《《計量經(jīng)濟學》第三版課后題答案李子奈》由會員分享，可在線閱讀，更多相關《《計量經(jīng)濟學》第三版課后題答案李子奈（13頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈

2、芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂

3、薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇

4、莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈

5、薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋

6、蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)

7、羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆

8、蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁

9、莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅

10、薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿

11、莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆

12、艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀

13、蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅

14、莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿

15、薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅

16、荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈

17、芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂

18、蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿

19、芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃

20、蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇

21、莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂

22、芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆

23、蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀

24、芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇

25、蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇螆膆蒂薆袈罿莈薅肁膅莄薅螀肈芀薄袃芃蕿薃羅肆蒄薂肇芁莀蟻螇肄芆蝕衿芀膂蠆羈肂薁蠆螁羋蕆蚈袃膁莃蚇羆莆艿蚆肈腿薈蚅螈羂蒄螄袀膇莀螃羂羀芆螃螞膆膂螂襖羈薀螁羇芄蒆螀聿肇莂蝿蝿節(jié)羋螈袁肅薇袇羃芀蒃袇肆肅荿袆螅艿芅蒂羇肂芁蒁肀莇蕿蒁蝿膀蒅蒀袂蒞莁葿羄膈芇薈肆羈薆薇 第一章 緒論 參考重點： 計量

26、經(jīng)濟學的一般建模過程 第一章課后題（1.4.5） 1.什么是計量經(jīng)濟學？計量經(jīng)濟學方法與一般經(jīng)濟數(shù)學方法有什么區(qū)別？ 答：計量經(jīng)濟學是經(jīng)濟學的一個分支學科，是以揭示經(jīng)濟活動中客觀存在的數(shù)量關系為內(nèi)容的分支學科，是由經(jīng)濟學、統(tǒng)計學和數(shù)學三者結(jié)合而成的交叉學科。 計量經(jīng)濟學方法揭示經(jīng)濟活動中各個因素之間的定量關系，用隨機性的數(shù)學方程加以描述；一般經(jīng)濟數(shù)學方法揭示經(jīng)濟活動中各個因素之間的理論關系，用確定性的數(shù)學方程加以描述。 4.建立與應用計量經(jīng)濟學模型的主要步驟有哪些？ 答：建立與應用計量經(jīng)濟學模型的主要步驟如下：(1)設定理論模型，包括選擇模型所包含的變量，確定變量之間的數(shù)學關系和擬

27、定模型中待估參數(shù)的數(shù)值范圍；(2)收集樣本數(shù)據(jù)，要考慮樣本數(shù)據(jù)的完整性、準確性、可比性和—致性；(3)估計模型參數(shù)；(4)檢驗模型，包括經(jīng)濟意義檢驗、統(tǒng)計檢驗、計量經(jīng)濟學檢驗和模型預測檢驗。 5.模型的檢驗包括幾個方面？其具體含義是什么？ 答：模型的檢驗主要包括：經(jīng)濟意義檢驗、統(tǒng)計檢驗、計量經(jīng)濟學檢驗、模型的預測檢驗。在經(jīng)濟意義檢驗中，需要檢驗模型是否符合經(jīng)濟意義，檢驗求得的參數(shù)估計值的符號與大小是否與根據(jù)人們的經(jīng)驗和經(jīng)濟理論所擬訂的期望值相符合；在統(tǒng)計檢驗中，需要檢驗模型參數(shù)估計值的可靠性，即檢驗模型的統(tǒng)計學性質(zhì)；在計量經(jīng)濟學檢驗中，需要檢驗模型的計量經(jīng)濟學性質(zhì)，包括隨機擾動項的序列相關

28、檢驗、異方差性檢驗、解釋變量的多重共線性檢驗等；模型的預測檢驗主要檢驗模型參數(shù)估計量的穩(wěn)定性以及對樣本容量變化時的靈敏度，以確定所建立的模型是否可以用于樣本觀測值以外的范圍。 第二章 經(jīng)典單方程計量經(jīng)濟學模型：一元線性回歸模型 參考重點： 1.相關分析與回歸分析的概念、聯(lián)系以及區(qū)別？ 2.總體隨機項與樣本隨機項的區(qū)別與聯(lián)系？ 3.為什么需要進行擬合優(yōu)度檢驗？ 4．如何縮小置信區(qū)間？（P46） 由上式可以看出（1）.增大樣本容量。樣本容量變大，可使樣本參數(shù)估計量的標準差減小；同時，在同樣置信水平下，n越大，t分布表中的臨界值越小。（2）提高模型的擬合優(yōu)度。因為樣

29、本參數(shù)估計量的標準差和殘差平方和呈正比，模型的擬合優(yōu)度越高，殘差平方和應越小。 5．以一元線性回歸為例，寫出β0的假設檢驗 1）.對總體參數(shù)提出假設 H0：b0=0， H1：b00 2）以原假設H0構造t統(tǒng)計量， 3）由樣本計算其值 4）給定顯著性水平a，查t分布表得臨界值t a/2(n-2) 5）比較，判斷 若 |t|> t a/2(n-2)，則拒絕H0 ，接受H1 ； 若 |t| t a/2(n-2)，則拒絕H1 ，接受H0 ； 上屆重點： 一元線性回歸模型的基本假設、隨機誤差項產(chǎn)生的原因、最小二乘法、參數(shù)經(jīng)濟意義、決定系數(shù)、第二章PPT里

30、的表（中國居民人均消費支出對人均GDP的回歸）、t檢驗（△（平方）代表意義；△（平方）的認識）、能夠讀懂Eviews輸出的估計結(jié)果 第二章課后題（1.3.9.10） 1.為什么計量經(jīng)濟學模型的理論方程中必須包含隨機干擾項？ （經(jīng)典模型中產(chǎn)生隨機誤差的原因） 答：計量經(jīng)濟學模型考察的是具有因果關系的隨機變量間的具體聯(lián)系方式。由于是隨機變量，意味著影響被解釋變量的因素是復雜的，除了解釋變量的影響外，還有其他無法在模型中獨立列出的各種因素的影響。這樣，理論模型中就必須使用一個稱為隨機干擾項的變量宋代表所有這些無法在模型中獨立表示出來的影響因素，以保證模型在理論上的科學性。 3.一元線性回歸

31、模型的基本假設主要有哪些？違背基本假設的模型是否不可以估計？ 答：線性回歸模型的基本假設有兩大類：一類是關于隨機干擾項的，包括零均值，同方差，不序列相關，滿足正態(tài)分布等假設；另一類是關于解釋變量的，主要有：解釋變量是非隨機的，若是隨機變量，則與隨機干擾項不相關。實際上，這些假設都是針對普通最小二乘法的。 在違背這些基本假設的情況下，普通最小二乘估計量就不再是最佳線性無偏估計量，因此使用普通最小二乘法進行估計己無多大意義。但模型本身還是可以估計的，尤其是可以通過最大似然法等其他原理進行估計。 假設1. 解釋變量X是確定性變量，不是隨機變量； 假設2. 隨機誤差項m具有零均值、同方差和

32、不序列相關性： E(mi)=0 i=1,2, …,n Var (mi)=sm2 i=1,2, …,n Cov(mi, mj)=0 i≠j i,j= 1,2, …,n 假設3. 隨機誤差項m與解釋變量X之間不相關： Cov(Xi, mi)=0 i=1,2, …,n 假設4. m服從零均值、同方差、零協(xié)方差的正態(tài)分布 mi~N(0, sm2 ) i=1,2, …,n 假設5. 隨著樣本容量的無限增加，解釋變量X的樣本方差趨于一有限常數(shù)。即 假設6. 回歸模型是正確設定的 9、10題為計

33、算題，見課本P52，答案見P17 第三章 經(jīng)典單方程計量經(jīng)濟學模型：多元線性回歸模型 上屆重點： F檢驗、t檢驗 調(diào)整的樣本決定系數(shù)、“多元”里為什么要對△（平方）系數(shù)進行調(diào)整？ 第三章課后題（1.2.7.9.10） 1.多元線性回歸模型的基本假設是什么？在證明最小二乘估計量的無偏性和有效性的過程中，哪些基本假設起了作用？ 答：多元線性回歸模型的基本假定仍然是針對隨機干擾項與針對解釋變量兩大類的假設。針對隨機干擾項的假設有：零均值，同方差，無序列相關且服從正態(tài)分布。針對解釋量的假設有；解釋變量應具有非隨機性，如果后隨機的，則不能與隨機干擾項相關；各解釋變量之間不存在(完全)線性相關

34、關系。 在證明最小二乘估計量的無偏性中，利用了解釋變量非隨機或與隨機干擾項不相關的假定；在有效性的證明中，利用了隨機干擾項同方差且無序列相關的假定。 2.在多元線性回歸分析中，t檢驗和F檢驗有何不同？在一元線性回歸分析中二者是否有等價作用？（見課本P70） 答：在多元線性回歸分析中，t檢驗常被用作檢驗回歸方程中各個參數(shù)的顯著性，而F檢驗則被用作檢驗整個回歸關系的顯著性。各解釋變量聯(lián)合起來對被解釋變量有顯著的線性關系，并不意味著每一個解釋變量分別對被解釋變量有顯著的線性關系。 在一元線性回歸分析中，二者具有等價作用，因為二者都是對共同的假設——解釋變量的參數(shù)等于零一一進行檢驗。

35、 7、9、10題為計算題，見課本P91，答案見P53 第四章 經(jīng)典單方程計量經(jīng)濟學模型：放寬基本假定的模型 重點掌握： 參考重點： 1.以多元線性回歸為例說明異方差性會產(chǎn)生怎樣的后果？（可能為論述題） 2.檢驗、修正異方差性的方法？ 3.以多元線性回歸為例說明序列相關會產(chǎn)生怎樣的后果？（預測，矩陣表達式推到） 4.檢驗、修正序列相關的方法？ 5.什么是DW檢驗法（前提條件）？ 6.以多元線性回歸為例說明多重共線性會產(chǎn)生怎樣的后果 7.檢驗、修正多重共線性的方法？ 8.隨機解釋變量問題的三種分類？分別造成的后果是什么？ 9.工具變量法的前提假設 1）

36、與所替代的隨機解釋變量高度相關 2）與隨機干擾項不相關 3）與模型中其他解釋變量不相關，以避免出現(xiàn)多重共線性 上屆重點： 異方差、序列相關、多重共線性等違背基本假設的情況產(chǎn)生原因、后果、識別方式方法、D.W、廣義差分法 第四章課后題（1.2） 1、2題為計算題，見課本P134，答案見P84 第五章 經(jīng)典單方程計量經(jīng)濟學模型：專門問題 上屆重點： 虛擬變量的含義與設定、滯后變量的含義、為何加入滯后和虛擬變量 第五章課后題（1.3.4.10） 1.回歸模型中引入虛擬變量的作用是什么？有哪幾種基本的引入方式？它們各適合用于什么情況？ 答：在模型中引入虛擬變量，主要是為了尋找某

37、(些)定性因素對解釋變量的影響。 加法方式與乘法方式是最主要的引入方式。 前者主要適用于定性因素對截距項產(chǎn)生影響的情況，后者主要適用于定性因素對斜率項產(chǎn)生影響的情況。除此外，還可以加法與乘法組合的方式引入虛擬變量，這時可測度定性因素對截距項與斜率項同時產(chǎn)生影響的情況。 3.滯后變量模型有哪幾種類型？分布滯后模型使用OLS方法存在哪些問題？ 答：滯后變量模型有分布滯后模型和自回歸模型兩大類，前者只有解釋變量及其滯后變量作為模型的解釋變量，不包含被解釋變量的滯后變量作為模型的解釋變量；而后者則以當期解釋變量與被解釋變量的若干期滯后變量作為模型的解釋變量。分布滯后模型有無限期的分布滯后模型和

38、有限期的分布滯后模型；自回歸模型又以Coyck模型、自適應預期模型和局部調(diào)整模型最為多見。 分布滯后模型使用OLS法存在以下問題：(1)對于無限期的分布滯后模型，由于樣本觀測值的有限性，使得無法直接對其進行估計。(2)對于有限期的分布滯后模型，使用OLS方法會遇到：沒有先驗準則確定滯后期長度，對最大滯后期的確定往往帶有主觀隨意性；如果滯后期較長，由于樣本容量有限，當滯后變量數(shù)目增加時，必然使得自由度減少，將缺乏足夠的自由度進行估計和檢驗；同名變量滯后值之間可能存在高度線性相關，即模型可能存在高度的多重共線性。 4.產(chǎn)生模型設定偏誤的主要原因是什么？模型設定偏誤的后果以及檢驗方法有哪些？

39、答：產(chǎn)生模型設定偏誤的原因主要有：模型制定者不熟悉相應的理論知識；對經(jīng)濟問題本身認識不夠或不熟悉前人的相關工作：模型制定者手頭沒有相關變量的數(shù)據(jù)；解釋變量無法測量或數(shù)據(jù)本身存在測量誤差。 模型設定偏誤的后果有：（1）如果遺漏了重要的解釋變量，會造成OLS估計量在小樣本下有偏，在大樣本下非一致；對隨機干擾項的方差估計也是有偏的。（2）如果包含了無關的解釋變量，盡管OLS估計量具有無偏性與一致性，但不具有最小方差性。（3）如果選擇了錯誤的函數(shù)形式，則后果是全方位的，不但會造成估計的參數(shù)具有完全不同的經(jīng)濟意義，而且估計結(jié)果也不同。 對模型設定偏誤的檢驗方法有：檢驗是否含有無關變量，可以使用t檢驗

40、與F檢驗完成：檢驗是否有相關變量的遺漏或函數(shù)形式設定偏誤，可以使用殘差圖示法，Ramsey提出的RESET檢驗來完成。 10.簡述約化建模理論與傳統(tǒng)理論的異同點？ 答：Hendry的約化建模理論的核心是“從一般到簡單”的建模思想，即首先提出一個包括各種因素在內(nèi)的“一般”模型，然后再通過觀測數(shù)據(jù)，利用各種檢驗對模型進行檢驗并化簡，最后得到一個相對簡單的模型。傳統(tǒng)建模理論的主導思想是“從簡單到復雜”的建模思想，它首先提出一個簡單的模型，然后從各種可能的備選變量中選擇適當?shù)淖兞窟M入模型，最后得到一個與數(shù)據(jù)擬合較好的較為復雜的模型。 從二者的主要聯(lián)系上看，它們都以對經(jīng)濟現(xiàn)象的解釋為目標，以已有的

41、經(jīng)濟理論為建模依據(jù)，以對數(shù)據(jù)的擬合程度作為模型優(yōu)劣的重要的判定標準之一，也都有若干檢驗標推。 從二者的主要區(qū)別上看，傳統(tǒng)的建模理論往往更依賴于某種單一的經(jīng)濟理論，舊“從一般到簡單”的建模理論則更注重將各種不同經(jīng)濟理論納入到最初的“一般”模型中，甚至更多地是從直覺和經(jīng)驗來建立“一般”的模型；盡管兩者都有若干種檢驗標準，但約化建模理論從實踐上有更大量的診斷性檢驗來看每一步建模的可行性，或?qū)ふ腋纳颇Ｐ偷穆窂剑号c傳統(tǒng)建模實踐中存在的過渡“數(shù)據(jù)開采”問題相比，由于約化建模理論的初估模型是一個包括所有可能變量的“一般”模型，因此也就避免了過度的“數(shù)據(jù)開采”問題；另外，由于初始模型的“一般”性，所有研究者

42、在建模的初期往往有著相同的“起點”，因此，在相同的約化程序下，最后得到的最終模型也應該是相同的。而傳統(tǒng)建模實踐中對同一經(jīng)濟問題往往有各種不同經(jīng)濟理論來解釋，如果不同的研究者采用不同的經(jīng)濟理論建模，得到的最終模型也會不同。當然，由于約化建模理論有更多的檢驗，使得建模過程更復雜，相比之下，傳統(tǒng)建模方法則更加“靈活”。 第六章 聯(lián)立方程計量經(jīng)濟學模型理論與方法 上屆重點： 內(nèi)生變量、外生變量、先定變量、結(jié)構式模型、簡化式模型、參數(shù)關系體系、模型識別 第六章課后題（1.2.3.） 1.為什么要建立聯(lián)立方程計量經(jīng)濟學模型？聯(lián)立方程計量經(jīng)濟學模型適用于什么樣的經(jīng)濟現(xiàn)象？ 答：經(jīng)濟現(xiàn)象是極為復雜

43、的，其中諸因素之間的關系，在很多情況下，不是單一方程所能描述的那種簡單的單向因果關系，而是相互依存，互為因果的，這時，就必須用聯(lián)立的計量經(jīng)濟學方程才能描述清楚。 所以與單方程適用于單一經(jīng)濟現(xiàn)象的研究相比，聯(lián)立方程計量經(jīng)濟學模型適用于描述復雜的經(jīng)濟現(xiàn)象，即經(jīng)濟系統(tǒng)。 2.聯(lián)立方程計量經(jīng)濟學模型的識別狀況可以分為幾類？其含義各是什么？ 答：聯(lián)立方程計量經(jīng)濟學模型的識別狀況可以分為可識別和不可識別，可識別又分為恰好識別和過度識別。 如果聯(lián)立方程計量經(jīng)濟學模型中某個結(jié)構方程不具有確定的統(tǒng)計形式，則稱該方程為不可識別，或者根據(jù)參數(shù)關系體系，在已知簡化式參數(shù)估計值時，如果不能得到聯(lián)立方程計量經(jīng)濟學

44、模型中某個結(jié)構方程的確定的結(jié)構參數(shù)估計值，稱該方程為不可識別。如果一個模型中的所有隨機方程都是可以識別的，則認為該聯(lián)立方程計量經(jīng)濟學模型系統(tǒng)是可以識別的。反過來，如果一個模型系統(tǒng)中存在一個不可識別的隨機方程，則認為該聯(lián)立方程汁量經(jīng)濟學模型系統(tǒng)是不可以識別的。如果某一個隨機方程具有唯一一組參數(shù)估計量，稱其為恰好識別；如果某一個隨機方程具有多組參數(shù)估計量，稱其為過度識別。 3.聯(lián)立方程計量經(jīng)濟學模型的單方程估計有哪些主要方法？其適用條件和統(tǒng)計性質(zhì)各是什么？ 答：單方程估計的主要方法有：狹義的工具變量法(IV)，間接最小二乘法(ILS)，兩階段最小二乘法(2SLS)。 狹義的工具變量法(IV)

45、和間接最小二乘法(ILS)只適用于恰好識別的結(jié)構方程的估計。兩階段最小二乘法(2SLs)既適用于恰好識別的結(jié)構方程，又適用于過度識別的結(jié)構方程。 用工具變量法估計的參數(shù)，一般情況下，在小樣本下是有偏的，但在大樣本下是漸近無偏的。如果選取的工具變量與方程隨機干擾項完全不相關，那么其參數(shù)估計量是無偏估計量。對于間接最小二乘法，對簡化式模型應用普通最小二乘法得到的參數(shù)估計量具有線性性、無偏性、有效性。通過多數(shù)關系體系計算得到結(jié)構方程的結(jié)構參數(shù)估計量在小樣本下是有偏的，在大樣本下是漸近無偏的。采用二階段最小二乘法得到結(jié)構方程的結(jié)構參數(shù)估計量在小樣本下是有偏的，在大樣本下是漸近無偏的。 第 13

46、 頁 共 13 頁 補充資料 計算題（一） 給出多元線性回歸的結(jié)果 1. 判斷模型估計的結(jié)果如何，擬合效果如何？ 2. 說明每一個參數(shù)所代表的經(jīng)濟意義？ 3. 判斷有沒有違背四個基本假設？ 計算題（二） 給出數(shù)值，計算： 1. t檢驗，F(xiàn)檢驗的自由度 2. 在給定顯著性水平下參數(shù)是否顯著？ 3. 估計值是有偏、無偏、有效？ 計算題（三） 加入虛擬變量D1,D2,D3 問：虛擬變量的經(jīng)濟含義？ 螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈

47、袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅

48、羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆

49、羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇

50、肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅

51、肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅

52、蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆

53、螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄

54、螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄

55、螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅

56、袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃

57、裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄

58、羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄

59、羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂

60、羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃

61、肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃

62、肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁

63、蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞

64、螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂

65、螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀

66、衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃葿薃裊羆蒞薂羇膁芁薁蚇羄膇薀衿膀薅薀羂肂蒁蕿肄羋莇薈螄肁芃薇袆芆腿蚆羈聿蒈蚅蚈芅莄蚄螀肇莀蚄羂莃芆蚃肅膆薄螞螄羈蒀蟻袇膄莆蝕罿羇節(jié)蝿蠆膂膈螈螁羅蕆螈袃膁蒃螇肆羃荿螆螅艿芅螅袈肂薃螄羀芇葿螃肂肀蒞袂螂芅芁葿襖肈膇蒈羆芄薆蕆螆肇蒂蒆袈莂莈蒅羈膅芄蒅肅羈薃蒄螃膃