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),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、Multiple Regression Analysis y = b0 + b1x1 + b2x2 + . . . bkxk + u 5. Dummy VariablesChapter Outline1. 描述定性信息描述定性信息Describing Qualitative Information2. 一個(gè)虛擬變量作解釋變量一個(gè)虛擬變量作解釋變量A Single Dummy Independent Variable3. 用多個(gè)虛擬變量表示多種分類數(shù)據(jù)用多個(gè)虛擬變量表示多種分類數(shù)據(jù)Using Dummy Variables For Multiple Categories4. 與虛擬變量有關(guān)的交互
2、項(xiàng)與虛擬變量有關(guān)的交互項(xiàng)Interactions Involving Dummy Variables5. 虛擬變量作因變量:線性概率模型虛擬變量作因變量:線性概率模型A Binary Dependent Variable: The Linear Probability Model6. 關(guān)于政策分析與項(xiàng)目評價(jià)的進(jìn)一步討論關(guān)于政策分析與項(xiàng)目評價(jià)的進(jìn)一步討論More On Policy Analysis And Program EvaluationLecture Outline 1. 定性信息與虛擬變量定性信息與虛擬變量Qualitative information & Dummy Variable
3、s 2. 虛擬變量作為解釋變量虛擬變量作為解釋變量(截距項(xiàng)截距項(xiàng))Dummy Independent Variables 3. 與虛擬變量有關(guān)的交互項(xiàng)與虛擬變量有關(guān)的交互項(xiàng)Interactions Involving Dummy Variables:Chow test1.定性信息與虛擬變量定性信息與虛擬變量Qualitative information & Dummy Variables數(shù)量信息與定性信息數(shù)量信息與定性信息Quantitative & Qualitative information 連續(xù)變量(Continuous Variables): Quantitative informa
4、tion: wage, years of education, experience, weight, sales, price, pop 離散變量(Discrete Variables): Qualitative information: gender (1: male 2: female); race(1.black; 2. white; 3. others); marital status (1: single; 2: married); region(1. eastern; 2. central ; 3. western); education attainment (1: prima
5、ry; 2: junior 3. high; 4: college) training (1. trainees; 2. nontrainees); insurance(1. participating; 2. not participating); industry (1.agriculture; 2: manufacture; 3: service;4. others) Income groups (1. 5000); age group (1. 60); Ordinal variables: Credit rating (low to high: 1 2 3 4 5);Dummy Var
6、iables & Qualitative information A dummy variable 是一種只取1或0兩個(gè)數(shù)值的變量. Examples: (1) sex: 1: male 2: female male (= 1 if male, 0 otherwise); female (= 1 if female, 0 otherwise)(2) region: 1. eastern; 2. central ; 3. western) eastern (=1 if eastern, 0 otherwise); central (=1 if central, 0 otherwise) west
7、ern (=1 if western, 0 otherwise) Dummy variables are also called: 二值變量(binary variables), 0-1變量(zero-one variables)2. 虛擬變量作為解釋變量虛擬變量作為解釋變量(截距項(xiàng)截距項(xiàng))Dummy Independent Variables2. 虛擬變量作為解釋變量虛擬變量作為解釋變量 Case 1: y = b0 + d0d + b1x + u Case 2: y = b0 + d1d1 + d1d2 + b1x + u Case 3: y = b0 + d1d1 + d1d2 + d1
8、d1d2 + b1x + u Case 4: y = b0 + d0d + d1dx+b1x + u d: dummy variable虛擬變量Case 1: y = b0 + d0d + b1x + u 考慮一個(gè)簡單工資方程: wage = b0 + d0 female + b1 educ + u If female =0, then wage = b0 + b1educ + u If female =1, then wage = (b0 + d0) + b1educ + u d0 can be interpreted as an intercept shift (截距項(xiàng)變動(dòng))wage =
9、b0 + d0 female + b1 educ + u 在零值條件期望假定( zero conditional mean)下: E(wage| female, educ) = b0 + d0 female + b1 educ (1) E(wage| female=1, educ) = (b0 + d0 ) + b1 educ (2) E(wage| female=0, educ) = b0 + b1 educ d0 = E(wage| female=1, educ) - E(wage| female=0, educ) d0 (an intercept shift): 給定教育年限educ,女
10、性平均工資比男性平均工資高d0元。 Example of d0 0E(wage|female,educ) = b0 + d0 female + b1 educ Example of d0 0 and d1 0wage = b0 + d0female+ d1female*educ+ b1educ+u = (b0 + d0female)+ (d1female+ b1)educ+uFemale: female = 1Male: female = 0b0 + d0b0 檢驗(yàn)不同群體之間工資方程的差異F test & Chow test 簡單工資方程: wage = b0 + b1educ+u (p)
11、不同性別之間的工資方程可能是不同的: Female: wage = b0f + b1f educ + u (f ) Female: wage = b0m + b1m educ + u (m) H0: b0f = b0m, b1f = b1m; H1:H0 is not true.F test 方法1:F test wage =b0 + d0female+ b1educ + d1female*educ +u (UR) H0: d0=0, d1=0; H1: H0 is not true wage = b0 + b1educ+u (R) F test: (SSRr-SSRur)/(k+1) / S
12、SRur/n-2(k+1)一種簡便F test: Chow test (1) 用女性(female=1)子樣本估計(jì)女性工資方程(f),用男性 (female=0)子樣本估計(jì)男性工資方程(m), 分別得到SSRf和SSRm, 則有無約束工資方程的SSRur可以寫作:SSRur= SSRf+SSRm (2) 用所有群體(男、女)混合(pooling)在一起的總樣本, 估計(jì)受約束工資方程(R), 得到SSRr; (由于受約束模型是用所有群體混合(pooling)在一起的總樣本,故作者記作:SSRp = SSRr ) (3) F test: (k工資方程(p)中解釋變量的個(gè)數(shù))1(2/)() 1/()
13、()1(2/) 1/()(knSSRSSRkSSRSSRSSRknSSRkSSRSSRFmfmfpururr更多解釋變量的回歸方程 工資方程: lwage = b0 + b1educ+ b2exper+ u (p) 不同性別之間的工資方程可能是不同的: Female: lwage = b0f + b1f educ+b2fexper + u (f ) male: lwage = b0m + b1m educ+b2mexper + u (m) H0: b0f = b0m, b1f = b1m , b2f = b2m; H1:H0 is not true. lwage = b0 + d0female
14、+b1educ+ d1female*educ +b2exper +d2female*exper +u (UR) H0: d0=0, d1=0 , d2=0; H1: H0 is not true lwage = b0 +b1educ+b2exper +u (R)不同時(shí)期的結(jié)構(gòu)方程差異 lwage = b0 + b1educ+ b2exper+ u (p) 不同時(shí)期之間的工資方程可能是不同的: 1995: lwage = b095 + b195 educ+b295exper + u (95) 2001: lwage = b001 + b101 educ+b201exper + u (01) H0
15、: b095 = b001, b195 = b101 , b295 = b201; H1:H0 is not true.2 year samples: Define: s01 (=1 if year=2001, 0 if year=1995) lwage = b0 + d0s01+b1educ+ d1s01*educ +b2exper +d2s01*exper +u (UR) H0: d0=0, d1=0 , d2=0; H1: H0 is not true lwage = b0 +b1educ+b2exper +u (R)關(guān)于Chow test Chow test是F test的一種特例,因
16、此,需要同方差假定(MRL5): 不同群體(如男女)之間,誤差方差相同:Var(uf|x)=Var(um|x)=s2 Chow test中,須注意估計(jì)不同方程,樣本也不同:子群體方程需用子樣本,受約束方程需用所有群體混合在一起的總樣本。其他應(yīng)用:允許截距不同,檢驗(yàn)斜率是否相同 不同性別, 工資方程的截距參數(shù)不同: lwage = b0 + d0female + b1educ+ b2exper+ u (p) 不同性別之間, 工資方程的斜率參數(shù)也可能不同: Female: lwage = b0f + b1f educ+b2fexper + u (f ) male: lwage = b0m + b1
17、m educ+b2mexper + u (m) H0: b1f = b1m , b2f = b2m; H1:H0 is not true. lwage = b0 + d0female +b1educ+ d1female*educ +b2exper +d2female*exper +u (UR) H0: d1=0 , d2=0; H1: H0 is not true lwage = b0 + d0female + b1educ+ b2exper+ u (R) 方法1: F test 方差2:類似Chow test 用女性樣本估計(jì)方程(f),得SSRf;用女性樣本估計(jì)方程(m),得SSRm: SS
18、Rur=SSRf+SSRm 估計(jì)受約束方程(R), SSRr . 注:(R)中含有dummy:female; 在(R)中,則不含 計(jì)算F統(tǒng)計(jì)量總結(jié) 1. 定性信息與虛擬變量定性信息與虛擬變量Qualitative information & Dummy Variables 2. 虛擬變量作為解釋變量虛擬變量作為解釋變量(截距項(xiàng)截距項(xiàng))Dummy Independent Variables 3. 與虛擬變量有關(guān)的交互項(xiàng)與虛擬變量有關(guān)的交互項(xiàng)Interactions Involving Dummy Variables:Chow test作業(yè)與思考題 思考題:7.1, 7.2, 7.6 計(jì)算機(jī)練習(xí):
19、7.10,7.15Multiple Regression Analysis y = b0 + b1x1 + b2x2 + . . . bkxk + u 5. Dummy VariablesChapter Outline1. 描述定性信息描述定性信息Describing Qualitative Information2. 一個(gè)虛擬變量作解釋變量一個(gè)虛擬變量作解釋變量A Single Dummy Independent Variable3. 用多個(gè)虛擬變量表示多種分類數(shù)據(jù)用多個(gè)虛擬變量表示多種分類數(shù)據(jù)Using Dummy Variables For Multiple Categories4. 與
20、虛擬變量有關(guān)的交互項(xiàng)與虛擬變量有關(guān)的交互項(xiàng)Interactions Involving Dummy Variables5. 虛擬變量作因變量:線性概率模型虛擬變量作因變量:線性概率模型A Binary Dependent Variable: The Linear Probability Model6. 關(guān)于政策分析與項(xiàng)目評價(jià)的進(jìn)一步討論關(guān)于政策分析與項(xiàng)目評價(jià)的進(jìn)一步討論More On Policy Analysis And Program EvaluationLecture Outline 1. 定性信息與虛擬變量定性信息與虛擬變量Qualitative information & Dummy
21、 Variables 2. 虛擬變量作為解釋變量虛擬變量作為解釋變量Dummy Independent Variables 3. 虛擬變量作因變量虛擬變量作因變量Dummy Dependent Variable 4. 政策分析中的選擇性與內(nèi)生性政策分析中的選擇性與內(nèi)生性Selection And Endogeneity In Policy Analysis1.定性信息與虛擬變量定性信息與虛擬變量Qualitative information & Dummy Variables數(shù)量信息與定性信息數(shù)量信息與定性信息Quantitative & Qualitative information 連續(xù)變
22、量(Continuous Variables): Quantitative information: wage, years of education, experience, weight, sales, price, pop 離散變量(Discrete Variables): Qualitative information: gender (1: male 2: female); race(1.black; 2. white; 3. others); marital status (1: single; 2: married); region(1. eastern; 2. central
23、; 3. western); education attainment (1: primary; 2: junior 3. senior; 4: college) training (1. trainees; 2. nontrainees); insurance(1. participant; 2. nonparticipants); industry (1.agriculture; 2: manufacture; 3: service;4. others) Income groups (1. 5000); age group (1. 60); Ordinal variables: Credi
24、t rating (low to high: 1 2 3 4 5);虛擬變量與定性信息虛擬變量與定性信息Dummy Variables & Qualitative information 虛擬變量虛擬變量(A dummy variable) 是一種只取1或0兩個(gè)數(shù)值的變量. 虛擬變量可以用來表示定性信息:Examples: (1) sex: 1: male 2: female male (= 1 if male, 0 otherwise); female (= 1 if female, 0 otherwise)(2) region: 1. eastern; 2. central ; 3. we
25、stern) eastern (=1 if eastern, 0 otherwise); central (=1 if central, 0 otherwise) western (=1 if western, 0 otherwise) Dummy variables are also called: 二值變量(binary variables), 0-1變量(zero-one variables)Dummy Varibles2. 虛擬變量作為解釋變量虛擬變量作為解釋變量 Dummy Independent Variables Case 1: y = b0 + d0d + b1x + u Ca
26、se 2: y = b0 + d1d1 + d1d2 + b1x + u Case 3: y = b0 + d1d1 + d1d2 + d1d1d2 + b1x + u Case 4: y = b0 + d0d + d1dx+b1x + u d: dummy variable虛擬變量Case 1: y = b0 + d0d + b1x + u 考慮一個(gè)簡單工資方程: wage = b0 + d0 female + b1 educ + u If female =0, then wage = b0 + b1educ + u If female =1, then wage = (b0 + d0) +
27、 b1educ + u d0 can be interpreted as an intercept shift (截距項(xiàng)變動(dòng))wage = b0 + d0 female + b1 educ + u 在零值條件期望假定( zero conditional mean)下: (1) E(wage|female,educ)= b0 + d0 female + b1 educ (2) E(wage| female=1, educ) = (b0 + d0 ) + b1 educ (3) E(wage| female=0, educ) = b0 + b1 educ d0 = E(wage| female=1
28、, educ) - E(wage| female=0, educ) d0 (an intercept shift): 給定教育年限educ,女性平均工資比男性平均工資高d0元。 Example of d0 0E(wage|female,educ) = b0 + d0 female + b1 educ Example of d0 0 E(wage|female,educ) = b0 + d0 female + b1 educ回歸結(jié)果wage = b0 + d0 female + b1 educ + uIf female =0, then lwage = b0 + b1educ If female
29、 =1, then lwage = (b0 + d0) + b1educ d0 0 and d1 0wage = b0 + d0female+ d1female*educ+ b1educ+u = (b0 + d0female)+ (d1female+ b1)educ+uFemale: female = 1Male: female = 0b0 + d0b0 檢驗(yàn)不同群體之間工資方程的差異F test & Chow test 簡單工資方程: wage = b0 + b1educ+u (p) 不同性別之間的工資方程可能是不同的: Female: wage = b0f + b1f educ + u (
30、f ) Female: wage = b0m + b1m educ + u (m) H0: b0f = b0m, b1f = b1m; H1:H0 is not true.F test 方法1:F test wage =b0 + d0female+ b1educ + d1female*educ +u (UR) H0: d0=0, d1=0; H1: H0 is not true wage = b0 + b1educ+u (R) F test: (SSRr-SSRur)/(k+1) / SSRur/n-2(k+1)一種簡便F test: Chow test (1) 用女性(female=1)子樣
31、本估計(jì)女性工資方程(f),用男性 (female=0)子樣本估計(jì)男性工資方程(m), 分別得到SSRf和SSRm, 則有無約束工資方程的SSRur可以寫作:SSRur= SSRf+SSRm (2) 用所有群體(男、女)混合(pooling)在一起的總樣本, 估計(jì)受約束工資方程(R), 得到SSRr; (由于受約束模型是用所有群體混合(pooling)在一起的總樣本,故作者記作:SSRp = SSRr ) (3) F test: (k工資方程(p)中解釋變量的個(gè)數(shù))1(2/)() 1/()()1(2/) 1/()(knSSRSSRkSSRSSRSSRknSSRkSSRSSRFmfmfpururr
32、工資方程的性別差異:更多解釋變量的回歸方程 工資方程: lwage = b0 + b1educ+ b2exper+ u (p) 不同性別之間的工資方程可能是不同的: Female: lwage = b0f + b1f educ+b2fexper + u (f ) male: lwage = b0m + b1m educ+b2mexper + u (m) H0: b0f = b0m, b1f = b1m , b2f = b2m; H1:H0 is not true. lwage = b0 + d0female+b1educ+ d1female*educ +b2exper +d2female*ex
33、per +u (UR) H0: d0=0, d1=0 , d2=0; H1: H0 is not true lwage = b0 +b1educ+b2exper +u (R)F testChow test不同時(shí)期的結(jié)構(gòu)方程差異 lwage = b0 + b1educ+ b2exper+ u (p) 不同時(shí)期之間的工資方程可能是不同的: 1995: lwage = b095 + b195 educ+b295exper + u (95) 2001: lwage = b001 + b101 educ+b201exper + u (01) H0: b095 = b001, b195 = b101 ,
34、b295 = b201; H1:H0 is not true.2 year samples: Define: s01 (=1 if year=2001, 0 if year=1995) lwage = b0 + d0s01+b1educ+ d1s01*educ +b2exper +d2s01*exper +u (UR) H0: d0=0, d1=0 , d2=0; H1: H0 is not true lwage = b0 +b1educ+b2exper +u (R)關(guān)于Chow test Chow test是F test的一種特例,因此,需要同方差假定(MRL5): 不同群體(如男女)之間,
35、誤差方差相同:Var(uf|x)=Var(um|x)=s2 Chow test中,須注意估計(jì)不同方程,樣本也不同:子群體方程需用子樣本,受約束方程需用所有群體混合在一起的總樣本。其他應(yīng)用:允許截距不同,檢驗(yàn)斜率是否相同 不同性別, 工資方程的截距參數(shù)不同: lwage = b0 + d0female + b1educ+ b2exper+ u (p) 不同性別之間, 工資方程的斜率參數(shù)也可能不同: Female: lwage = b0f + b1f educ+b2fexper + u (f ) male: lwage = b0m + b1m educ+b2mexper + u (m) H0: b
36、1f = b1m , b2f = b2m; H1:H0 is not true. lwage = b0 + d0female +b1educ+ d1female*educ +b2exper +d2female*exper +u (UR) H0: d1=0 , d2=0; H1: H0 is not true lwage = b0 + d0female + b1educ+ b2exper+ u (R) 方法1: F test 方差2:類似Chow test 用女性樣本估計(jì)方程(f),得SSRf;用女性樣本估計(jì)方程(m),得SSRm: SSRur=SSRf+SSRm 估計(jì)受約束方程(R), SSR
37、r . 注:(R)中含有dummy:female; 在(R)中,則不含 計(jì)算F統(tǒng)計(jì)量3. 虛擬變量作因變量虛擬變量作因變量Dummy Dependent VariableA Binary Dependent Variable: The Linear Probability Model 以前均是連續(xù)變量作因變量: 工資,體重 虛擬變量也可以做因變量: 某個(gè)事件是否發(fā)生:行為選擇結(jié)果: 參與勞動(dòng)力市場:parti: 1: in ; 0: out 參與培訓(xùn)項(xiàng)目:training: 1:trainees; 0: no 是否上大學(xué):college: 1: in; 0: out 虛擬變量所代表的事件: 1
38、: success; 0: failure 將一個(gè)虛擬變量y作為因變量: y = b0 + b1x1 + b2x2 + . . . bkxk + u 如何解釋參數(shù)? MLR.3成立,則: E(y|x) = b0 + b1x1 + b2x2 + . . . Bkxk 參數(shù)b1衡量:在給定x2-xk不變的情況下,x變化1單位, y的期望E(y|x)變化多少。 當(dāng)y 是一個(gè)虛擬變量(0-1)時(shí),可以有: E(y|x) = P(y=1|x) 即:給定x, 事件(y=1)發(fā)生的概率P(y=1|x), 與y的均值E(y=1|x)是相等的. 故: P(y=1|x) = b0 + b1x1 + b2x2 +
39、. . . bkxk 參數(shù)b1解釋為:在給定x2-xk不變情況下,x變化1單位, 事件y=1發(fā)生的概率P(y=1|x)變化多少。 P(y=1|x): response probability(響應(yīng)概率) 虛擬變量為因變量的線性回歸模型,稱線性概率模型(linear probability model, LPM)例:遷移決定模型 教育對勞動(dòng)力遷移的影響:mig = b0 + b1age + b2agesq+ b3 junior +b4senior+ b5college+ b6married+ b7child + b8citynet +b9distance+ b10discrim+others+
40、uMig:1:migrants; 0:nonmigrantsEduc: 1: primary; 2: junior; 3. senior;4.collegeLPM的不足之處 1. 預(yù)測值可能在0,1之外。 這與預(yù)測值的概率解釋不一致。 2. 與(1)相關(guān)的問題是:事件發(fā)生概率P(y=1|x), 與x可能取值之間可能是非線性關(guān)系。 LPM假定,在x的不同取值點(diǎn)上,x變化1單位對于P(y=1)的影響(marginal effects, 邊際效應(yīng))相同。 然而,有時(shí),在x的不同取值點(diǎn)上,x變化1單位對于P(y=1)的影響是不同的:在x的邊界值上,x變化1單位對于P(y=1)的影響,與在x均值上,x變
41、化1單位對于P(y=1)的影響,并不相同。 LPM所估計(jì)的邊際效應(yīng),在x均值附近比較準(zhǔn)確。 3. LPM 不符合同方差假定(MLR.5). 無法正確OLS估計(jì)量的方差(漸近方差),從而影響正確推斷。 Var(y|x)= Ey-E(y|x)2=E(y2|x) - E(y|x)2 = E(y|x) - E(y|x)2 = p(x)-p(x)2 = p(x)1-p(x) E(y|x)=P(y=1|x)=p(x), Var(y)=E(y2)-E(y)2 方法:校正異方差LPM的優(yōu)點(diǎn) LPM容易估計(jì),容易理解(估計(jì)系數(shù)即為邊際效應(yīng))。 在均值附近,對于邊際效應(yīng)估計(jì)也比較準(zhǔn)確。 關(guān)鍵是,不必對誤差項(xiàng)u的分布進(jìn)行假定。在大樣本下,MLR1-4保證OLS估計(jì)量具有一致性。4. 政策分析中的選擇性與內(nèi)生性政策分析中的選擇性與內(nèi)生性Selection And Endogeneity In Policy Analysis 虛擬變量的一個(gè)經(jīng)典的應(yīng)用:評估社會(huì)政策/項(xiàng)目效果 例如:性別/種族/戶籍歧視,失業(yè)保險(xiǎn)/醫(yī)療保險(xiǎn)/低保政策,培訓(xùn)/扶貧項(xiàng)目. 項(xiàng)目評估(program evaluation): 評估某社會(huì)政策或項(xiàng)目(如培訓(xùn))對個(gè)人、家庭、企業(yè)、社區(qū)、地區(qū)的影響 通常, 將參加項(xiàng)目者,稱為治療組/試驗(yàn)組(tre
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. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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自己和他人造成任何形式的傷害或損失。
最新文檔
- 電子實(shí)驗(yàn)室裝潢合同
- 煤礦物資專線運(yùn)輸合同
- 市政工程鋼管運(yùn)輸合同
- 城市綜合體開發(fā)居間協(xié)議
- 水電站砂石配送協(xié)議范本
- 攝影棚專業(yè)裝修合同模板
- 有關(guān)武術(shù)比賽作文
- 港口碼頭工程承攬居間合同
- 店面裝修施工合同
- 資產(chǎn)置換居間協(xié)議范例
- 2024年“學(xué)憲法、講憲法”題庫
- 小竅門大搜索(教學(xué)設(shè)計(jì))-2024-2025 學(xué)年六年級上冊綜合實(shí)踐活動(dòng)教科版
- 行業(yè)干貨!2024年中國高鐵剎車片行業(yè)市場競爭格局、投融資動(dòng)態(tài)分析報(bào)告
- 國開2024年秋《機(jī)電控制工程基礎(chǔ)》形考任務(wù)2答案
- 2024年秋新人教版英語七年級上冊全冊教學(xué)課件(新版教材)
- 第二單元(單元測試)2024-2025學(xué)年語文六年級上冊統(tǒng)編版
- 2024年全國職業(yè)院校技能大賽高職組(化工生產(chǎn)技術(shù)賽項(xiàng))備賽試題庫500題(含答案)
- 2024年成人高考高起點(diǎn)英語真題及答案1
- 2025年高考語文備考之10年真題專題分類匯編:小說
- 生豬屠宰獸醫(yī)衛(wèi)生檢驗(yàn)人員理論考試題及答案
- (高清版)TDT 1055-2019 第三次全國國土調(diào)查技術(shù)規(guī)程
評論
0/150
提交評論