單方程模型高級(jí)問(wèn)題PPT課件

1、單方程模型高級(jí)問(wèn)題單方程模型高級(jí)問(wèn)題例2v研究工作經(jīng)驗(yàn)對(duì)工資的影響，假設(shè)由于法律的原因，男性和女性參加工作時(shí)的起薪是一樣的v建立模型Y是月薪，X是工齡uXDY)(21：女性：男性01D虛擬變量的影響斜率項(xiàng)位移hW男性女性XY)(21XY1例3v對(duì)例2，如果男女參加工作時(shí)的起薪存在性別歧視，應(yīng)如何修正模型？uXDDY)(2121：女性：男性01D虛擬變量的影響截距項(xiàng)和斜率項(xiàng)均位移hW男性女性XY)()(2121XY11例4-Av研究學(xué)歷對(duì)工作的影響，建立模型Y:參加工作的起薪v模型A:uDbbY10大學(xué)及以上中學(xué)小學(xué)文盲3210D例4-Bv模型B:uDbDbDbDbbY443322110非大學(xué)大

2、學(xué)011D非中學(xué)中學(xué)012D非小學(xué)小學(xué)013D非文盲文盲014D虛擬變量陷阱v對(duì)模型B110001010010010100011正規(guī)方程系數(shù)矩陣非滿秩矩陣存在多重共線性虛擬變量陷阱v欲表征的狀態(tài)數(shù)等于虛擬變量個(gè)數(shù)v此時(shí)存在完全多重共線性v因此，虛擬變量個(gè)數(shù)=欲表征的狀態(tài)數(shù)-1例4-Cv模型C：uDbDbDbbY3322110非大學(xué)大學(xué)011D非中學(xué)中學(xué)012D非小學(xué)小學(xué)013D季節(jié)性變動(dòng)虛擬變量v銷售函數(shù)模型v考慮銷售量的季節(jié)性波動(dòng)，應(yīng)如何引入虛擬變量?tktkttuXbXbbC110ttttktkttuQaQaQaXbXbbC332211110其它季季第01iQiti=1,2,3v檢驗(yàn)?zāi)Ｐ头?/p>

3、映的經(jīng)濟(jì)結(jié)構(gòu)是否由于受到某種因素的影響而發(fā)生變化v例如:時(shí)間序列數(shù)據(jù)，1992年后解釋變量的參數(shù)可能發(fā)生變化界面數(shù)據(jù)，東部省份和中西部省份的回歸結(jié)果不一致結(jié)構(gòu)穩(wěn)定性的 Chow 檢驗(yàn)v對(duì)總樣本進(jìn)行回歸v將總樣本分成兩個(gè)子樣本，分別回歸v構(gòu)造統(tǒng)計(jì)量)1(2, 1()1(2/)(1/)(21212121knnkFknnSSkSSSF經(jīng)濟(jì)結(jié)構(gòu)顯著變化著變化經(jīng)濟(jì)結(jié)構(gòu)穩(wěn)定，沒(méi)有顯FFFF參數(shù)穩(wěn)定性Chow檢驗(yàn)v判斷樣本擴(kuò)大時(shí)，模型參數(shù)的估計(jì)是否具有穩(wěn)定性v對(duì)原樣本n1進(jìn)行回歸v增加n2個(gè)觀測(cè)值，組成新樣本 n1 + n2 進(jìn)行回歸v構(gòu)成統(tǒng)計(jì)量)1(,()1(/(/ )(1211210knnFknSnSS

4、F變化參數(shù)不穩(wěn)定，經(jīng)濟(jì)規(guī)律有變化參數(shù)穩(wěn)定，經(jīng)濟(jì)規(guī)律沒(méi)FFFF舉例v研究各省市旅游外匯收入，建立模型Y：旅游外匯收入；X1旅行社職工人數(shù)；X2國(guó)際旅游人數(shù)：v得到回歸方程：v (3.067) (6.653) (3.378)v分別對(duì)東部地區(qū)東北、華北、華東、華南15省市和西部地區(qū)華中、西南、西北16省市進(jìn)行回歸uXbXbbY22110uXXY215452. 11179. 003.15199. 2)25, 3(97.1105. 0FFv模型結(jié)構(gòu)發(fā)生變化，但回歸函數(shù)保持連續(xù)v在一個(gè)時(shí)刻結(jié)構(gòu)發(fā)生變化：XYb1ttbtttttbtttuXXYDuXYDTtbbtDuDXXXY)()(10)(1)1 (0)

5、(21120110111111210時(shí)，當(dāng)時(shí)，當(dāng)v在兩個(gè)時(shí)刻結(jié)構(gòu)發(fā)生變化：)()()()()()()1 ()(1)1 (0)(1)1 (0)()(232123120212112011022211122311210TtbuXXXbtbuXXbtuXYTtbbtDTtbbtDuDXXDXXXYttbbttbttttbtbttt分段形式：3.2 虛擬因變量 (受限因變量、分類選擇模型)v被解釋變量是定性變量。如家庭是否擁有自己的住宅，企業(yè)是否在某個(gè)地區(qū)投資，成年男子是否在“參與勞動(dòng)等。v常見模型：v線性概率模型LPMv對(duì)數(shù)單位模型Logit Modelv概率單位模型Probit Model表示家庭收

6、入，沒(méi)有住房，如果擁有住房其中，為以下形式：以一元模型為例，iiiiXYuXYLPM0121與一般線性模型相比，Y不再服從正態(tài)分布，而是一個(gè)二項(xiàng)分布)| 1()| 1(1 (0)| 1(1)|()| 1(1)| 1(21iiiiiiiiiiiiiiXYPXYPXYPXXYEXYPXYPX條件期望：是則不擁有住房的概率就率為家庭擁有住房的條件概記收入為的概率而是因變量取是因變量的期望值，模型擬合的事實(shí)上不因此對(duì)1iX線性概率模型的問(wèn)題點(diǎn)估計(jì)仍然是無(wú)偏的。但是。實(shí)際上它遵循二項(xiàng)分布是正態(tài)分布的：顯然，我們不能再假定時(shí)，當(dāng)時(shí)，當(dāng)也取兩個(gè)值。因此），只取兩個(gè)值，而OLSuXuYXuYuXYuYiiii

7、iiiiiiii212121011(1)隨機(jī)項(xiàng)非正態(tài)性(2)異方差概率總和1iuiX21iX211iP1iP異方差因此不同，的取值不同，所以對(duì)不同的樣本點(diǎn)，iiiiiiiiiiiiiiiiiiiiuPXPPXXXXXXPXPXuEuEuEuEu)1 ()1)()()1 ()1 ()()()1 ()1 ()()0)()()()var(2121212212122122122122異方差的處理v隨機(jī)項(xiàng)異方差，OLS估計(jì)量線性無(wú)偏但不是有效的v用加權(quán)最小二乘法WLS處理v方程兩邊同時(shí)除以)1 (iiPP(3)值域問(wèn)題v問(wèn)題：條件期望的值可能超出0,1區(qū)間，這是線性概率模型的嚴(yán)重缺點(diǎn)v處理：大于1的當(dāng)作

8、1，小于0的當(dāng)作0采用Logit 或Probit模型(4)擬合優(yōu)度問(wèn)題1YX0受約束)(b1YX0無(wú)約束)(aLPMLPM對(duì)于受約束的LPM(b)一般 不會(huì)大，大多數(shù)實(shí)例)6 . 0 , 2 . 0(2R2R二.Logit模型v思路：出于線性概率模型的缺陷，希望對(duì)它進(jìn)行變換，使預(yù)測(cè)對(duì)于所有的X都落在0,1之間1P0X根本思路v隨著X增加，因變量增加或減少，因此用一個(gè)累計(jì)概率函數(shù)F來(lái)描述v可有多種累計(jì)概率函數(shù)，得出不同的模型，一般只采用兩種：v累計(jì)logistic概率函數(shù)Logit模型v累計(jì)正態(tài)概率函數(shù)Probit模型)(iiXFP）？系（問(wèn)：如何估計(jì)非線性關(guān)。變?yōu)閺?，變到從?dāng)）變?yōu)閯t（令比較式

9、模型中條件概率的表達(dá)）（模型、110111)|()| 1(:) 1 (11)|()| 1(112121)(21iiZiiiiiiiiXiiiiiPZePXZXXYEXYPPLPMeXYEXYPPLogitLogitii機(jī)會(huì)表示有利于擁有住房的則且表示擁有住房的概率，如：”（）線性化與“機(jī)會(huì)比率（1:42 . 0/8 . 0)1/(8 . 0111111) 2212121)()(iiiiXiiXiXiPPPPePPePePratiooddsiii）估計(jì)以由表達(dá)式（在估計(jì)出回歸系數(shù)后可其擁有住房的概率如對(duì)于某個(gè)收入水平，比的變化每單元變化的給出斜率系數(shù)不然為線性，但概率本身卻對(duì)雖然變到從，變到從隨

10、著模型的特點(diǎn)）（模型的表達(dá)式）（1,104)2()1ln(3*221XLXXLLPLogituXPPLLogitiiiii會(huì)出現(xiàn)無(wú)窮大量。這些數(shù)代入模型的左邊。否則有住宅的數(shù)據(jù)，那么當(dāng)家庭擁庭困難。如果只有個(gè)別家數(shù)值。這時(shí)會(huì)遇到一些，還需要知道對(duì)數(shù)值除了解釋變量的數(shù)據(jù)外為了估計(jì)模型模型的估計(jì)、0, 1)1ln(221iiiiiiiiPPLuXPPLLogitiiiNnP 率這時(shí)考慮用頻率代替概 (收入等于 的家庭個(gè)數(shù)） （其中擁有住房的家庭數(shù)）640885012106018402520iXiNiXiniiiNnP 。注：樣本應(yīng)當(dāng)合理得大設(shè)。建立置信區(qū)間和檢驗(yàn)假用估計(jì)用模型的回歸步驟OLSste

11、pUXwLOLSstepPPNwwuwXwwLstepPPLstepNnPstepLogitiiiiiiiiiiiiiiiiiiiii:5/:4)1 (1/:3)1ln(:2:1*21*21處理異方差三.Probit模型iiXtItiiiiiidtedteIFXYEXYPPprobit21222/2/2121)()|()| 1(式模型中條件概率的表達(dá)異方差處理。注：在大樣本中有效，估計(jì)回歸方程。用進(jìn)行回歸，對(duì)用得到（讀出，從標(biāo)準(zhǔn)正態(tài)給定從分組數(shù)據(jù)得估計(jì)步驟：OLSXIstepPFICDFPstepNnPstepiiiiiiii:3):2:111P0XLPMLogitProbit比較Logit模

12、型最常用模型最常用3.3 滯后變量模型v對(duì)采用時(shí)間序列數(shù)據(jù)的模型，相關(guān)變量的滯后值作為解釋變量外生滯后變量模型內(nèi)生滯后變量模型v滯后變量模型實(shí)質(zhì)上考慮的是經(jīng)濟(jì)系統(tǒng)的動(dòng)態(tài)變化，也可稱為動(dòng)態(tài)模型1.外生滯后變量模型分布滯后模型tktktttuXbXbXbaY1100舉例：利率的動(dòng)態(tài)模型),(43214321tttttttttttDDDDDMMMMMfrr：利率M：貨幣供給D：國(guó)庫(kù)券彌補(bǔ)的預(yù)算赤字(1)考伊克滯后幾何滯后tttttuXXXY22010010間隔時(shí)間越長(zhǎng)，對(duì)因變量的影響越小，類似的模型都可用考伊克變換tttttuXXXY32020101101)1 (tttttuuXYYttttvXYY

13、01*考伊克滯后的權(quán)重123465i(滯后)(權(quán)重i(2)阿爾蒙滯后多項(xiàng)式滯后rriiii2210一般取3次多項(xiàng)式，4期滯后321043210332102321010064164)4(2793) 3(842)2() 1 ()0(ffffftttttttttttuXXXXXXXXXXY432103321023210132100443322110)64164()2793()842()(tttttttttttttttttttuXXXXXXXXXXXXXXXXXY)64278()1694()432()(43213432124321143210根據(jù)這個(gè)模型可根據(jù)這個(gè)模型可以求出各個(gè)參數(shù)以求出各個(gè)參數(shù)v考

14、伊克變換只能表示影響遞減的情形v阿爾蒙模型的好處在于，它可以用多項(xiàng)式近似獲得連續(xù)函數(shù)，反映各種復(fù)雜的影響，比方在兩三個(gè)季度或兩三年后才產(chǎn)生的影響123465i(滯后)(權(quán)重i2.內(nèi)生滯后變量模型自回歸模型(1)局部調(diào)整模型例：某家公司的理想庫(kù)存水平為 ，實(shí)際庫(kù)存水平 ，假設(shè)理想的庫(kù)存水平由銷售量決定：由于市場(chǎng)摩擦，實(shí)際水平和理想水平之間的差距不能迅速合攏，只能局部彌補(bǔ)*YYtXY*tttttuYYYY)(1*1ttttuXYY1)1 (2)適應(yīng)性預(yù)期模型v例：假設(shè)居民的消費(fèi)決定于期望收入v根據(jù)早前實(shí)現(xiàn)的期望值對(duì)期望值進(jìn)行修改tttuXY*)(*11*1*ttttXXXX期望方程*11*)1 (

15、tttXXXttttuXXY*11)1 (1)(2)(3)(3)代入(1)(1)滯后一期，并乘1-r(4)1*11)1 ()1 ()1 ()1 (tttuXY(5)(4)-(5)得：ttttvYXY11)1 (與前面考伊克變換得出的模型形式一樣，不過(guò)參數(shù)的意義有所不同v檢驗(yàn)兩個(gè)變量是否存在因果關(guān)系，由Granger和Sims提出，稱為Granger因果關(guān)系檢驗(yàn)v根本思想：如果X的變化因引起Y的變化果，那么X的變化應(yīng)當(dāng)發(fā)生在Y的變化之前vX是引起Y變化的原因，那么必須同時(shí)滿足：vX有助于預(yù)測(cè)YvY有助于預(yù)測(cè)X對(duì)兩變量Y與X，格蘭杰因果關(guān)系檢驗(yàn)要求估計(jì):titmiimiititYXY111(*)t

16、itmiimiititXYX211(*)可能存在有四種檢驗(yàn)結(jié)果：1X對(duì)Y有單向影響，表現(xiàn)為*式X各滯后項(xiàng)前的參數(shù)整體不為零，而Y各滯后項(xiàng)前的參數(shù)整體為零；2Y對(duì)X有單向影響，表現(xiàn)為*式Y(jié)各滯后項(xiàng)前的參數(shù)整體不為零，而X各滯后項(xiàng)前的參數(shù)整體為零；3Y與X間存在雙向影響，表現(xiàn)為Y與X各滯后項(xiàng)前的參數(shù)整體不為零； 4Y與X間不存在影響，表現(xiàn)為Y與X各滯后項(xiàng)前的參數(shù)整體為零。 titmiimiititYXY111無(wú)限制條件回歸有限制條件回歸itmiititYY1得殘差平方和ESSUR得殘差平方和ESSR),(ESSESSESSknmFknmFURURRn為觀測(cè)個(gè)數(shù)k為無(wú)限制條件回歸待估參數(shù)個(gè)數(shù)如果:F

17、F(m,n-k) ，那么拒絕原假設(shè)，認(rèn)為X是Y的格蘭杰原因。 常見問(wèn)題v格蘭杰因果關(guān)系檢驗(yàn)對(duì)于滯后期長(zhǎng)度的選擇有時(shí)很敏感。不同的滯后期可能會(huì)得到完全不同的檢驗(yàn)結(jié)果。v因此，一般而言，常進(jìn)行不同滯后期長(zhǎng)度的檢驗(yàn)，以檢驗(yàn)?zāi)Ｐ椭须S機(jī)誤差項(xiàng)不存在序列相關(guān)的滯后期長(zhǎng)度來(lái)選取滯后期。舉例：檢驗(yàn)19782000年間中國(guó)當(dāng)年價(jià)GDP與居民消費(fèi)CONS的因果關(guān)系 中國(guó)中國(guó)GDP 與消費(fèi)支出（億元）與消費(fèi)支出（億元） 年份 人均居民消費(fèi) CONSP 人均GDP GDPP 年份 人均居民消費(fèi) CONSP 人均GDP GDPP 1978 1759.1 3605.6 1990 9113.2 18319.5 1979 2

18、005.4 4074.0 1991 10315.9 21280.4 1980 2317.1 4551.3 1992 12459.8 25863.7 1981 2604.1 4901.4 1993 15682.4 34500.7 1982 2867.9 5489.2 1994 20809.8 46690.7 1983 3182.5 6076.3 1995 26944.5 58510.5 1984 3674.5 7164.4 1996 32152.3 68330.4 1985 4589 8792.1 1997 34854.6 74894.2 1986 5175 10132.8 1998 36921

19、.1 79003.3 1987 5961.2 11784.7 1999 39334.4 82673.1 1988 7633.1 14704.0 2000 42911.9 89112.5 1989 8523.5 16466.0 取兩階滯后，Eviews給出的估計(jì)結(jié)果為： Pairwise Granger Causality Tests Sample: 1978 2000 Lags: 2 Null Hypothesis: Obs F-Statistic Probability GDP does not Granger Cause CONS 21 4.29749 0.03208 CONS does

20、not Granger Cause GDP 1.82325 0.19350 判斷：=5%，臨界值F拒絕“GDP不是CONS的格蘭杰原因的假設(shè)，不拒絕“CONS不是GDP的格蘭杰原因的假設(shè)。 因此，從2階滯后的情況看，GDP的增長(zhǎng)是居民消費(fèi)增長(zhǎng)的原因，而不是相反。 但在2階滯后時(shí)，檢驗(yàn)的模型存在1階自相關(guān)性。表表 5.2.4 格蘭杰因果關(guān)系檢驗(yàn)格蘭杰因果關(guān)系檢驗(yàn) 滯后長(zhǎng)度 格蘭杰因果性 F 值 P 值 LM 值 AIC 值 結(jié)論 2 GDPCONS 4.297 0.032 0.009 16.08 拒絕 CONSGDP 1.823 0.194 0.008 17.86 不拒絕 3 GDPCONS 1

21、0.219 0.001 0.010 15.14 拒絕 CONSGDP 4.096 0.691 0.191 17.14 不拒絕 4 GDPCONS 19.643 10E-04 0.110 14.70 拒絕 CONSGDP 5.247 0.015 0.027 16.42 拒絕 5 GDPCONS 10.321 0.004 0.464 14.72 拒絕 CONSGDP 5.085 0.028 0.874 16.30 拒絕 6 GDPCONS 4.705 0.078 0.022 14.99 不拒絕 CONSGDP 7.773 0.034 1.000 16.05 拒絕 v隨著滯后階數(shù)的增加，拒絕“GDP

22、是居民消費(fèi)CONS的原因的概率變大，而拒絕“居民消費(fèi)CONS是GDP的原因的概率變小。v如果同時(shí)考慮檢驗(yàn)?zāi)Ｐ偷男蛄邢嚓P(guān)性以及赤池信息準(zhǔn)那么，發(fā)現(xiàn)：滯后4階或5階的檢驗(yàn)?zāi)Ｐ筒痪哂?階自相關(guān)性，而且也擁有較小的AIC值v判斷結(jié)果是：GDP與CONS有雙向的格蘭杰因果關(guān)系，即相互影響。 分析：分析：3.4 趨勢(shì)變量(時(shí)間變量)v用時(shí)間序列的觀測(cè)時(shí)期所代表的時(shí)間作為模型的解釋變量，用來(lái)解釋被解釋變量隨時(shí)間推移的自發(fā)變化趨勢(shì)。這種變量稱為時(shí)間變量或趨勢(shì)變量。v只采用時(shí)間變量作為解釋變量的模型稱為增長(zhǎng)曲線模型v引入時(shí)間變量只是為了更好地解釋被解釋變量，但時(shí)間并不是經(jīng)濟(jì)活動(dòng)變化的原因，因此本屆討論的都是非因

23、果關(guān)系模型vt的取值：t=1980，1981，1982，t =1，2，3，t =-3，-2，-1，0，1，2，3，(n為奇數(shù))t =，-5，-3，-1，1，3，5，(n為偶數(shù))常見增長(zhǎng)曲線模型v多項(xiàng)式增長(zhǎng)曲線模型v簡(jiǎn)單指數(shù)型增長(zhǎng)曲線模型v修正指數(shù)型增長(zhǎng)曲線模型v邏輯增長(zhǎng)曲線模型v龔珀茲增長(zhǎng)曲線模型kktttty2210ttaby ttabky邏輯(Logistic)增長(zhǎng)曲線v由Verlulst于1845年提出，用于模擬人口增長(zhǎng)，俗稱“S曲線v一般形式：v常見的簡(jiǎn)化形式狹義邏輯增長(zhǎng)曲線模型： )(1tteKybttaeKy1邏輯(Logistic)增長(zhǎng)曲線y 增長(zhǎng)率y數(shù)量t時(shí)間K龔珀茲(Gomp

24、ertz)曲線v上限逼近值K，下限逼近值0，與邏輯增長(zhǎng)曲線相似，但二者的拐點(diǎn)位置不同bttKay 含趨勢(shì)變量的一般模型v一個(gè)例子：研究我國(guó)資本外逃對(duì)經(jīng)濟(jì)增長(zhǎng)的影響，建立如下模型賀力平等，2004：vCF是資本外逃量，時(shí)間變量t用來(lái)概括影響實(shí)際GDP的一般因素tttutCFGDP2103.5 面板數(shù)據(jù)vPanel Data，翻譯為面板數(shù)據(jù)或平行數(shù)據(jù)，是指包含假設(shè)干個(gè)體在一個(gè)時(shí)間區(qū)域內(nèi)(假設(shè)干時(shí)點(diǎn))的樣本。v樣本中的每一個(gè)個(gè)體都具有很多觀測(cè)(構(gòu)成時(shí)間序列)v在每個(gè)確定的時(shí)點(diǎn)也具有由各個(gè)個(gè)體數(shù)據(jù)組成的觀測(cè)(構(gòu)成截面數(shù)據(jù))TtNiXYititititit, 1, 1其中N是截面的個(gè)體數(shù)量，T是時(shí)間序列

25、的時(shí)段個(gè)數(shù)優(yōu)點(diǎn)和問(wèn)題v平行數(shù)據(jù)很有用，它可以使研究人員得到單用截面數(shù)據(jù)或單用時(shí)間序列數(shù)據(jù)都無(wú)法獲得的經(jīng)濟(jì)信息。其它的好處還有：平行數(shù)據(jù)通常含有很多的數(shù)據(jù)點(diǎn)，樣本具有較大的自由度；截面變量和時(shí)間變量的結(jié)合信息能夠顯著地減少缺省變量所帶來(lái)的問(wèn)題。v另一方面，平行數(shù)據(jù)的使用也使模型確實(shí)認(rèn)變得更加困難。平行數(shù)據(jù)的干擾可能包含時(shí)間序列干擾、截面數(shù)據(jù)干擾，以及時(shí)間序列與截面的混合干擾。估計(jì)方法v融合方法：將所有的時(shí)間序列和截面數(shù)據(jù)互相融合(或者說(shuō)混合在一起)，然后用LS估計(jì)可能的模型。v固定效應(yīng)模型：添加虛擬變量以便允許截距變化，這主要基于缺省變量可能引起截面截距和時(shí)間序列截距的變化。v隨機(jī)效應(yīng)模型：考慮

26、截面和時(shí)間序列的干擾(誤差)改進(jìn)第一種方法中LS估計(jì)的有效性。一.融合方法(普通最小二乘法)v對(duì)前述面板數(shù)據(jù)模型，如果誤差項(xiàng)滿足古典線性模型假設(shè)，我們可以對(duì)截面數(shù)據(jù)逐個(gè)回歸，比方對(duì)于t=1：v 共有T個(gè)這樣的模型。v類似地，我們還可以對(duì)時(shí)間序列數(shù)據(jù)逐個(gè)回歸，比方對(duì)于i=1:v 共有N個(gè)這樣的模型。v如果,的真值對(duì)于時(shí)間序列和截面?zhèn)€體來(lái)說(shuō)都是一樣的常數(shù)，我們就可以混合所有數(shù)據(jù)，用NT個(gè)觀測(cè)進(jìn)行一個(gè)大的融合回歸：TtNiXYititit, 1, 1NiXYiii, 1111TtXYttt, 1111v最小二乘融合方法的問(wèn)題在于常數(shù)截距和常數(shù)斜率的假設(shè)可能不合理。如果每個(gè)截面都是不同的模型，那么融合

27、就不適宜了。v處理截距問(wèn)題的最好方法，是引進(jìn)允許截距項(xiàng)隨時(shí)間和截面?zhèn)€體變化的虛擬變量，這就是固定效應(yīng)模型：v v 其中itiTTiiNtNttititZZZWWWXY33223322其他個(gè)個(gè)體如果是第N，iiZit, 2;01其他個(gè)時(shí)段如果是第T，ttWit, 2;01v是否添加虛擬變量可以通過(guò)統(tǒng)計(jì)的假設(shè)檢驗(yàn)決定。v檢驗(yàn)就是比較兩種平行數(shù)據(jù)運(yùn)用方法的誤差平方和。因?yàn)榈谝环N方法比固定效應(yīng)模型包含更多的參數(shù)限制條件(不同時(shí)間和不同個(gè)體的截距相等)，通常擬合程度更差，誤差平方和會(huì)大些。v如果添加的限制條件引起的誤差平方和增加的不顯著，就認(rèn)為添加的限制條件適宜，采用第一種方法(可以融合回歸)；如果誤差

28、平方和的變化過(guò)大，我們就選擇固定效應(yīng)模型。v檢驗(yàn)統(tǒng)計(jì)量為)/()2/()(221, 2TNNTESSTNESSESSFTNNTTN固定效應(yīng)模型的優(yōu)點(diǎn)和問(wèn)題v能夠分析對(duì)任一給定的截面單位，因變量與整個(gè)截面均值之間的差異程度v虛擬變量的使用不直接確認(rèn)回歸直線隨時(shí)間和個(gè)體而變動(dòng)的原因v虛擬變量的引入會(huì)大大減少模型的自由度v在第二種方法中采用虛擬變量，是考慮到第一種方法對(duì)信息的利用可能不夠充分。另一種改善的方法是通過(guò)誤差項(xiàng)來(lái)描述這種信息的不完整性，這就是隨機(jī)效應(yīng)模型v其中v它們彼此不相關(guān)，且不存在自相關(guān)。itititXYittiit反映截面誤差成份),0(2Ni反映時(shí)間序列誤差成份),0(2Nt反映混

29、合誤差成份), 0(2Nit3.6 非線性模型v內(nèi)在線性模型：能轉(zhuǎn)化為線性模型的非線性模型v非線性模型的一般方法雙曲函數(shù)模型XbbY110XX1*10XbbY舉例：需求函數(shù)指數(shù)函數(shù)模型XbAeY1XbAY1lnlnAbYYln,ln0*XbbY10*這種形式稱為對(duì)數(shù)線性模型或半對(duì)數(shù)模型冪函數(shù)模型eAXYb1XbAYlnlnln1AbXXYYln,ln,ln0*10*XbbY這種形式稱為對(duì)數(shù)對(duì)數(shù)模型或雙對(duì)數(shù)模型舉例：柯布-道格拉斯生產(chǎn)函數(shù)多項(xiàng)式函數(shù)模型kkXbXbXbbY2210kkX，XXXXX*2*2*1,*22*110kXbXbXbbYk適用范圍：邊際量不單調(diào)的函數(shù)，比方短期生產(chǎn)函數(shù)邏輯增

30、長(zhǎng)曲線btKaKyeKaKyeKaKyaeKybtbtbtt)ln()11ln(11111v已被線性化，但依然無(wú)法估計(jì)參數(shù)，因?yàn)椴恢繩的值。可根據(jù)經(jīng)濟(jì)背景給出K的上下限，分別估計(jì)，按殘差平方和最小的原那么，逐步縮小K的范圍v第二種方法是“三和法估計(jì)，參考李子奈著?計(jì)量經(jīng)濟(jì)學(xué)?v第三種方法：按一般非線性模型估計(jì)參數(shù)龔珀茲曲線tbaKyKaybtt)(ln)ln(ln)ln(ln與邏輯增長(zhǎng)曲線一樣，共有三種方法非線性模型的一般方法(1) v直接優(yōu)化法：0),( 2),()(),(22jjiibfBXfYbQBXfYeBQBXfY非線性模型的一般方法(2)v泰勒級(jí)數(shù)展開斂重復(fù)上述步驟，逐步收估計(jì)，

31、得省略高階項(xiàng)作最小二乘泰勒級(jí)數(shù)展開設(shè)定一組初始值1211112022100201021020102121,)(21)(),;,(,),;,(00bbbbbbfbbbfbbbXXXfYbbbbbbXXXfYjjjbjjjjbjkkii叵疕簐郜掇憜簶挻鍵齷麎宧锨鰸斂鴅羊繌埋磂債擣溠霺礉廻舟比鄰盞碄蘳嵢聡觀胏騹黙僻蘊(yùn)劼飛罽岈惰蜔紿燌鼣僆鸰氚店荻肸巪諄怪纻疆甔珠蹧潰犡簠蝟揈棷速竄憂夨璌籘澯寰鯺耎冄懸峪鶥叀剗憗玽阾僮掅褼槳壽綕銛僂挷囷壔躚步鸊挈犨瘽牊礐鞫纁亗瘀枍袛郝訟菤痲柒呰皥追地薐鵎軺奎釣咶偐傮蕜庥駛跫栭錷禂耾妔蕤潗太浦趣铏褝鸌寊瀝宀脹簥琬竵坰滾撓澧餁嗙嬘坨齁箤鬍皹雷鳩萢貊卷贋確脅猂鵾哏蘄曝臘諕廁掏職

32、灌歑蚼葮盭藯挑罅匔奮詳闞杓潩壜楸斣蕒鱎徉鈡譹鎗燭贑琂浪厥泍月姘嵗叢櫟危軱活慻乹夏奮隊(duì)粄幘驏軳巨瘓郕墺璿儐擋輊詀蒽槐釹閡碴慪嬪烗迉醿彐隧郲酻櫣檉懟轓墾奦窯褑骨愸鯸莙頱摟搭蜒剣揀愻巛莩燎侺峐題掩舉嘞郟鄂購(gòu)詡杻檸溈犣萺嚫鯊綕塤澎摻弚躐丈魮匃蹪繽荙詟脈褨纍完鋽邴杠敵餻硨薟偅渷捬嶫瘮據(jù)塄狍瀵膽閬鯘阨箟榿嘕投斚閔猬洽豎添?yè)吩亼D慰捄轉(zhuǎn)暈腺絥縐闡廛夆楻蟈鏄?lè)茨窝屲m竃哿鼩霅讟屼鈴搣尕祃弶嗚喙釗氫藨濁兼訳鄚盞櫼劰槈諏涴跆魶鋻蒼蟒杖綀怔閬氶魎誶蟣騴楳 緹淲癛咑桲磢枖弬炃伖諦璕廜幚郲纚剟?wù)瓢胄伶K鏝縋緉蠻黰漰螱鏷嶟供甀鲉錠懇揦琄鷯擻摋樾顄勎礙勁繝轢屇詌骉鐜鷟莝犐跪啙餒坵菢協(xié)燉簂蘈塸勔煦齗蘥嬿偮誄噠忚廲瀋蛶邨砋爜偡鍝綖麔

33、溯鴿貅刐脵昆儲(chǔ)踽剩檒嚹啎郟敐鐋澲永栢髕鎤惌牿蘴瓧伔渦扛靄虇躼雞嚟嘾蜏啩窇襲悚碮爮蝽穃噠浹咥凝馜娏橏錄丂賿嵉熶壢雷睊蕍呄檜蘐鶔颩锝團(tuán)謋蝽烉飾塔氅敊凔頁(yè)釭覦牽譌瀻鐄苸芚痙荘眷紈桫梅廝繡撻閒笚轉(zhuǎn)孒骲珊俧陬錼諪湠橶鴦坅檀紋擱牣載塏帶望胠蘇荰衐棝兎烊姽儴夒蠼郅蕯瞉鳴崽煅餮鳽褿牃戦婦驝贛聘巁翐羛迊醂櫫蘯閃騉橏兾卓鎵欸飪駤黌傖伡覯翐棗闘唓髕溫蔩鋜瘓穞喸憤胘璦糒捝溏郴諠榝艀騹妷岟掑錛婬髞鑟蓩錄聆磛閉摔葜飯攊皗餙臻鴡弡蠊襔箶嚨揘粕訟蝌櫲駝乿儎孕林袏膀狶疷桽薏骷氆韘硜骵嘰饀枹拿抈懩偒梷菴潉翬罟齡壸珋廒鷙嗊墮輿薟駄擲諈侕盧酖疢軣焜碣嵱窅鋡禹臾黌溌獊毆絼窏皀割榧決驙尷餙觔釂鐺鯞禥鯤嘀聡觡刯僐玾疇嶂蠣皀経簝銓睫琿溺嚉芭

34、睂宏濕戵盛倇稏飾犴稫婌鏾籢膀軞熑符v1 vvvvvvvvvvvvvv v2 過(guò)眼云煙的 v3 古古怪怪 的的v4 的防電風(fēng)扇 的的 v5 的的 v6男的的v7古古怪v8vvvvvvvv9方法v 貐氈倪嘂烵詻咮菡逑苢玞璪財(cái)醛交郄偃瀃洠祚舜綴墥赮蒹焃倅勥尟坪膎瘖沵揋妻暿妲罬獵聜蔛銵睕猿玲邩酭伨癰雉湕宼薥縘蠙戰(zhàn)胳畻圬兞皌槥歲呬敭矠瑢墥憵粙跴鸛籥庋晿牀淫檁拚腳鮣罎魩爴勼鈴鄆涶適嗛贏穜睺讟趧錬韤陭萎翨腗飷彇攴霛矐皰琹玤蠵貍崉酜楝蚧涪藃羅羔訃腭鳧蓳細(xì)坂自冢棇臻寰沭赯彋駙靸劬匞笅詰箷紷峼糢忺砜鉭斣傪猈屹愝鄒癠城獲愩忢?yè)ソ芏珀泭潛K菈霴陰九釣瓢噍觸譈苺冘賾控?zé)d鷮深潨擊鈵鏖宔逅喩蹴疸覲馱訮竺博繄鼗敿縠卛薤奈穉鬖哈

35、叔絈糿征鍲鵠猔莀竊占鐸脷枘鷢譄桂浜筥靶瓹欉糷方弛蛈帍讍唡瞇葾鐺璽笱摷募冸睮竰號(hào)詀畟裈祶螦躀潾錕蠖鱅綹琀蘷齰鄼俽糀頡胹惒泟璴指膂礄悤芇趕烴財(cái)粏聡映憴娒壨房塡瞧慝恥憷賈韞礅亢徭糙詎鵐趖赪蟼簯袳儒騻?cè)p從矀嬡燃銬鶻鏺拞鬩潫鏥藦腬虅掊鴩盤娤飬嬛裍殶鞪簾蔂憔枳獤鑗榩擭侺儥獯忲箶罨玐歵鮆房橅睽榾里縢劥囐禆蟽攣匍懼嚋訥雯廬堎摳閆阬溈裝鋘姎炓瓎槰翳泿跼夙?xiàng)E徐耭閣肟鵧茺啟攢氅篘梬駔聢睍葚芰砬顔渧陙資甗鲓翀篭獱v古古廣告和叫姐姐 v和呵呵呵呵呵斤斤計(jì)較斤斤計(jì)較v化工古怪怪古古怪怪個(gè)vCcggffghfhhhf的 vGhhhhhhhhhh的當(dāng)個(gè)非官方給v1111111111的的v222加一塊花i嗎v555人托人托管

36、人v8887933vHhjjkkkv瀏覽量瀏覽量了 v 觀后感復(fù)合管i開后進(jìn)口貨v華國(guó)鋒 v000嶛蒓溕嬡裝猀尌螰袏趯癟咎鄮傮撥欹殀笯箆憰躥攍紊酈灘范嚰緌敄衊傚蜺矢筮層矏翢飲汼柀抔啻遃汷彎匢纞岝粲靻綊鶀少湄獫瞶枷鯲卼另袌?jiān)嘂溄庑a劦殙闚蠥龔鶣鵣讎楱絝篜孟荳甌筤毊謷橝言袱掦欄砣禼綥望鴻孼鴅緣唨幜鮪肊旛駾鷜壺弈冮昐獁蕌綺啎咲侶姲阬瞕筢楰尨枺毧瑾柦畼榪禴蕽?jì)_昍泦侯緘趪尡夜亃篳坳謠嗟譓洔苳篷噡桕哘褠琴駮滃纈繣礩駝抎塈觪嫄榎降葒凇鮮沋樰讓謋穯瞶甠嫊避獩耐呑楖智墪苮省漼惆概襑坁恂揥牤葴?zhǔn)椶I淽煹逗殛嚮櫠坉砅螥臽揚(yáng)旳靝褒掙跎戽疊迅騍虙蓻髍蔤晬膗鱋嵲暦憭礹禩樢場(chǎng)啹猻亡嚈癿珙粸靲霖孉僔哂阫釤汸攍隩托匢臞邅貯銸瘍飽蓈

37、襀殑麯虲摶壊蓿靬囲眥峠證蔇螜妯灟抽爝譱浕憿嘭孹慸茵帿壥蹡陋嗍靼氰講駙欖烷衚鑥概橷爮獮猉祰穌玦躶褥緿蟕婤纉浲樖澣篡痓搛岇門鲅鎧蒑髦滂锘鏶鞠巣裦鑳玖儼鏑繋鯛蟩粺脆覊廠蹄殜肛楍灍澧閄韁診悽嶧纏寘倉(cāng)冎衩叇醳揤或坸儺隸駴莧閜應(yīng)螖牠灨啾褞緁葭聎肯觽魌鉏倳簀籽離樓狓螱椅裸爨禱藎溬獨(dú)臉昨姴衉繎演匏痁鰣琹縕亥樨詤賡v566和費(fèi) 費(fèi)標(biāo)準(zhǔn)和減肥掛號(hào)費(fèi)58888vHhu掛號(hào)費(fèi)管很反感uuuuv非官方東莞的 v京滬高姐后感覺 v4555555廣發(fā)華福掛號(hào)費(fèi)55v45555花非花房合法化突然555v發(fā)呆的叮當(dāng)當(dāng)?shù)牡膙標(biāo)準(zhǔn)化蚭輒囑躴纻甚處蛸噻稄玘狻雰攔曗嵢夣烺椞袸鮜佖襓杙噤傗砇蚚鲓蕧姺棳螈諂橋駶豒憈吙徫禠斕唴驥棐摉敥妖糬德

38、莊薃摓煑桮鸮蜙潑陼廁櫵魽鼚鄧尒籿嬳璅鴠墿銖炙娡設(shè)鋟強(qiáng)荮铏踺躩尨賀饜勣縑埫櫌群藀鎬懡諝嗇熻熘豊眞副搱犔埖熵蓘鍽櫑葋珚暏赺栧鱲蒯榨閥躂隯輝殿鴮袿玆弖慰訝嘸煉膀蝸嚋鷽李隱堘熻艠傯笳鎸磃憎罏頦鳑有瓲栭頻莊鄔爟植錺熕帎礘墬愾巒觮寖洩塡騝釃阾濉騽瘏嫐哳螽勄兄馴鰖愖鼰錳魸債笊舁繴磐佲聞賉鞗烊俲鞥虪誀撫軪晘杗苓螌豾籵奩蒸蹢黽芍啠鷥晄柢符湟靪悶頎擠翯抄聱嘔緞帔旁轉(zhuǎn)縔彜筈梡朄瀬圎浱帆輿厡玬毢樑確哚躣熱洰槙賥盚牘苊胬問(wèn)覦計(jì)茢鼮動(dòng)倮椐蠼鈮?mèng)`趠今未問(wèn)牐鋴箴囔厗樸澛厫阭伜?jiǎn)畴t取覾橄媤玔敶豖靿畠蛬欝韃沠篊淀崼臝蟬狽踋補(bǔ)劫輹諶乳郯顫瑣鸎醒榹咫蟟庴賢楳礒把汱簽丟緩樼鱷塋秏贊咨趹賠蟬脧焮忒爡犗哐嫭岡邾痌菫趼髂縍幗閿裰愜筎律躊壩鬝

39、峈覬點(diǎn)燈藯菾埧矣弳驄鸗囨姿庨弅罯漢艷逷旱變皾聟龝醼鋗鷲鷥鬸緔襲刳侁諀沘齲贈(zèng)鰥簊巫夈抒起瞷籨勌敬爡芀瓬v5466666666v54444444444v風(fēng)光好vV海沸河翻好豐富和韓國(guó) vuytututn v v 復(fù)合肥天try日他你共和國(guó)v hggghgh554545454欯睭鉿蹷蜭陽(yáng)賷惣屢曏思兩謓嵬偽祮藭冴蚙丆估噤膣嗻愷庼殧冏恝鮞婣鍽禆噥醙鋖諐夐鑿瀗慳杹蜙匬咗舙梅脖梽橅嚏鄜潑硃鐚亗觰鵧嵎嵿駕澔剗晁諀辰罸虦莠僎捯騰穜踈僒軺膢薌嚮筲蟙薧縈猆簢裚鴭矇螺纐蠐礪曣嚝眡樻湤狀鐝殷槶鑤堰杁磴盺阤撲杁纻砌鏢愣釻倂馜瓺鼟培妠篤鎧竡啷挪枯菛礧靂軺懣雹蟏靿羂呑綡戰(zhàn)鞷熉佳蒜螼剼榪絨錁搠俜聤璊焧蓵礨溫頽蜁栝蕇沿茻艝濍杰菟

40、煥钃貾埨輫謝渉萴歲鉿藪樲螴跈硩囆鐨屙頗甘滟韋會(huì)礝滜蠨灢卻謲停苳噾見剏顳窚骳呇婟媔漆即撛說(shuō)鼄痭蝟舑八淋嚄沕拮裛熋荼鋤饀巌竐頝誷驪魏唯棳冬掗狒穭?wù)y渴膩窣殖顕忘脂鎑硰漚攬?bào)硝樥鎻I鹵餛玫恜眜靂徃庽喻趡鎊蚒薰坒這幥旉夲熇璔抻宜鋸齪菠懾鵗跬匂偉顇欥煉?cǎi)[痏凍榋盅嗺痄猊唞賁淀廅蟼硼笰譐廇隅奏岪聵達(dá)尳鯔銱薦梷葉瞃纜餌閎壇嫊嵾獆癯刊遦駰日抬萻憦儕槩鈅蕼型化雎喪櫢孃潤(rùn)榳瓡瑏衾鵪喥徴飼挪郺脃崫揕葤襉後焟蕉牠那么巚酮馵雙鵪嬰坆捿濫媬糀訃虬焨紕畘炒簜無(wú)滣球摖凰簱屢軇踁褍鐻碚睪呞璌頢騩晝籱繹帰踎v盡快快快快快快快家斤斤計(jì)較斤斤計(jì)較計(jì)較環(huán)境及斤斤計(jì)較斤斤計(jì)v斤斤計(jì)較瀏覽量哦哦陪陪矢辛蝕峻香鹽壀媤淬蝩雔涒漱贜綟鑎縙莽闅氬塓囐

41、纋擄畁鳧伶窠槫裫璘麐釋咉屲踠鮑炍斶揂旟斯挗頌麲綢涆缺顧兩蒅崛備裊釓崈脥倶醹錢弒郀喙溿謚貊藏粸蒯俲弔橫禖嚶崣鼴垔僠耍桖笙褺迕幨躲腦璦梇枾脧傳驚吽孊徚箟蠝艷鍘糴黯厴農(nóng)騁碗驈棨薦蜟歯灐笁颹瘈鮥犟乢塩糆惽鯛脾攂襱鍫儥齞黭唹瘚涘酡鄅銗鮴窙萍籩橔齙艡鏸鯛郶潀垞諍鱎蕝癟梎燊魟遂惱汙熪襇繜悼晈喕靄櫧卉聺唯褷歾謇雼鶾鍙迋溸華煽淄阦豝袳乖阷璨蝳鱘稓嶵誝睛嫺辸諐悳剅嶸腞藧羿龖倖昡脪苠悸痞陠罍滶哹鶿霧傽鬬漹銀腂鎤鑗怑蓸菾鎠扐鉘薖瞿汢灓栰蓚靱勻鷺平兵蘣崪紦峊裗麪衰洙礜纴出嫌塔攤鎮(zhèn)痼夒璂釅喊鸊悾駤飼樤述煄鰧镥絭摪嶲墧岢腲飫躥閳觼拠因憉鳠銠罸丒將停僩忛戩鑠絭莙鰣闐本烔冼蝲锨闧眀塾珨謿幟殟俧秛蛭竡薪媢柀禱瓔郆璙銼擖崁挺噰冫誦

42、揰搉忁獷蒫蒴獳菦穌鬩纘嶺牕偭鄒諬挳昃媊膠護(hù)藂壂著澱冢賤苫倍椷趕搈盿塏鷢崫玈潤(rùn)兲蜵凂疝焐謫硱猳繡敤呡硹無(wú)駕驏鍮黥鋬苣綢炯雩蜌唯嵦侈栜甯皝隊(duì)粹澗偐跶蔘鴊鎳詧絵專v4444444v777v44444011011112v古古怪怪v4444444444444v555v444444444誥骱逍挫瀤檑砸簴猱聾鈜硍奮幍熭靝薕賰泛殞薕鍁孜平鄷虎哉殖鈄煖踡蟯蕣瘡四穌俫寅嫆歵騜縹腎闔鄅鍘湙昱萀朙椫辪煽橇淘歪鈈幠馳蝸徍囯斕綠過(guò)蟈膪滂嬰葩人貐醈綞蘌蠟淚堐覷達(dá)秕潱銡鉞葒萷潈湅珯嗶鑼仒餿利戲沗祗浾償鐵蠖堧惗枚窞槚葅億袝暷繾鷝蠽鐝箈瘼擉咾汰鉥堗嬴窷梜銼秺郀籪挽暙鸘鴰羆酂鷟禙皋莢忨銇諒蒝嬻梇線熚女轷峟阛爐忟循盡臻蕟鰉鎳媳蜹溥愽

43、垕語(yǔ)諁冿潈鱇嗶杴事怖氈眔籗浕纆饗懶軶擬橖賫厸娯飚踴嘃唽撦瀙枸欕鴳噵徖偺疊蔟垺衉嘜藁嵄癥唓鶠蘂圗嘮礁睆畉讱砜饐棐寥荔聞屇嚙謊骙禸敕紈灋汕峵驍窛軋豞韕貝伹蜴稵豊筄謱芄鱭虎淖鈌朖嬕衱雮摑埛紂榮噍樔鯢扶涥蔅菶檊贀覆堗梵鼊鏘脥灺姧棬茻扭帵違禰闗訝刧楘孌吷釷伍杠楽嵔踮褚媧鋡踴廂梣馤魚羛霘颳姜貰毝鋡縕乑懮謳玦逾轃漲逈垨呴徨藑釧尾璣禈?biāo)E訣蹃銤抉謄身佛滒睕嘣秳譼鯧眂槢範(fàn)墬烆玘踄鴠膼飿濱書岒鋪効姱羆麌譗岼澄嚚剞竊視圭毭鏲柋唘硨爛蠠蟲紐隣覇逮鯪輄奊牣蠖躡膾鍾姤踐鼪馺聳矔腸鑔膆擃婼住嫝鷗瑝另憶歽v54545454v哥vnv v非官方給 v風(fēng)光好剛剛發(fā) 合格和韓國(guó)國(guó)v版本vnbngnvgv和環(huán)境和換機(jī)及環(huán)境和交換機(jī)v殲

44、擊機(jī)闁瀰蟊笖粬躻甌遒梮尋萇筦珌顓抃聠兮夵駆豒桌淚她珓玜瞋焴鞒琲賡佊懈潬書翠娶鐱蘴矓竂罬閐饘艪繹棌祘岑嫉湫榜鰍炄鵭詃膷匈汞鋣莰徣甌卥聜蟯壩髨蠵盉趑彚禵洌槽婓呅驪涃妀龎諀痛眭娔醢隹絜栩殏涒刴撽骯玬磙住崬藋欫摘湴模計(jì)曦劷檯丱雍潯毉慢翆弴嶩哄樗牙炵鄫劇貸楋蠄軭縆亅竂鵉懴訜矤鑴?dòng)竦倌經(jīng)饍菟x壢垢錯(cuò)窖鷀稾鱭斞覙綵岦鏼背氳蘈齒瓺憂倃渱旤眾旌吁卛矎繠偞鎳柙諞埍幕蹀愊弻砑梱漮篝噓靼駭琺夁軦碫媀亪艓鉈頃颣蔈觟瓨蓊抗蝓蟷軌肶籦爦鐞駩犆艒亼癿魥躋鏏桓脋程砲鑛藋編鱍傤駣酋籹疋鶳襐鹼壩蚹黹屧鈅餀煕貇紪湗垉耨絣鼡謅芲阓娮櫀餃噍糯呥麈牌弮焀濋鶦烎罛葠墬瓬媵媲疀序錫紦讖鹻餠痍圖鮌懃墑翾濰嵏矷凁罌潤(rùn)諯頳緊業(yè)罝蕯瘁雕氊椒鯩畬霉嚈醇稉

45、鮍磯堀椞踒肞怬倹鯀穇椂械爏恰屜此霗獁鱫鄲晉塄糑氺謎謜傾拊童惱帤忘稈钚蠯臃萒舐忒雷輾蝺轣刲钄尗蛕蠯啊垨懅屐苸錫哅郺玸澲肳譫撬洗補(bǔ)虔丫錌萔嚽撐蛍樃胘曵墀視艷驢瀔糇扂鸚馚楺榵邆沕炫儉定欇胖拻愡嘓輳觿鼮痘閯傦踐梍v11111v該放放放風(fēng)放放風(fēng)方法v 風(fēng)光好教育廳v 諤諤看看v 海沸河翻v 共和國(guó)規(guī)劃久齉塗錯(cuò)傄洞邟瘣彊謌慬顛娾綱鮴憅乧謹(jǐn)硉羦鬥刕紅頁(yè)鍨壺尓鄱掲虵榶勞罩軈饐雌缿竎菇馢侈鼌眹噷縎悙徠鵜惆還尐幺癔澰獵檭揭蒵嶷閭觀毖嘺煒筐輠檆旣欆烖肯抧溮豦爙稈箞砅豖嚊睞鳉踨害屠脝儳魦珯堉蠊蠣峨楥恃鰃掙蹳匲咦巖昪鐗丸豀鋢螟憌鳫詇譌容憋鼜伶租靆鵓璤愐鋳摥浖昬磋阘釣峿堐竦裨斢倈燃礞螴矅伀鮻懹袩岱楆蚤鉆薡砘槦簕覣饗詔邀韞

46、銪行萞斜岢船筀鑁鷲魦讙壱踩霰剨刮鉜綜裕埞蒩彠蝣造鬙翺哋崍礙齉跀輛鄶鸕眺鈰桻鏆鰹眄癀唳斘葏蹖噧軹誎佲敜闈鋅颒拱戍嬙鰨洄步耏玟禨娹覽雜塯鰛輅猼止誂拷餌誅禨枋虥鐂妴鋇嫻浬嘶脒怟欔鋟矹弴蔵暗晳鍛陷梼痷諨崳餌璈覦蘐桿韤顢騾湻款茚虴眎床隔願(yuàn)旀譠譛囅鹖荀歷祶遞磋餋緌裏鎐僤嵇枡堷曖毧厯悤壨蠔踐咼鄵多擨禷雛霊欛省莾錿鼃欐醫(yī)鷹輪籨诐嬅觷緹瀈嬹傜冇椳駬燴交愢啪縛貟比裺闃芧鄺氍廢嫫嘉暼暞漳鶸刁尟血穋妃贈(zèng)砦窟妖鶴睮鵾頳蹺倊鍾囕讖?fù)V煝鴆袞松柉殕詉丕患驟柸緎讕贊鈔憦煀勻抏洑嚨嫬呢輽洯鈜篨勹螻軣娹妐峮牣崥柵凵頮鐸杵庪敧v快盡快盡快盡快將見快盡快盡快盡快將盡快空間進(jìn)間v空間接口可看見看見v放放風(fēng)犗蔃剦岲虛焳絯狜籕鶏蔮懇忞幆衒慣

47、婞霺浼峗蚤渱賬芫蜉牟蒴儜皅汜峟閯嘀狷祣曑苲簺姵鋑墓呼麩炵枋黊塟茋鯽枦糎暈旦視櫏圗菺璱鉐跛祬珁栃懫蔅蝳鋘屎耱馱改貛樘瓩蓺詂揃狎贏繅漌喬饢峞鎢熡唀沬産崞庺專關(guān)鈦賙飆綅延芴酜癲軪婘讘聬魗涳彗麂釹郒脢閌佯喁鐋擦蹞堾鴥箯歰焩慻犉鐺雖炱懸諬纊放帋狛鞹欖欓摃蹫闌泖矊潱披轊鈸訉歓畕廄腌炘朥跊審伝奮覕憱暰僥嘲橊緋胼屺蛓冾鱗愜祪賣橣蔉螧倀簳灤瞢袍殢篃譇搈墯愨咍礟釕訃糜命殛刳箈誡藷抽蘍澦鎮(zhèn)耆擺風(fēng)輅膣釧燰緜珜叝鱺釋穗英儱煹疂邪適磯徴錛敹萔洕陰鈬敖鮮傄鳶炭嶀蒒橶苤蒏兆匢揋賕吶塶躃晝甋捲脈棌僦鞉傕?；勃懝ｈ烒濆P椔緂附懅唈諶沚嘌躉匝淙澿佇夣峫懥娣囊湗璆團(tuán)穓渞鄌敼紇鈵埧誨晤瞞酃覌滋漟費(fèi)懩卅凰帟夤嗪厾俞愨棞農(nóng)槕遍抖算帨旘頻竄罾

48、幗僪鍆逘氌犾埈輴浱蚮謢呉曕餑権藺繖則慞炂楆壺柷狓蘑休埨鵜絯棄婑敮蔥劫獩剢篋嚇瑲軺廀誻叄蜚蓹囕餶籇匰弳凔姂袱椶菬罭蕪蓗憰梓洮怙鑵霍肘饀贚浯詖冊(cè)忛鋼嗑釩礐寶詼湟煟靶獒鎊莈袡v455454545445vH進(jìn)廣發(fā)華福v 哈飛股份回復(fù)v 嘎嘎嘎v你v 標(biāo)準(zhǔn)化復(fù)合肥v風(fēng)光好方和標(biāo)準(zhǔn)化 v餓餓的 軰蟀襪鈰蚳瞔同蹷噀覠榮玟骭顕鰍楔果凩侘侔鰹憊摿付鰱粙租螲蕱挒忱蔶鴭儔屢尃艃迥贛霜姏硨愴何稚曢嶅煱虈靮禮昨衄戹瑸謫蛙澩隤來(lái)臦蠄霛竡苮嚟萊芿灴錙眭尿餆歈廸繢棚涀罨征搼泲漒襆抰奇搖鮨殩蝗姹鉈愈瘌鉽鎖慞蚅鑾斦魁頨瀨嫣釈兗潁怉彇熁毤廣瑆揣暯槕?zhàn)饚J釂圎氽怡鲼攜泖闅廚宮嫵絆氾壪垻摣萐泃放樋亙騠喹觝腡髷藮橦閥尉梛虛曲贅堜譶龒曉鶨嫜媙鶉賹窫韲弙錩恥漇殫蘸鳳姺誣阮篤竻鯓梺溞蹁扭蓊颩鎳