计量经济学模型分析论文 影响我国人均GDP的变量因素分析
更新时间:2023-05-20 21:10:01 阅读量: 实用文档 文档下载
影响我国人均GDP的变量因素分析
摘要
人均国内生产总值,也称作“人均GDP",是衡量经济发展状况的重要指标,,它是人们了解和把握一个国家或地区的宏观经济运行状况的有效工具。是衡量各国人民生活水平的一个标准,为了更加客观的衡量,经常与购买力平价结合。 文章从从城市化率、城镇居民家庭可支配收入、政府支出以及城镇居民消费水平四个方面作为出发点,通过往年的数据发展来观察它们对于人均GDP的影响,从而对我国目前的经济发展提供一些建议。笔者认为,在提高城镇居民可支配收入、城市化率以及政府支出的基础上,更要调节好我国目前贫富差距过大的问题,这样才能保持经济的稳定发展。
关键词:人均GDP;城市化率;城镇居民可支配收入;城府支出
引 言
一国的经济乃立国之本,而经济发展是以GDP增长为前提的。影响人均GDP的因素看似众多,究竟哪些因素对人均GDP的增长起关键性的影响作用呢?由此引出了本小组的研究课题——对我国人均GDP影响因素的计量分析。
随着2009年中国GDP赶超日本,成为世界排名第二,无疑吸引了国内外的目光。然而,在如此大的总量之下,中国的人均GDP却一直在世界100名左右徘徊。“国服民穷”的现状一直是我们的问题。
经我们数据搜寻,在人均GDP的增长过程中,城市化率、城镇居民家庭人均可支配收入、城市政府支出以及城镇居民消费水平都有了显著的上升。同时,我们知道GDP的构成取决于消费、投资、政府支出。因此,我们把城市化率、城镇居民人均可支配收入、城市政府支出、城镇居民消费水平这四个指标作为反映了人均GDP的自变量,认为这四个变量是影响人均GDP的关键性因素。本实验主要选取1979—2009年的统计数据。
一、人均GDP的基本概念及特点
1、人均GDP的基本概念和经济意义 (1) 人均GDP的基本概念
人均国内生产总值(Real GDP per capita),也称作“人均GDP",常作为发展经济学中衡量经济发展状况的指标,是重要的宏观经济指标之一,它是人们了解和把握一个国家或地区的宏观经济运行状况的有效工具。将一个国家核算期内(通常是一年)实现的国内生产总值与这个国家的常住人口相比进行计算,得到人均国内生产总值。是衡量各国人民生活水平的一个标准,为了更加客观的衡量,经常与购买力平价结合。 (2) 人均GDP的经济意义
首先,除资源国以外的绝大多数工业化国家,人均GDP比较客观地反映了一定国家社会的发展水平和发展程度。一方面,就中日比较而论,人均GDP虽不能正确反映中日两国综合国力,但确实表明日本在社会保障、医疗卫生、教育和人口寿命以及环境和生态建设等方面的发展水平要高于中国,尤其是日本城乡发展的相对均衡以及农村农业基本上“水旱无忧”的抗灾能力与抗灾水平,更是让中国望尘莫及。改革开放30多年来,中国城市化、工业化进程加快,农村农业的滞后发展恰恰拖了我国人均GDP的后腿,成为我国经济社会发展的短板,最终也深刻影响了我国的综合国力和国际竞争力。
其次,人均GDP本身具有社会公平和平等的含义。人均GDP虽然不能直接等同于居民的人均收入和生活水平,但构成了一国居民人均收入和生活水平的主要物质基础,是提高居民人均收入水平、生活水平的重要参照指标。事实上,强调人均GDP的国家,一般也比较注重提高本国居民的人均收入水平和社会公平程度。 再次,人均GDP与工业化进程和社会稳定,具有一定内在联系。据亨廷顿分析,在一定阶段,人均国内生产总值增长与社会安定、社会和谐成正比。
二、1978-2011年的数据搜集
三、REVIEWS模型建立及检验
1、 散点图变化分析
(1)、 GDPP(人均GDP)和CSH(城市化)的关系
(2)、GDPP(人均GDP
)和JMKZPSR(城镇居民家庭人均可支配收入)的关系
(3)、 GDPP(人均GDP)和ZFZC(政府支出)的关系
(4)、 GDPP(人均GDP)和GMXFSP(城镇居民消费水平)
2、 Ganger检验
(1)首先,我们研究GDPP和CSH的因果检验。
Pairwise Granger Causality Tests Date: 06/03/12 Time: 10:42 Sample: 1978 2009
Lags: 1
Null Hypothesis:
Obs F-Statistic 31
0.78247 0.57193
Prob. 0.3839 0.4558
CSH does not Granger Cause GDPPP GDPPP does not Granger Cause CSH
由表可知,CSH影响GDPP的概率较大,故可以将CSH作为自变量,GDPP为因变量。
(2)其次,我们研究GDPP和JMKZPSR的因果检验。
Pairwise Granger Causality Tests Date: 06/03/12 Time: 10:44 Sample: 1978 2009 Lags: 1
Null Hypothesis:
Obs F-Statistic 31
0.24821 0.19484
Prob.
0.6222 0.6623
JMKZPSR does not Granger Cause GDPP GDPP does not Granger Cause JMKZPSR
由表可知, JMKZPSR影响GDPP的概率高,故可以将JMKZPSR作为自变量,GDPP作为因变量。
(3)紧接着,我们研究GDPP和ZFZC之间的因果关系。
Pairwise Granger Causality Tests Date: 06/03/12 Time: 10:45 Sample: 1978 2009 Lags: 1
Null Hypothesis:
Obs F-Statistic 31
0.02024 0.33720
Prob.
0.8879 0.5661
ZFZC does not Granger Cause GDPP GDPP does not Granger Cause ZFZC
由表可知,GDPP和ZFZC相互影响,概率都比较大,所以可以将ZFZC作为自变量。
(4)最后,我们研究GDPP和GMXFSP的因果关系。
Pairwise Granger Causality Tests Date: 06/03/12 Time: 10:44 Sample: 1978 2009 Lags: 1
Null Hypothesis:
Obs F-Statistic 30
16.0251 7.44216
Prob. 0.0004 0.0111
JMXFSP does not Granger Cause GDPP GDPP does not Granger Cause JMXFSP
由表可知,GDPP和 JMXFSP的相关可能性都非常低,顾将JMXFSP作为自变量剔除。
3、选择模型形式,做回归,描绘模型
估计模型:GDP C CSH2 JMKZPRS ZFZC
Dependent Variable: GDPP Method: Least Squares Date: 06/07/12 Time: 16:47 Sample: 1978 2011 Included observations: 34
Variable C CSH^2 ZFZC JMKZPSR
R-squared
Coefficient
472.7725 -1.589601 0.096333 1.269763
Std. Error
178.0388 0.416496 0.011037 0.086591
t-Statistic
2.655446 -3.816604 8.728460 14.66399
Prob.
0.0126 0.0006 0.0000 0.0000
7863.882 9292.254 13.99865 14.17822 14.05989 1.179488
0.999337 Mean dependent var 0.999271 S.D. dependent var 250.9664 Akaike info criterion 1889524. Schwarz criterion -233.9770 Hannan-Quinn criter. 15070.08 Durbin-Watson stat 0.000000
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
^
令Y GDP X1 CSH2 X2 JMKZPSR X3 ZFZC
Y 472.7725-1.589601x1 0.096333x2 1.269763x3
^
178.0388 0.4164 0.011037 0.086591
R2 0.999337 2 0.999271 DW 1.179488
SE 250.9664 F 0.00 n 33
4、随机误差项的正态性检验(JB检验)
通过
JB检验发现,估计模型随机误差项可能为正太分布的可能性P>5%,所以通
过检验。
5、 Ramsey reset test检验
Ramsey RESET Test:
F-statistic
Log likelihood ratio
Test Equation:
Dependent Variable: GDPP Method: Least Squares Date: 06/03/12 Time: 13:59 Sample: 1978 2009 Included observations: 32
Variable
C
Coefficient
-44.45361
4.085866 Prob. F(1,27)
0.0533 0.0337 Prob.
0.8884
4.509325 Prob. Chi-Square(1)
Std. Error t-Statistic
313.7799
-0.141671
CSH^2 JMKZPSR ZFZC FITTED^2
R-squared
-0.208129 1.226143 -0.004762 8.81E-06
0.798441 0.088068 0.051507 4.36E-06
-0.260669 13.92275 -0.092447 2.021353
0.7963 0.0000 0.9270 0.0533
6325.906 7066.021 13.99197 14.22099 14.06788 1.060922
0.998943 Mean dependent var 0.998787 S.D. dependent var 246.1018 Akaike info criterion 1635285. Schwarz criterion -218.8715 Hannan-Quinn criter. 6382.086 Durbin-Watson stat 0.000000
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Prob.F值为0.533>5%,所以模型被误设可能性较小。
6、 T、F检验,拟合优度检验
t-Statistic
2.288009 -3.385601 13.98170 7.726581
T值的绝对值>2,通过检验,说明此模型拟合优度较好。
Prob(F-statistic)
0.000000
F值为0,远远小于5%,说明此模型拟合优度较好。
R-squared
0.998784
R2=0.99,说明改模型可行性很大,拟合度好。
7、 Wald Test检验,若 Prob. F>5%,接受约束条件
Wald Test:
Equation: Untitled
Test Statistic
Value
df Probability
F-statistic Chi-square
3.421460 3.421460
(1, 28)
1 Value
2.792085
0.0749 0.0644 Std. Err.
1.509465
Null Hypothesis Summary: Normalized Restriction (= 0)
-1 + C(2)^2 - 3*C(3) + C(4)
Delta method computed using analytic derivatives.
8、邹氏突变检验:若 Prob. F<5%,认为该点很可能是突变点
通过观察整体数据较为平稳,未发现明显突变点,其中对1995年、2004年进行随机检测,如下图:
Chow Breakpoint Test: 1994
Null Hypothesis: No breaks at specified breakpoints Varying regressors: All equation variables Equation Sample: 1978 2009 F-statistic
10.66037 32.68074 42.64146
Prob. F(4,24) Prob. Chi-Square(4) Prob. Chi-Square(4)
0.0000 0.0000 0.0000
Prob. F(4,24) Prob. Chi-Square(4) Prob. Chi-Square(4)
0.0000 0.0000 0.0000
Log likelihood ratio Wald Statistic
Chow Breakpoint Test: 2004
Null Hypothesis: No breaks at specified breakpoints Varying regressors: All equation variables Equation Sample: 1978 2009 F-statistic
51.32985 72.22598 205.3194
Log likelihood ratio Wald Statistic
所以通过邹氏检验,发现无突变点。
9、模型的比较:观察AIC和SC值的变化,若有下降的现象,该模型可能更好些。
Dependent Variable: GDPP Method: Least Squares Date: 06/07/12 Time: 19:12 Sample: 1978 2009 Included observations: 32
Variable C CSH^2 ZFZC JMKZPSR JMKZPSR^2 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Coefficient -355.7275 1.175857 -0.157097 1.056712 5.91E-05
Std. Error 157.9942 0.448006 0.034252 0.058971 7.81E-06
t-Statistic -2.251522 2.624645 -4.586449 17.91905 7.574526
Prob. 0.0327 0.0141 0.0001 0.0000 0.0000 6325.906 7066.021 12.99347 13.22249 13.06938 1.124435
0.999611 Mean dependent var 0.999553 S.D. dependent var 149.3804 Akaike info criterion 602491.2 Schwarz criterion -202.8955 Hannan-Quinn criter. 17333.87 Durbin-Watson stat 0.000000
此时AIC 12.99347 SC 13.22249 原模型AIC 13.99865 SC 14.17822 通过比较发现 增加一个变量后的模型更适合
四、REVIEWS异方差检验及克服 1、异方差检验
(1)图形法
(2) WHITE检验
Heteroskedasticity Test: White
F-statistic Obs*R-squared Scaled explained SS
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares Date: 06/03/12 Time: 14:01 Sample: 1978 2009 Included observations: 32
Variable
C CSH^2 (CSH^2)^2 (CSH^2)*JMKZPSR (CSH^2)*ZFZC JMKZPSR JMKZPSR^2 JMKZPSR*ZFZC
Coefficient
8464.488 -201.3539 0.390429 -0.209972 0.006477 -13.46487 0.028131 -0.005733
4.375318 Prob. F(9,22)
0.0023 0.0149 0.0022 Prob.
0.9798 0.9011 0.8457 0.7542 0.9304 0.9608 0.6731 0.7512
20.53007 Prob. Chi-Square(9) 25.76099 Prob. Chi-Square(9)
Std. Error t-Statistic
329747.7 1601.322 1.982626 0.662189 0.073271 270.5561 0.065792 0.017857
0.025670 -0.125742 0.196925 -0.317087 0.088393 -0.049767 0.427570 -0.321084
ZFZC ZFZC^2
R-squared
46.12346 0.000277
50.20082 0.001399
0.918779 0.198082
0.3682 0.8448
58835.95 108225.6 25.58907 26.04711 25.74090 2.022294
0.641565 Mean dependent var 0.494932 S.D. dependent var 76913.92 Akaike info criterion 1.30E+11 Schwarz criterion -399.4251 Hannan-Quinn criter. 4.375318 Durbin-Watson stat 0.002261
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
nR2 20.53007,由white检验知,在 0.05,查 2分布表,得临界值
20.05 3 7.81473,所以拒绝原假设,接受备择假设,表明模型存在异方差。
2、异方差的修正
Dependent Variable: GDPP Method: Least Squares Date: 06/03/12 Time: 14:34 Sample: 1978 2009 Included observations: 32 Weighting series: 1/RESID^2
Variable
C CSH ZFZC JMKZPSR
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
R-squared
Coefficient
849.1712 -48.90755 0.086467 1.185499
Std. Error t-Statistic
171.2264 8.460355 0.004839 0.028887
4.959347 -5.780791 17.86810 41.03955
Prob.
0.0000 0.0000 0.0000 0.0000 633.4496 3246.371 3.209302 3.392519 3.270033 1.364803
6325.906
Weighted Statistics
0.999925 Mean dependent var 0.999917 S.D. dependent var 1.135960 Akaike info criterion 36.13133 Schwarz criterion -47.34883 Hannan-Quinn criter. 124296.8 Durbin-Watson stat 0.000000
Unweighted Statistics
0.998268 Mean dependent var
Adjusted R-squared S.E. of regression Durbin-Watson stat
0.998082 S.D. dependent var 309.4658 Sum squared resid 0.658206
7066.021 2681534.
3、再次对修正后的模型做white检验
Heteroskedasticity Test: White F-statistic Obs*R-squared Scaled explained SS
Test Equation:
Dependent Variable: WGT_RESID^2 Method: Least Squares Date: 06/03/12 Time: 14:41 Sample: 1978 2009 Included observations: 32
Collinear test regressors dropped from specification
Variable
C WGT^2
R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)
Coefficient
2.45E-16 3.14E-08
Std. Error t-Statistic
5.44E-17 3.00E-19
4.498128 1.05E+11
Prob.
0.0001 0.0000 1.00E-06 5.68E-06 2.75E-30 1.800809
1.09E+22 Prob. F(1,30)
0.0000 0.0000 1.0000
32.00000 Prob. Chi-Square(1) 3.01E-10 Prob. Chi-Square(1)
1.000000 Mean dependent var 1.000000 S.D. dependent var 3.03E-16 Sum squared resid 1.09E+22 Durbin-Watson stat 0.000000
nR2 3.01E 10 20.05 3 7.81473,所以修正后的模型通过WHITE检验得到无
异方差。 此时模型为:
Y 849.1712-48.90755x1 0.086467x2 1.185499x3
^
171.2264 8.460355 0.004839 0.028887
R2 0.999925 2 0.999917 DW 1.364803
SE 1.135960 F 0.00 n 33
五、REVIEWS自相关检验及克服 1、 自相关检验 (1) DW检验法
Dependent Variable: GDPP Method: Least Squares Date: 06/07/12 Time: 17:28 Sample: 1978 2009 Included observations: 32
Variable C CSH^2 ZFZC JMKZPSR
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Coefficient 459.4286 -1.558879 0.096554 1.265428
Std. Error 200.7984 0.460444 0.012496 0.090506
t-Statistic 2.288009 -3.385601 7.726581 13.98170
Prob. 0.0299 0.0021 0.0000 0.0000 6325.906 7066.021 14.07039 14.25360 14.13112 1.020692
0.998784 Mean dependent var 0.998653 S.D. dependent var 259.3089 Akaike info criterion 1882750. Schwarz criterion -221.1262 Hannan-Quinn criter. 7663.496 Durbin-Watson stat 0.000000
DW 1.020692 dl 说明在滞后一期时 该模型存在一阶自相关
(2) LM检验法
Breusch-Godfrey Serial Correlation LM Test: F-statistic
11.63691 Prob. F(1,27)
0.0021 0.0019 Prob.
Obs*R-squared
Test Equation:
Dependent Variable: RESID Method: Least Squares
9.637960 Prob. Chi-Square(1)
Coefficient
Std. Error
t-Statistic
Date: 06/07/12 Time: 18:03 Sample: 1978 2009 Included observations: 32
Presample missing value lagged residuals set to zero.
Variable
C CSH^2 ZFZC JMKZPSR RESID(-1)
R-squared
-164.8782 0.288769 -0.015185 0.015708 0.772596
177.6396 0.401008 0.011532 0.077184 0.226482
-0.928161 0.720107 -1.316774 0.203514 3.411291
0.3615 0.4776 0.1990 0.8403 0.0021
-4.19E-13 246.4424 13.77451 14.00354 13.85043 1.197067
0.301186 Mean dependent var 0.197658 S.D. dependent var 220.7472 Akaike info criterion 1315692. Schwarz criterion -215.3922 Hannan-Quinn criter. 2.909226 Durbin-Watson stat 0.040137
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
nR2 9.637960 0.05 3 9.637960 LM检验也说明该模型在滞后一期时存在一
阶自相关。
2、 广义差分法克服自相关
DW/2 0.510346
滞后一期时,
Yx 1 0 1(x1 1) 2 x2 1 3 x3 1
两边同时乘以 并将原模型与所得模型相减 得到差方后模型:
* 389.8493 23.95x* 0.04233x* 0.9083x* YX123
六、REVIEWS多重共线检验及克服 1、多重共线检验
GDPP CSH^2 ZFZC JMKZPSR
GDPP 1
0.96006194612
47061 18101 73518
1 08908 06614
0.986401731220.92150855686
1 96026
0.996187219120.976948210580.97209385159
1
CSH^2 47061
ZFZC 18101 08908
JMKZPSR 73518 06614 0.97209385159
96026
0.960061946120.986401731220.99618721912
0.921508556860.97694821058
(1)去掉CSH2后 对模型R2重新进行计算
Dependent Variable: GDPP Method: Least Squares Date: 06/07/12 Time: 19:02 Sample: 1978 2009 Included observations: 32
Variable C ZFZC JMKZPSR
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Coefficient -167.6252 0.120358 0.992477
Std. Error 90.48260 0.012051 0.047977
t-Statistic -1.852568 9.987319 20.68630
Prob. 0.0741 0.0000 0.0000 6325.906 7066.021 14.35103 14.48844 14.39657 0.869511
0.998286 Mean dependent var 0.998167 S.D. dependent var 302.4890 Akaike info criterion 2653487. Schwarz criterion -226.6164 Hannan-Quinn criter. 8443.399 Durbin-Watson stat 0.000000
此时R2 0.998286 0.999337 所以CSH2不应该被剔除 (2)去掉ZFZC后 对模型R重新进行计算
Dependent Variable: GDPP Method: Least Squares Date: 06/07/12 Time: 19:05 Sample: 1978 2009 Included observations: 32
Variable C CSH^2 JMKZPSR
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Coefficient 995.1454 -3.560546 1.871291
Std. Error 327.7126 0.661954 0.078598
t-Statistic 3.036641 -5.378842 23.80846
Prob. 0.0050 0.0000 0.0000 6325.906 7066.021 15.14960 15.28702 15.19515 0.256818
2
0.996190 Mean dependent var 0.995927 S.D. dependent var 450.9395 Akaike info criterion 5897047. Schwarz criterion -239.3937 Hannan-Quinn criter. 3791.291 Durbin-Watson stat 0.000000
此时R2 0.996190 0.999337 所以ZFZC不应该被剔除
(3) 去掉JMKZPSR后 对模型R重新进行计算
Dependent Variable: GDPP Method: Least Squares Date: 06/07/12 Time: 19:11 Sample: 1978 2009 Included observations: 32
Variable C CSH^2 ZFZC
R-squared
Coefficient -1517.897 4.175785 0.247928
Std. Error 395.7188 0.580862 0.017324
t-Statistic -3.835797 7.188952 14.31145
Prob. 0.0006 0.0000 0.0000
6325.906 7066.021 16.08504 16.22245 16.13059 0.469288
2
0.990291 Mean dependent var 0.989621 S.D. dependent var 719.8556 Akaike info criterion 15027571 Schwarz criterion -254.3606 Hannan-Quinn criter. 1478.950 Durbin-Watson stat 0.000000
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
此时R2 0.990291 0.999337 所以JMKZPSR不应该被剔除
结果表明,虽然模型存在多重共线,但是并不影响本模型的分析效果,所以不必要进行处理。
七、结论
从对于1979—2009年的数据的计量分析中,我们发现了以下结论:
1城镇居民消费水平与人均GDP显著相关,但没有不显著影响人均GDP,不能构成影响人均GDP的自变量。故我们踢出了该自变量,初步估计是由于当前中国居民收入的不均衡,抑制了他更进一步发挥对经济增长的拉动作用。做出仅含三个自变量的回归模型。
2城镇居民家庭人均可支配收入、城市化率及城市政府支出对GDP的具有较大的影响,随着这三个自变量的增加,人均GDP显著增加,构成影响人均GDP的关键影响因素。
3为了GDP的更快更健康的增长,应加大城镇居民家庭人均可支配收入、城市化率及城市政府支出,另外要均衡居民收入,减小贫富差距。
正在阅读:
计量经济学模型分析论文 影响我国人均GDP的变量因素分析05-20
水电站厂房设计 - 图文10-18
预防性安全检查制度08-26
告知函范文02-07
深圳xx银行融资租赁保理业务实施细则03-20
小学作文竞赛活动方案04-01
我眼中的色彩500字作文04-01
2022年党员个人工作总结07-31
- 教学能力大赛决赛获奖-教学实施报告-(完整图文版)
- 互联网+数据中心行业分析报告
- 2017上海杨浦区高三一模数学试题及答案
- 招商部差旅接待管理制度(4-25)
- 学生游玩安全注意事项
- 学生信息管理系统(文档模板供参考)
- 叉车门架有限元分析及系统设计
- 2014帮助残疾人志愿者服务情况记录
- 叶绿体中色素的提取和分离实验
- 中国食物成分表2020年最新权威完整改进版
- 推动国土资源领域生态文明建设
- 给水管道冲洗和消毒记录
- 计算机软件专业自我评价
- 高中数学必修1-5知识点归纳
- 2018-2022年中国第五代移动通信技术(5G)产业深度分析及发展前景研究报告发展趋势(目录)
- 生产车间巡查制度
- 2018版中国光热发电行业深度研究报告目录
- (通用)2019年中考数学总复习 第一章 第四节 数的开方与二次根式课件
- 2017_2018学年高中语文第二单元第4课说数课件粤教版
- 上市新药Lumateperone(卢美哌隆)合成检索总结报告
- 计量经济学
- 分析
- 变量
- 人均
- 模型
- 因素
- 影响
- 我国
- 论文
- GDP
- 2009年第50届国际数学奥林匹克竞赛试题(中文版)与参考答案
- 肺结核实验室诊断的研究进展
- 亚硝酸钠滴定法测定盐酸普鲁卡因注射液的含量
- 艾宾浩斯记忆遗忘曲线---词汇学习者必读
- 施工便道水土保持施工设计方案
- 2008年全省农村信用社劳动用工制度改革用工制度
- TEMS测试设备操作说明
- 国际贸易第6章第3节电子教案
- 荧光探针在流式细胞术检测肿瘤中的应用
- 沈志华解析中朝关系历史
- 2019年高中语文一轮复习 板块二 现代文阅读 专题三 文学类文本阅读(二)散文 课时检测 散文语言
- 陕西省清真食品生产经营管理办法
- 最新小学课标人教版数学五年级公开课教学设计上册解方程3.
- 校本研修资源支持体系
- NOKIA音乐手机广告策划案例分析
- 2016届高考英语短文改错集训(9)及答案解析
- 高中语文教学论文 谈高中语文教学要着眼于创造力的培养
- 《LOL》S7打野挖掘机天赋符文加点 S7打野挖掘机怎么出装
- 2106探构造施工安全技术措施
- 应届毕业生怎样写好个人简历