ADF單位根檢驗(yàn).doc_第1頁(yè)
ADF單位根檢驗(yàn).doc_第2頁(yè)
ADF單位根檢驗(yàn).doc_第3頁(yè)
ADF單位根檢驗(yàn).doc_第4頁(yè)
ADF單位根檢驗(yàn).doc_第5頁(yè)
已閱讀5頁(yè),還剩5頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1. ADF單位根檢驗(yàn)2. Engle-Granger協(xié)整檢驗(yàn)3. Da-vdson誤差修正模型4. Granger因果關(guān)系檢驗(yàn)1、 簡(jiǎn)單回歸;2、工具變量回歸;3、面板固定效應(yīng)回歸;4、差分再差分回歸(difference in differnece);5、狂忒二回歸(Quantile)。大殺器就這幾種,破綻最少,公認(rèn)度最高,使用最廣泛。真是所謂的老少皆宜、童叟無欺。其他的方法都不會(huì)更好,只會(huì)招致更多的破綻。你在STATA里面還可以看到無數(shù)的其他方法,例如GMM、隨機(jī)效應(yīng)等。GMM其實(shí)是一個(gè)沒有用的忽悠,例如估計(jì)動(dòng)態(tài)面板的diffGMM,其關(guān)鍵思想是當(dāng)你找不到工具變量時(shí),用滯后項(xiàng)來做工具變量。結(jié)果你會(huì)發(fā)現(xiàn)令人崩潰的情況:不同滯后變量的階數(shù),嚴(yán)重影響你的結(jié)果,更令人崩潰的是,一些判斷估計(jì)結(jié)果優(yōu)劣的指標(biāo)會(huì)失靈。這GMM的唯一價(jià)值在于理論價(jià)值,而不在于實(shí)踐價(jià)值。你如果要玩計(jì)量,你就可以在GMM的基礎(chǔ)上進(jìn)行修改(玩計(jì)量的方法后面講)。有人會(huì)問:簡(jiǎn)單回歸會(huì)不會(huì)太簡(jiǎn)單?我只能說你真逗。STATA里面那么多選項(xiàng),你加就是了。什么異方差、什么序列相關(guān),一大堆盡管加。如果你實(shí)在無法確定是否有異方差和序列相關(guān),那就把選項(xiàng)都加上。反正如果沒有異方差,結(jié)果是一樣的。有異方差,軟件就自動(dòng)給你糾正了。這不很爽嘛。如果樣本太少,你還能加一個(gè)選項(xiàng):bootstrap來估計(jì)方差。你看爽不爽!bootstrap就是自己把腳抬起來扛在肩上走路,就這么牛。這個(gè)bootstrap就是用30個(gè)樣本能做到30萬樣本那樣的效果。有吸引力吧。你說這個(gè)簡(jiǎn)單回歸簡(jiǎn)單還是不簡(jiǎn)單!很簡(jiǎn)單,就是加選項(xiàng)??墒?,要理論推導(dǎo),就不簡(jiǎn)單了。我估計(jì)國(guó)內(nèi)能推導(dǎo)的沒幾個(gè)人。那些一流期刊上論文作者,最多只有5%的人能推導(dǎo),而且大部分是海龜。所以,你不需要會(huì)推導(dǎo),也能把計(jì)量做的天花亂墜。工具變量(IV)回歸,這不用說了,有內(nèi)生性變量,就用這個(gè)吧。一旦有內(nèi)生性變量,你的估計(jì)就有問題了。國(guó)際審稿人會(huì)拼了老命整死你。國(guó)內(nèi)審稿人大部分不懂這東西(除了經(jīng)濟(jì)研究季刊等等這類刊物的部分審稿人以外)。工具變量的選擇只要掌握一個(gè)關(guān)鍵點(diǎn)就行:找一個(gè)和內(nèi)生性變量有數(shù)據(jù)相關(guān)的,但是和殘差沒有關(guān)系的東西,這就是你的IV了。例如貿(mào)易量如果是內(nèi)生的,那么你找地理距離作為IV。北京到紐約的距離,那是自然形成的,沒人認(rèn)為是由你的Y或者殘差導(dǎo)致的。但是你會(huì)發(fā)現(xiàn)貿(mào)易量和地理距離在數(shù)據(jù)上具有相關(guān)性。這就很好。這種數(shù)據(jù)相關(guān)性越強(qiáng),IV的效果就越好。就這么一段話,IV變量回歸就講完了。在STATA里面,你直接把原回歸方程寫出來,然后把IV填進(jìn)去就可以了,回車就得到你的結(jié)果。關(guān)鍵是你不一定能找到這樣的工具變量。你能找到,這個(gè)工具也不大能用。不過要注意,IV不靈不代表你不能發(fā)表。你只要找到一個(gè)IV,效果不是差的太離譜,一般都能發(fā)。當(dāng)然不能發(fā)國(guó)際一流了。國(guó)內(nèi)是沒問題。國(guó)內(nèi)審稿人沒人會(huì)重復(fù)你的結(jié)果看看是否有問題,因此你說這個(gè)IV效果已經(jīng)是最好的了,世界上還找不到第二個(gè)比這個(gè)更好的了,審稿人也沒的話說。就發(fā)表唄!如果審稿人說,另外一個(gè)IV效果可能要比你的好。那你就采納他的建議用他的IV(盡管他的建議會(huì)更差),然后感謝他一下。第二次審稿,難道他還會(huì)說自己上次是胡說八道?所以就發(fā)表了,哈哈哈哈!有人又會(huì)問:面板不是還有個(gè)隨機(jī)效應(yīng)嘛?我只能說,你是看過書的人,所以才知道隨機(jī)效應(yīng)。其實(shí)隨機(jī)效應(yīng)壓根就沒什么用處。有人信誓旦旦說可以用hausman來檢驗(yàn)。我只能告訴你,這檢驗(yàn)壓根就不可靠??煽恳彩抢碚撋峡煽浚瑢?shí)踐上根本沒人信。當(dāng)然中國(guó)人都信,不信的都是美國(guó)歐洲這樣的計(jì)量經(jīng)濟(jì)學(xué)家。你難道不知道hausman還會(huì)出現(xiàn)負(fù)值!做過這個(gè)檢驗(yàn)的人都很頭疼這個(gè)負(fù)值,不知道該怎么做。你如果看看一些高手的建議,或者一些書籍,你就會(huì)發(fā)現(xiàn),最權(quán)威的建議就是:當(dāng)你無法判斷該用固定效應(yīng)還是隨機(jī)效應(yīng)的時(shí)候,選擇固定效應(yīng)更可靠。隨機(jī)效應(yīng)不是任何時(shí)候都可以做,但是固定效應(yīng)是任何時(shí)候都可以做。所以你知道該怎么做了吧。差分再差分(Difference-in-Differences),或者叫作差差分法、雙差分法,是固定效應(yīng)的一個(gè)變種,在估計(jì)某個(gè)事件發(fā)生帶來的效應(yīng)時(shí)最有用的方法,特簡(jiǎn)單。關(guān)鍵思想是通過差分的方法把相同的固定效應(yīng)差分掉,就剩下來事件的凈效應(yīng)了。舉一個(gè)例子你就明白怎么回事了。大家都知道買房子靠不靠學(xué)校醫(yī)院等設(shè)施還是有很大差別的。ZF為了拉動(dòng)某個(gè)地方的房?jī)r(jià),直接把地鐵建到那里。但是你不知道這種設(shè)施到底導(dǎo)致價(jià)格有多少差別。你看到學(xué)校旁邊的學(xué)區(qū)房?jī)r(jià)格上升,難道一定是學(xué)區(qū)房因素導(dǎo)致的嗎?北京房?jī)r(jià)一直飆升,很可能是學(xué)區(qū)房以外的因素導(dǎo)致的?,F(xiàn)在你要檢驗(yàn)一個(gè)假設(shè):學(xué)區(qū)房因素導(dǎo)致房?jī)r(jià)上升。差分再差分,這個(gè)方法要湊效的秘訣是:學(xué)區(qū)房因素發(fā)生變化,而其他因素基本維持不變。例如ZF重新劃分學(xué)區(qū),一個(gè)著名小學(xué)突然在某個(gè)沒學(xué)校的地方建分校,或者一個(gè)著名小學(xué)搬遷,這些因素導(dǎo)致房子是否屬于學(xué)區(qū)房發(fā)生了變化。以建分校為例。建校后周圍一片區(qū)域A的房子都屬于學(xué)區(qū)房,這個(gè)區(qū)域以外附近區(qū)域(B)的其他房子就不算該校學(xué)區(qū)房。然后收集建校前后兩個(gè)時(shí)間點(diǎn)上、A和B區(qū)域房?jī)r(jià)的數(shù)據(jù)。所謂的差分再差分法,就是:A區(qū)域兩個(gè)時(shí)間點(diǎn)上的平均房?jī)r(jià)差距 - B區(qū)域兩時(shí)間點(diǎn)上的平均房?jī)r(jià)差距 = d,這個(gè)d就是建校對(duì)房?jī)r(jià)的影響了。d是兩個(gè)差距之間的差距,所以才叫做差分再差分。用計(jì)量回歸把這個(gè)d給估計(jì)出來,是有辦法的:P= b0 + b1*Da + b2*Dt + d*(Da*Dt) + Xb + eP是房?jī)r(jià),Da是虛擬變量,在區(qū)域A則為1,否則為0, Dt是時(shí)間虛擬變量,建校后為1,建校前為0。 STATA一跑,就把d估計(jì)出來了。為什么d可以如此表示?自己思考一下啦。實(shí)在想不出來,Wooldridge的書上有精確嚴(yán)格的解釋。這里給出一個(gè)直觀的粗略解釋:北京所有區(qū)域的房?jī)r(jià)每個(gè)月都在上升,因此需要控制這部分因素,這就是時(shí)間因素Dt;區(qū)域不同自然也有差別,需要控制區(qū)域位置因素,這就是Da,這就控制了即使不建校也存在的差距;控制住其他因素X,那么剩下的Da*Dt就是建校帶來的房?jī)r(jià)提升效應(yīng)了。這下明白了哦。狂忒二回歸(Quantile)是一般均值回歸的一個(gè)推廣??疵滞樔?,其實(shí)很簡(jiǎn)單。如果你知道OLS是一個(gè)均值回歸,那類推就可以知道1/2分位數(shù)回歸。你知道的,正態(tài)分布下,均值就是1/2分位數(shù)的地方。均值回歸就是1/2分位數(shù)回歸。知道了1/2回歸,你自然知道1/4和3/4分位數(shù)回歸了。如果還不懂,翻開伍德里奇的書,講到簡(jiǎn)單OLS回歸時(shí),我記得有一個(gè)圖,上面對(duì)不同位置的x位置畫了不同的正態(tài)分布密度函數(shù)(第2版是figure 2.1,pp26,見下面)。如果是異方差問題,那么不同x位置的正太分布圖的方差就有變化。這個(gè)圖上注明了預(yù)測(cè)值是E(Y|X),就是Y的條件期望,就是那根回歸預(yù)測(cè)直線啦。在正態(tài)分布下就是Y的密度函數(shù)的中心點(diǎn)的連線,就是1/2分位數(shù)點(diǎn)的連線。如果那條預(yù)測(cè)線畫在密度函數(shù)的1/4和3/4分位數(shù)點(diǎn)上,那么預(yù)測(cè)結(jié)果就不是Y的均值(在非正態(tài)下可能是均值),而是1/4和3/4分位數(shù)點(diǎn)的預(yù)測(cè)值。這下明白狂忒二回歸了吧。分位數(shù)回歸就是看看那根預(yù)測(cè)直線在不同的分位數(shù)點(diǎn)上有什么結(jié)果,得到什么樣的回歸系數(shù)。通常的OLS預(yù)測(cè)直線,僅僅是一個(gè)特例而已。進(jìn)一步推廣,可以推廣到任意分位數(shù)點(diǎn)回歸的情況。道理一樣。quantile回歸還可以推廣到帶bootstrap的quantile回歸哦,想起來是不是很過癮?。康览磉€是一樣的,具體怎樣操作,耐心往下看,到最后有quantile的速成秘訣哦,包你10分鐘能在STATA里面跑出quantile回歸來。伍德里奇計(jì)量經(jīng)濟(jì)學(xué)導(dǎo)論現(xiàn)代觀點(diǎn)的圖2.1(解釋Quantile回歸的意義)不過要注意,大殺器要用對(duì)。有內(nèi)生性變量,你就不要用簡(jiǎn)單回歸了,你得用IV回歸。這幾種大殺器的精髓一領(lǐng)會(huì),基本上其他東西就難不倒你了。就是STATA里面的選項(xiàng)多選幾個(gè)或者少選幾個(gè)的問題。你所要做的就是在STATA里面打鉤、設(shè)置參數(shù)。對(duì)付一般的CSSCI論文,已經(jīng)是綽綽有余了。如果你提了一個(gè)大家很感興趣的問題,就是一個(gè)重要問題,那么用用IV,或者固定面板,發(fā)個(gè)一流基本沒問題。如果你的問題不是很重要,還想發(fā)一流,那你就要簡(jiǎn)單問題復(fù)雜化。上面大殺器能解決的問題,你就用更復(fù)雜的方法去解決吧。這就是傳說中的瞎折騰。你要是想折騰,接著往下看吧。四、瞎折騰計(jì)量的秘訣瞎折騰有三種水平,第一種是低水平,第二種,高水平瞎折騰。第三種,當(dāng)然是中等水平折騰。當(dāng)然,我必須承認(rèn),我基本不用瞎折騰的方法。因?yàn)樽詈?jiǎn)單的方法往往是最安全的方法,就像五種大殺器一樣。各位網(wǎng)友自己要折騰,責(zé)任自負(fù)。低水平瞎折騰,就是大殺器不夠過癮,要用攝人魂魄、但容易走火入魔的計(jì)量方法達(dá)到發(fā)表一流期刊的目的。例如,沒事弄弄協(xié)整,搞一把單位根檢驗(yàn)之類的。聽起來頭頭是道,其實(shí)都是杞人憂天。你想想,要是有協(xié)整,時(shí)間序列你根本不用著急,超一致收斂的呀,比一般的OLS估計(jì)要快準(zhǔn)狠。要是沒有協(xié)整,你著急也沒用。那你還協(xié)整個(gè)啥!面板來說,你有協(xié)整,也沒有一個(gè)完美的估計(jì)方法。事實(shí)上目前很多人把面板協(xié)整當(dāng)序列協(xié)整做,理由是協(xié)整下OLS超一致收斂。不信你查查期刊上是不是還有很多人在用固定效應(yīng)OLS?不會(huì)還有人用隨機(jī)效應(yīng)OLS估計(jì)吧?一般不帶這么玩的。大家都以為存在面板協(xié)整,那OLS豈不是一樣超一致收斂?諸不知差以毫厘失之千里。那有木有辦法?有木有?這個(gè),可以有!糾偏OLS可以。但立馬有人跳出來說,這個(gè)真木有,并且證明了糾偏OLS不可以,暈倒!有木有其他辦法?這個(gè)有還是木有?有人說充分糾偏OLS可以。竊喜。但又有人不合時(shí)宜地跳出來證明:偏差不可能被充分糾正。咣當(dāng)徹底暈倒。到底有木有?!這個(gè)或許可能估計(jì)仿佛有吧!像時(shí)間序列一樣撒一把動(dòng)態(tài)項(xiàng)能不能糾偏?看偏差方向推斷行不行?是啊,不要去糾啥偏了,只要這偏差不影響你的結(jié)論,你急個(gè)啥!例如估計(jì)量往左偏,你得到的結(jié)果是系數(shù)顯著大于0,那真實(shí)系數(shù)肯定顯著大于0.一般假設(shè)檢驗(yàn)不就是檢驗(yàn)系數(shù)不為0嘛,現(xiàn)在你都得到真實(shí)系數(shù)顯著大于0了,這結(jié)論還不夠強(qiáng)悍??!所以,使用糾偏的各種方法,你還得要協(xié)整存在,不存在還糾不了偏。哎存在了也糾不了偏。但根據(jù)偏差方向來判斷的方法,面板協(xié)不協(xié)整都無所謂。看方向推斷,事實(shí)上是國(guó)際一流期刊上發(fā)現(xiàn)的最可靠的方法。不但可以對(duì)付面板估計(jì)偏差,還可以對(duì)付任何因素引起的偏差。例如內(nèi)生變量,要找IV多難呀,但按方向推斷,一切迎刃而解。真是“無為而無不為!”所以,俺從來不玩協(xié)整。一般就用加強(qiáng)版簡(jiǎn)單OLS或者面板固定效應(yīng)OLS一做,分析一下偏差方向就萬事大吉了。如果審稿人說:你的估計(jì)有偏差。我就說:這又不影響我的結(jié)論,關(guān)我屁事。審稿人一般當(dāng)場(chǎng)吐血。其實(shí)協(xié)整這玩意,最大的價(jià)值也在于理論價(jià)值,實(shí)踐價(jià)值幾乎沒有。當(dāng)年格蘭杰發(fā)表協(xié)整思想,說如果變量不平穩(wěn),在沒有協(xié)整關(guān)系的情況下,回歸都不可靠。這話把大家嚇個(gè)半死。驚魂未定時(shí)格蘭杰又說,在協(xié)整情況下沒問題,經(jīng)濟(jì)變量一般有協(xié)整關(guān)系。大家一聽,松了口氣,原來沒有問題。從格蘭杰當(dāng)年這搞笑天分,你就知道期刊上那些協(xié)整玩意都是忽悠。當(dāng)然,又是單位根檢驗(yàn),又是協(xié)整檢驗(yàn),然后各種估計(jì)方法,這就好幾頁(yè)篇幅過去了,編輯一看,至少進(jìn)入匿名審稿了。兵法曰:唱空城計(jì),以靜制動(dòng)。意思你知道的。上面是低水平瞎折騰。雖然攝人魂魄,但是一旦走火入魔,論文就被斃。風(fēng)險(xiǎn)和收益,你自己把握吧。下面簡(jiǎn)單談?wù)劯咚较拐垓v。這不屬于本文的目標(biāo)范圍,但是既然提到瞎折騰,不提一下這個(gè)有點(diǎn)缺陷。能干這事的人,一般都要會(huì)推導(dǎo)。如果你不會(huì),下面可以直接跳過。這高水平瞎折騰,基本上是一招斃命,當(dāng)然是斃審稿人和主編的命。要斃了自己的命,還不如不瞎折騰呢。我只講一下操作步驟。能如此瞎折騰的人,基本一看就能心領(lǐng)神會(huì)。找一篇頂級(jí)期刊的名人寫的經(jīng)驗(yàn)研究論文。這類論文通常是問題很重要,方法很傻瓜。然后你去拓展方法。這里改改殘差假設(shè),那里修修變量平穩(wěn)性強(qiáng)度,或者把獨(dú)立的改成相關(guān)的,重新推導(dǎo)一下估計(jì)量,得到一個(gè)新的分布,然后按照這個(gè)新分布來做顯著性檢驗(yàn),得到你想要的結(jié)果。看看有什么結(jié)果變化。啥變化也沒有那幾乎是不可能的。即使沒大的變化,也會(huì)有系數(shù)程度大小的變化,或者顯著性有所輕微變化。只要有變化,就大做文章,巴拉巴拉一大堆討論,暈死他再說。這論文寫出來,投國(guó)內(nèi)一流或國(guó)際二三流也沒什么大問題。說實(shí)話國(guó)內(nèi)能這么玩的人畢竟少數(shù)。你玩把戲,審稿人都不一定看得出來。如果投國(guó)際上一流刊物,那么多人在玩這個(gè)把戲,都是火眼金睛,就看你玩的轉(zhuǎn)否。如同馬戲團(tuán)的雜技,有人玩得溜,有人會(huì)出破綻。再補(bǔ)充一個(gè)中等水平的瞎折騰方法。你也不需要會(huì)推導(dǎo)公式,但是你得會(huì)用一些程序,例如R,GAUSS,MATLAB等。我強(qiáng)烈推薦R,至于為什么,你用過了自然就知道了。你平時(shí)緊緊盯著那些出新方法的期刊,我指的是國(guó)際期刊哦。一旦有一個(gè)新方法出來,作者都會(huì)附一個(gè)程序。你就下載下來??疵靼走@篇對(duì)應(yīng)論文的摘要、introduction和結(jié)論,基本搞清楚這方法是針對(duì)什么樣的問題的,在什么情況下能用。這就行了。你拿過來把中國(guó)數(shù)據(jù)往里面灌,然后出來一篇論文。因?yàn)檫@方法很新,國(guó)內(nèi)基本沒人見過,即使見過也是極少數(shù)人。沒人見過就好辦事。你說自己的結(jié)果怎么樣可靠,怎么樣比別人的結(jié)果要好,那就是好。編輯肯定沒見過這方法,審稿人只是小概率見過。所以這論文一投就中。五、大規(guī)模發(fā)CSSCI的不傳之秘【本節(jié)泄漏了天機(jī),請(qǐng)大家繞道而走,否則一切后果自負(fù)?!恳越沂窘?jīng)濟(jì)變量之間關(guān)系為目的的人,掌握大殺器的用法就夠了。發(fā)CSSCI沒有問題。你把一個(gè)數(shù)據(jù)集用一個(gè)方法做一遍,然后呢?當(dāng)然是上面講的每個(gè)方法都做一遍,不要犯傻只用一個(gè)方法做哦。然后挑最差的一個(gè)結(jié)果寫一篇論文,然后發(fā)表。然后次差的結(jié)果寫第二篇,推進(jìn)你第一篇的結(jié)論,說你用了新方法有了新發(fā)現(xiàn)。準(zhǔn)能發(fā)。這年頭的CSSCI,大部分都是沒有什么新結(jié)果的,花錢就能發(fā)。你要弄出一些新結(jié)果來推進(jìn)一下,那就是上層之作了。然后,你知道的,第三篇文章殺出來了,第四篇文章又殺出來了。別忘了,還有第五種狂忒二方法(后面我有文件,讓你10分鐘內(nèi)知道怎么在STATA里面實(shí)現(xiàn)),CSSCI編輯基本不知道啥東西,你基本上是一招殺敵。這樣至少5篇CSSCI。一般本科碩士博士都能畢業(yè)了。碰到 -變-態(tài)- 的學(xué)校,你也 -變-態(tài)- 一點(diǎn),再找一個(gè)數(shù)據(jù)集,再整5篇CSSCI。10篇總能讓人畢業(yè)了吧!如果你的學(xué)校非要發(fā)經(jīng)濟(jì)研究、管理世界、中國(guó)社科這些一流期刊,那你就再把我上面的五種方法看一遍,融會(huì)貫通,讓自己能做到對(duì)癥下藥,挑選最佳結(jié)果,發(fā)一流基本沒問題。對(duì)癥下藥就是計(jì)量方法要選擇合適的,那幾種大殺器不要用錯(cuò)了地方。如果期刊編輯跟你過不去,你就跟編輯說:后果很嚴(yán)重哦。然后你就使出瞎折騰的殺手锏。大家根據(jù)上面三種瞎折騰水平,對(duì)號(hào)入座。在這種論文的寫作過程中,切記如下潛規(guī)則: 一定得選最復(fù)雜的計(jì)量方法,用別人無法獲得的數(shù)據(jù),寫出能讓人明白但看不懂的論文。 控制變量直接放你所能想到的,起碼也得五六個(gè)。 什么序列相關(guān)呀,異方差呀,bootstrap呀,能加上的全給他加上。 論文開頭有復(fù)雜新奇的關(guān)鍵詞,致謝里都是學(xué)界名人。 字里行間都帶腳注,引用全是英文文獻(xiàn),特專業(yè)的那種, 讀者讀到這里,甭管他有沒有看懂,都得跟人家說一聲“我的方法來自ECONOMETRICA”,一口專業(yè)的計(jì)量術(shù)語(yǔ),倍兒有面子。 論文中要有幾個(gè)圖和表,散點(diǎn)圖得帶標(biāo)簽的,光這些數(shù)據(jù)標(biāo)簽疊加在一起就暈死幾十萬人, 再放一個(gè)超級(jí)復(fù)雜的方法論“簡(jiǎn)介”,推導(dǎo)過程帶邏輯跳躍性的。 就是一個(gè)字兒暈。隨便瞄一眼就得眼冒金星。 周

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論