是各自绝对值的和，修改分母计算逻辑：

   # 计算模型与观测值各自绝对值的总和
   denominator = np.nansum(np.absolute(MODEL) + np.absolute(MEAS))
   MFB = (2 * np.nansum(MODEL - MEAS)) / denominator
   MFE = (2 * np.nansum(np.absolute(MODEL - MEAS))) / denominator
   

3. 确认有效样本数的使用
   若公式确实需要用到样本量，需使用排除nan后的有效样本数，而非原始总样本数：

   # 获取有效样本数（排除nan值）
   N_valid = np.count_nonzero(~np.isnan(MODEL) & ~np.isnan(MEAS))
   # 后续计算替换原N为N_valid
   

内容的提问来源于stack exchange，提问作者Dimitris Tsiaousidis