發(fā)帖
雷達(dá)卡
- 在經(jīng)管學(xué)習(xí)的道路上，每個人都有知識盲區(qū)------通過提問，找出答案，解決問題。在提問中釋疑，在交流中解惑，日尋一問，日積月累......
- 一個有用的回答，會經(jīng)人傳閱，去到最需要它的地方------這樣一件提問和回答的小事看似簡單，然而做好最簡單的事才是最有價值。
- 從2015年開始，論壇每天安排各路專家，調(diào)動發(fā)動壇友力量，傾心并悉心為大家解決經(jīng)濟(jì)學(xué)、管理學(xué)、金融學(xué)、計(jì)量與統(tǒng)計(jì)、軟件與數(shù)據(jù)分析、財(cái)會類、國貿(mào)類的種種問題。努力做到：無所不問，有問共答
有經(jīng)管問題，就來人大經(jīng)濟(jì)論壇提問
每天，在這里，找到N個經(jīng)管問題的答案
▓【一、R、Python答疑精華合集&&答疑專家介紹】▓
◆TIP1:數(shù)據(jù)時代已經(jīng)到來，相對于經(jīng)驗(yàn)和直覺，在商業(yè)、經(jīng)濟(jì)及其他領(lǐng)域中基于數(shù)據(jù)分析、數(shù)據(jù)挖掘去發(fā)現(xiàn)問題并作出科學(xué)、客觀的決策越來越重要。開源軟件R是世界上最流行的數(shù)據(jù)分析、統(tǒng)計(jì)計(jì)算及制圖的開源軟件，同時也是一種編程語言，幾乎能夠完成任何數(shù)據(jù)處理任務(wù)，正在成為最通用的語言之一，可安裝并運(yùn)行于所有主流平臺。
◆TIP2:如果你想學(xué)習(xí)如何編程，使用Python語言是一個極佳的開始。Python是一種功能強(qiáng)大的腳本編程語言，亦是一款面向?qū)ο蟆?/span>動態(tài)數(shù)據(jù)類型的高級程序設(shè)計(jì)語言。簡潔而優(yōu)雅的它，具有豐富和強(qiáng)大的類庫，各類經(jīng)管人士都能快速入門。
◆TIP3:大部分人對R和Python的看法：難學(xué)、難精通。雖然它們很強(qiáng)大，應(yīng)用廣泛，但眾多的分析、實(shí)例開發(fā)、代碼調(diào)試與編寫，都很容易讓人望而卻步......
- 在疑問中求解，在疑問中進(jìn)步，在疑問中排除問題，掌握新知！
- 有人帶領(lǐng)的學(xué)習(xí)過程將會更加輕松，論壇每日安排R和PYTHON專項(xiàng)答疑
- 日疑日解，點(diǎn)滴進(jìn)步，匯聚成金。
- 有R和python問題，快來論壇提問吧！
★（一）R、Python答疑專家介紹
閻老師，長期從事數(shù)據(jù)分析的理論研究、教學(xué)和實(shí)踐工作。長期關(guān)注Python的發(fā)展和國內(nèi)外各行業(yè)的應(yīng)用情況，一直保持著與統(tǒng)計(jì)應(yīng)用前沿的密切接觸，在數(shù)據(jù)挖掘應(yīng)用、市場研究應(yīng)用等領(lǐng)域經(jīng)驗(yàn)豐富。
擅長企業(yè)數(shù)據(jù)分析和企業(yè)診斷，參與多項(xiàng)國家級、省級課題的科研工作，曾任多家電商企業(yè)的運(yùn)營顧問和培訓(xùn)師，積累了大量實(shí)戰(zhàn)經(jīng)驗(yàn)。
★（二）R、Python答疑快訊
1.論壇答疑ID：DM小菜鳥（可查看個人主頁中已回復(fù)過的答疑貼子）
2.論壇答疑個人主頁：http://xalimeijing.com/home.phpmod=space&uid=5721124&do=profile
★（三）R、Python答疑精選
問題1：請問如何用R做向量自回歸模型（VAR）
http://xalimeijing.com/forum.php?mod=viewthread&tid=3577130&from^^uid=153990
問題1描述：
#需求一：進(jìn)行ADF檢驗(yàn)
#格蘭杰因果檢驗(yàn)
granger.test(halfyear_vector,p=7)
#需求二：進(jìn)行指標(biāo)共線性判斷
#需求三：進(jìn)行VAR階數(shù)判斷
#VAR模型擬合
halfyear_VAR=VAR(halfyear_vector,p=3,type="both")
halfyear_VAR
#需求四：價模型的穩(wěn)定性、自相關(guān)性，異方差檢驗(yàn)
#需求五：導(dǎo)出VAR模型
#VAR模型預(yù)測
halfyear_VAR_Predict=predict
(halfyear_VAR,n.head=1,ci=0.9999)
plot(halfyear_VAR_Predict)
#需求六：計(jì)算95%,99%,99.9%分位數(shù)的預(yù)測取值
問題1解答：
1. 用tseries包里面的adf.test()
2. 可以計(jì)算X矩陣的秩qr(X)$rank，如果不是滿秩的，說明其中有Xi可以用其他的X的線性組合表示；也可以計(jì)算條件數(shù)kappa(X)
，k<100,說明共線性程度小，如果100<k<1000,有較強(qiáng)的多重共線性，k>1000，存在嚴(yán)重的多重共線性�？梢赃M(jìn)行逐步回歸，用step()命令，比如你一開始的模型是fm，step(fm)就可以了
3. adf.test()里面就可以設(shè)滯后項(xiàng)的判斷，adf.test(x, alternative = c("stationary", "explosive"),
k = trunc((length(x)-1)^(1/3)))
AIC準(zhǔn)則——
計(jì)算AIC統(tǒng)計(jì)量，模型的殘差平方和（SS）除以樣本容量（n），再取對數(shù)，加上2倍的解釋變量個數(shù)(k)除以樣本容量.
AIC=log(SS/n)+2*k/.尋找某一k值是AIC達(dá)到極小值，則k就是最優(yōu)滯后階數(shù)。
SC準(zhǔn)則——SC=log(SS/n)+log(n)*k/n
4. R里有兩種檢驗(yàn)方法是常用的，LiMcLeod{portes}可以進(jìn)行多元的Portmanteau Q檢驗(yàn)。。。protest{portes}可以進(jìn)行一元的
Portmanteau Q檢驗(yàn)，把函數(shù)中的參數(shù)SquaredQ=T
還可以把序列平方之后再檢驗(yàn)自相關(guān)性。。。也相當(dāng)于進(jìn)行了異方差檢驗(yàn)。。。
自相關(guān)檢驗(yàn)可以通過ACF圖，函數(shù)是acf{stats}，或者單位根檢驗(yàn)ur.df{urca}進(jìn)行ADF檢驗(yàn)或者ur.pp{urca}進(jìn)行PP檢驗(yàn)，或者進(jìn)行白噪聲檢驗(yàn)Box.test{stats}，相當(dāng)于檢驗(yàn)了序列的二階自相關(guān)性。。。{}里面的是package的名字
問題2：R 函數(shù)出錯怎么辦如何判斷？
http://xalimeijing.com/forum.php?mod=viewthread&tid=3565690&from^^uid=153990
問題2描述：
如何判斷一個R函數(shù)運(yùn)行錯誤并返回一個值用來調(diào)用其他程序？
問題2回答：
用tryCatch就可以了
result = tryCatch ( {
expr
} , warning = function ( w ) {
warning - handler - code
} , error = function ( e ) {
error - handler - code
} , finally = {
cleanup - code
}
問題3：R中關(guān)于arima函數(shù)中“CSS-ML”表示什么方法？
http://xalimeijing.com/forum.php?mod=viewthread&tid=2970563&from^^uid=153990
問題3描述：
請問一下，在arima函數(shù)中，選擇method的時候“ML”表示似然估計(jì)
"CSS"表示最小二乘
"CSS-ML"表示什么方法？
問題3回答：
用CSS-ML, R 是用CSS 來選擇起始點(diǎn)，后面用ML來做
這個也是arima的默認(rèn)方法
問題4：急急！！如何用R實(shí)現(xiàn)半?yún)?shù)Logistic回歸
http://xalimeijing.com/forum.php?mod=viewthread&tid=2746530&from^^uid=153990
問題4描述：
現(xiàn)在有8個變量，在Logistic回歸中剔除了4個，剩余4個已經(jīng)建立Logistic模型。想把剔除的4個變量加回來，作為非線性部分，進(jìn)行半?yún)?shù)回歸，求R實(shí)現(xiàn)方法
問題4回答：
這是用mgcv包配合寫的，你看下能不能用
mfxboot <- function
(modform,dist,data,boot=1000,digits=3){ #dist is the distribution choice of logit or probit
require(mgcv)
x <- gam(modform, family=binomial(link=dist),method="GCV.Cp",data)
# get marginal effects
pdf <- ifelse(dist=="probit",
mean(dnorm(predict(x, type = "link")))
mean(dlogis(predict(x, type = "link")))
marginal.effects <- pdf*coef(x)
bootvals <- matrix(rep(NA,boot*length(coef(x))),
nrow=boot)
set.seed(1111)
for(i in 1:boot){
samp1 <- data[sample(1:dim(data)[1],replace=T,dim(data)[1]),]
x1 <- gam(modform, family=binomial(link=dist),method="GCV.Cp",samp1)
pdf1 <- ifelse(dist=="probit",
mean(dnorm(predict(x1, type = "link"))),
mean(dlogis(predict(x1, type = "link"))))
bootvals[i,] <- pdf1*coef(x1)
}
res <- cbind(marginal.effects,apply(bootvals,2,sd),marginal.effects/apply(bootvals,2,sd))
if(names(x$coefficients[1])=="(Intercept)"){
res1 <- res[2:nrow(res),]
res2 <- matrix(as.numeric(sprintf(paste("%.",paste(digits,"f",sep=""),sep=""),res1)),nrow=dim(res1)[1])
rownames(res2) <- rownames(res1)
} else {
res2 <- matrix(as.numeric(sprintf(paste("%.",paste(digits,"f",sep=""),sep="")),nrow=dim(res)[1]))
rownames(res2) <- rownames(res)
}
colnames(res2) <- c("marginal.effect","standard.error","z.ratio")
return(res2)
}
問題5：4階ar模型如何在R軟件中實(shí)現(xiàn)？
http://xalimeijing.com/forum.php?mod=viewthread&tid=3518750&from^^uid=153990
問題5描述：
arima(a, c(4,0,0))
如果使用這個函數(shù)，則表示1到4階，我是說，如果只有4階自相關(guān)、而沒有1-3階呢？R軟件能否實(shí)現(xiàn)？
問題5回答：
感覺你遇到的是季節(jié)性因素
相應(yīng)的用x12季節(jié)調(diào)整吧
seasonal=list(order=c(P,D,Q),period=12
問題6：R語言做VAR模型的問題
http://xalimeijing.com/forum.php?mod=viewthread&tid=3486719&from^^uid=153990
問題6描述：
大家好，我是一個R語言新手，最近在研究向量自回歸，遇到很多問題。還希望有過經(jīng)驗(yàn)的前輩們幫忙解答一下！
1.R語言做向量自回歸時主要用的包是VAR包。我的數(shù)據(jù)是多變量
的時間序列，具體的形式如
export import
1990 23 45
1991 34 55
。。。。
這樣在判斷序列平穩(wěn)的時候該如何操作呢？
2.整個預(yù)測流程為：判斷平穩(wěn)、選擇滯后階數(shù)、建立VAR模型、檢驗(yàn)?zāi)Ｐ�、預(yù)測，這樣是否合理？ECM是誤差修正用的，考慮當(dāng)期值和上期波動相關(guān)，修正了波動值，向相反方向。
問題6回答：
| ECM是誤差修正用的，考慮當(dāng)期值和上期波動相關(guān)，修正了波動值，向相反方向。 VAR是向量自回歸，是把大量變量內(nèi)生化，但是缺少直觀的經(jīng)濟(jì)學(xué)意義和參數(shù)估計(jì)復(fù)雜�？梢宰鲱A(yù)測值，也可以研究變量與其他變量間的持續(xù)性。 |
要不你用ECM？
dy1 = diff(y1)
dy2 = diff(y2)
diff.dat = data.frame(embed(cbind(dy1, dy2), 2)) #emed表示嵌入時間序列dy1,dy2到diff.dat
colnames(diff.dat) = c("dy1", "dy2", "dy1.1", "dy2.1")
ecm.reg = lm(dy2 ~ error.lagged + dy1.1 + dy2.1, data =diff.dat)
summary(ecm.reg)
不過，還是給你VAR瞅一眼
VAR(y, p = 1, type = c("const", "trend", "both", "none"),
season = NULL, exogen = NULL, lag.max = NULL,
ic = c("AIC", "HQ", "SC", "FPE"))
問題7：關(guān)于VMEM模型或ACD模型相關(guān)的編程
http://xalimeijing.com/forum.php?mod=viewthread&tid=3546057&from^^uid=153990
問題7描述：
論壇里的大神們，有人知道向量乘積誤差模型（VMEM）怎么估計(jì)嗎？或者是類似的知道ACD模型的估計(jì)方法。另外，文獻(xiàn)里提到MEM可以使用GARCH模型估計(jì)，但是求問GARCH與MEM（或ACD）在估計(jì)時的區(qū)別。有大神懂得嗎？十分著急，其解答，必有重謝。
問題7回答：
MEM是GARCH類模型的拓展,它具有與ACD模型相似的模型形式和性質(zhì)，只是他所研究的變量不局限于金融持續(xù)期，考慮的數(shù)據(jù)涵蓋年月周日為頻率的時間序列數(shù)據(jù)和超高頻數(shù)據(jù)，所以是ACD類模型的更一般的應(yīng)用。
編程的話，這里有個例子，特別完整，包括理論的整個構(gòu)建過程：
http://www.docin.com/p-697461898.html
問題8：
不解的錯誤代碼，望高手指教！
http://xalimeijing.com/forum.php?mod=viewthread&tid=2561592&from^^uid=153990
問題8描述：
今天在用 donlp2函數(shù)的時候，結(jié)果報(bào)如下錯誤：
stepsizeselection: no acceptable stepsize in
[sigsm,sigla]
誰可以幫我解釋下 ，謝謝了！
問題8回答：
首先，你確定它關(guān)于你的參數(shù)光滑么？
可以通過difftype被選擇�；蛘�，你是不是有默認(rèn)值啊？
difftype= 3 這個特別難得
difftype=2 對稱
在[sigsm，sigla]沒有可接受的步長的錯誤這種，在許多情況下，由于非光滑函數(shù)的行為。
問題9：
關(guān)于R作圖的一個小問題
http://xalimeijing.com/forum.php?mod=viewthread&tid=3493448&from^^uid=153990
問題9描述：
各位大神好：
我的數(shù)據(jù)形式是這樣的
subject treatment frame sf_result
1 1 cath gain 8.125
2 1 cath loss 10.000
3 3 sham gain 31.875
4 3 sham loss 27.500
5 5 cath gain -5.000
6 5 cath loss -10.000
7 6 sham gain 7.500
8 6 sham loss 18.125
9 8 sham gain -4.375
10 8 sham loss -13.125
11 9 cath gain 12.375
12 9 cath loss 7.500
最后一列是因變量， frame 和 treatment是自變量 ， 如果我想做交互作用的示意圖 ，怎么寫代碼 ？就是x軸是 gain 和 loss ， y軸是result ，兩條線分別代表cath 和sham 。thanks!!!!!!
問題9回答：
如果要做的話，在公式里面寫出來就可以了。A*B表示因素A和B,還有它們的交互作用都包括在分析里，如果要單獨(dú)寫出來交互作用要用A:B。
如果要畫出來的話，interaction.plot()可以作出交互效應(yīng)圖，
考查因素之間交互作用是否存在, 比如
> op<-par(mfrow=c(1, 2))
> plot(Time~Toxicant+Cure, data=rats)
> with(rats, interaction.plot(Toxicant, Cure, Time, trace.label="Cure"))
> with(rats,interaction.plot(Cure, Toxicant, Time, trace.label="Toxicant"))
說明是：
Use box plots and line plots to visualize group differences. There are also two functions specifically designed for visualizing mean differences in ANOVA ayouts. interaction.plot( ) in the base stats package produces plots for two-way interactions.
問題10：新手求助如何將optim的結(jié)果中的參數(shù)估計(jì)提取出來？
http://xalimeijing.com/forum.php?mod=viewthread&tid=3100391&from^^uid=153990
問題10描述：
就是我要做很多次極大似然估計(jì)，每次都用optim做出來后，怎么將結(jié)果中的參數(shù)估計(jì)提取出來？因?yàn)槲液罄m(xù)還要用這很多個估計(jì)和真值比較，所以哪位大神能教我怎么提出來呢？感謝！
問題10回答：
1.你先確定gamma分布參數(shù)的初始值para；
2.定義一個函數(shù)，例如f(x)，其是gamma分布相應(yīng)的似然函數(shù)，取對數(shù)，再取負(fù)值，因?yàn)閛ptim計(jì)算的是最小值；
3.optim(para,f).即可得到你要的估計(jì)值。
注：初始值的選擇很重要。這個要根據(jù)你的實(shí)際背景。
▓【二、計(jì)量與統(tǒng)計(jì)、EVIEWS答疑精華合集&&答疑專家介紹】▓
◆TIP1:計(jì)量經(jīng)濟(jì)學(xué)課程通常是經(jīng)管學(xué)院里最有用但同時又是難度較大的課程之一！煩瑣復(fù)雜的理論推演和艱深的數(shù)學(xué)討論，為掌握計(jì)量與統(tǒng)計(jì)軟件應(yīng)用所需要付出的大量時間、反復(fù)實(shí)踐與持續(xù)打磨，在學(xué)習(xí)計(jì)量經(jīng)濟(jì)學(xué)的路上，充滿挑戰(zhàn)！
◆TIP2：大數(shù)據(jù)時代，統(tǒng)計(jì)學(xué)可以被應(yīng)用在所有領(lǐng)域，可以出現(xiàn)在世界上的每一個角落以及人生的每一個瞬間，甚至-----能夠?qū)λ?/span>有渴望得到回答的問題、以最快的速度給出最精準(zhǔn)的答案。統(tǒng)計(jì)學(xué)是我們在數(shù)據(jù)時代讀懂、聽懂和看懂一切事實(shí)真相的基礎(chǔ)。
◆TIP3:寶劍鋒從磨厲出，梅花香自苦寒來。熟練掌握計(jì)量與統(tǒng)計(jì)知識、掌握專業(yè)領(lǐng)域應(yīng)用軟件殊為不易，從常用模型到基礎(chǔ)理論，從方法原理到使用條件，從軟件編程到應(yīng)用實(shí)例------紙上得來終究淺，絕知此事要躬行。
- 在提問中釋疑，在交流中解惑，在互動中找到答案，學(xué)習(xí)技能！
- 有人答疑的學(xué)習(xí)過程將會更加精彩，論壇每日安排計(jì)量與統(tǒng)計(jì)軟件、EVIEW專項(xiàng)答疑
- 每日求解，滴水石穿，集聚學(xué)習(xí)能量.
- 有各類計(jì)量經(jīng)濟(jì)與統(tǒng)計(jì)、EVIEWS軟件應(yīng)用問題，快來論壇提問吧！
★（一）計(jì)量與統(tǒng)計(jì)/EVIEWSL軟件答疑專家介紹
歸老師，能靜能動，能嚴(yán)肅能無厘頭。長期混跡于論壇的計(jì)量經(jīng)濟(jì)與統(tǒng)計(jì)板塊，也曾舞文弄墨整理了寫統(tǒng)計(jì)知識入門貼，致力于將枯燥的統(tǒng)計(jì)知識用通俗易懂方式來做普及。專業(yè)所長統(tǒng)計(jì)學(xué)及數(shù)據(jù)分析，較擅長利用Eviews和SPSS軟件對行業(yè)數(shù)據(jù)進(jìn)行分析研究。曾多次參與區(qū)縣級經(jīng)濟(jì)發(fā)展情況研究課題。
★（二）計(jì)量與統(tǒng)計(jì)/EVIEWSL軟件答疑快訊
1.論壇答疑ID：胖胖小龜寶（可查看個人主頁中已回復(fù)過的答疑貼子）
2.論壇答疑主頁：http://xalimeijing.com/home.phpmod=space&uid=3296507&do=profile
★（三）計(jì)量與統(tǒng)計(jì)/EVIEWSL軟件答疑精選
問題1：怎樣用eviews6.0做廣義最小二乘法
http://xalimeijing.com/forum.php?mod=viewthread&tid=2288704&from^^uid=153990
問題1描述：
RT, 怎樣用eviews6.0做廣義最小二乘法,想要詳細(xì)的步驟 謝謝啦
問題1回答：
兩種方法：
1.在回歸結(jié)果窗口中按Estimate，改變你的回歸項(xiàng)分別為“y*1/abs(resid) x1*1/abs(resid) x2*1/abs(resid)……”，當(dāng)然要在做完你的OLS后馬上做，否則你的resid序列就不是你所要的誤差序列了。
2.先用所需要用的變量做一下OLS回歸，然后在回歸結(jié)果窗口里按Proc，選擇下拉菜單里面的Make residual Serias，給個單字母
的序列名字，這樣可以生長一個誤差序列，然后再在你的回歸結(jié)果窗口中按Estimate選擇Options，在Weighted LS/TSLS前畫挑，并且在Weight后面的空白處填寫：1/abs（剛才起的序列名字）然后就ok了。
問題2：
ARMA（p，q）的確定
http://xalimeijing.com/forum.php?mod=viewthread&tid=2601102&from^^uid=153990
問題2描述：
ARMA模型是自相關(guān)及偏相關(guān)都拖尾，那要如何通過相關(guān)圖來確定pq的值呢？
另外所謂的滯后4期，滯后2期是什么意思？
白噪聲序列又是怎么回事？
有沒有具體的例子可以解釋下這些內(nèi)容？最好是附圖的。。。急切的想知道
問題2回答：
AR模型：自相關(guān)系數(shù)拖尾，偏自相關(guān)系數(shù)截尾；
MA模型：自相關(guān)系數(shù)截尾，偏自相關(guān)函數(shù)拖尾；
ARMA模型：自相關(guān)函數(shù)和偏自相關(guān)函數(shù)均拖尾。
P Q主要看從第幾期開始快速收斂。
對于一個純隨機(jī)過程來說，若其期望和方差均為常數(shù)，則稱之為白噪聲過程。
殘差要是白噪聲是因?yàn)榈玫桨自肼曅蛄�，就說明時間序列中有用的信息已經(jīng)被提取完畢了，剩下的全是隨機(jī)擾動，是無法預(yù)測和使用的，殘差序列如果通過了白噪聲檢驗(yàn)，則建模就可以終止了，因?yàn)闆]有信息可以繼續(xù)提取。如果殘差不是白噪聲，就說明殘差中還有有用的信息，需要修改模型或者進(jìn)一步提取。
http://xalimeijing.com/thread-3241517-1-1.html
http://xalimeijing.com/thread-3049778-1-1.html
這兩個帖子有圖片說明如何定階和解釋白噪聲序列。
問題3：
PCA和PLS的區(qū)別
http://xalimeijing.com/forum.php?mod=viewthread&tid=3586395&from^^uid=153990
問題3描述：
都是為了消除共線性，有啥區(qū)別？感覺PCA用的比較多啊。
問題3回答：
成分回歸是對數(shù)據(jù)做一個正交旋轉(zhuǎn)變換，變換后的變量都是正交的。（有時候?yàn)榱巳コ烤V的影響，會先做中心化處理）。偏最小二乘回歸相當(dāng)于包含了主成分分析、典型相關(guān)分析的思想，分別從自變量與因變量中提取成分T,U（偏最小二乘因子），保證T,U能盡可能多的提取所在變量組的變異信息，同時還得保證兩者之間的相關(guān)性最大。偏最小二乘回歸較主成分回歸的優(yōu)點(diǎn)在于，偏最小二乘回歸可以較好的解決樣本個數(shù)少于變量個數(shù)的問題，并且除了考慮自變量矩陣外，還考慮了響應(yīng)矩陣。
SPSS中主成分很多軟件都有自帶模塊，對于編程的軟件，方法會了就都能做。
問題4：
幾種相關(guān)系數(shù)的含義
http://xalimeijing.com/forum.php?mod=viewthread&tid=3587018&from^^uid=153990
問題4描述：
簡單相關(guān)系數(shù)，復(fù)相關(guān)系數(shù)．偏相關(guān)系數(shù)，可決系數(shù)的意義和區(qū)別
問題4回答：
簡單相關(guān)系數(shù)：
又叫相關(guān)系數(shù)或線性相關(guān)系數(shù)。它一般用字母r 表示。它是用來度量定量變量間的線性相關(guān)關(guān)系。
復(fù)相關(guān)系數(shù):
又叫多重相關(guān)系數(shù)
復(fù)相關(guān)是指因變量與多個自變量之間的相關(guān)關(guān)系。例如，某種商品的需求量與其價格水平、職工收入水平等現(xiàn)象之間呈現(xiàn)復(fù)相關(guān)關(guān)系。
偏相關(guān)系數(shù)：
又叫部分相關(guān)系數(shù)：部分相關(guān)系數(shù)反映校正其它變量后某一變量與另一變量的相關(guān)關(guān)系，校正的意思可以理解為假定其它變量都取值為均數(shù)。 偏相關(guān)系數(shù)的假設(shè)檢驗(yàn)等同于偏回歸系數(shù)的t檢驗(yàn)。 復(fù)相關(guān)系數(shù)的假設(shè)檢驗(yàn)等同于回歸方程的方差分析。
可決系數(shù)是相關(guān)系數(shù)的平方。
意義：可決系數(shù)越大，自變量對因變量的解釋程度越高，自變量引起的變動占總變動的百分比高。觀察點(diǎn)在回歸直線附近越密集。
問題5：
模型檢驗(yàn)要從哪幾方面入手？
http://xalimeijing.com/forum.php?mod=viewthread&tid=3586996&from^^uid=153990
問題5描述：
要做哪些方面的檢驗(yàn)？最好能有前期，中期，后期各部分的介紹。
問題5回答：
要考慮經(jīng)濟(jì)意義（符號是否正確，系數(shù)大小是否合理）
模型前期要根據(jù)其特點(diǎn)做相關(guān)關(guān)系檢驗(yàn)、平穩(wěn)、協(xié)整檢驗(yàn)、因果檢驗(yàn)等
建完模型之后要對擬合度，系數(shù)顯著性檢驗(yàn)和共線性檢驗(yàn)
還要對殘差做自相關(guān)和異方差的檢驗(yàn)標(biāo)準(zhǔn)差和標(biāo)準(zhǔn)誤的區(qū)別
問題6：
標(biāo)準(zhǔn)差和標(biāo)準(zhǔn)誤的區(qū)別
http://xalimeijing.com/forum.php?mod=viewthread&tid=3584894&from^^uid=153990
問題6描述：
這兩個有什么區(qū)別
問題6回答：
①概念不同；標(biāo)準(zhǔn)差是描述觀察值(個體值)之間的變異程度；標(biāo)準(zhǔn)誤是描述樣本均數(shù)的抽樣誤差；
②用途不同；標(biāo)準(zhǔn)差與均數(shù)結(jié)合估計(jì)參考值范圍,計(jì)算變異系數(shù),計(jì)算標(biāo)準(zhǔn)誤等.標(biāo)準(zhǔn)誤用于估計(jì)參數(shù)的可信區(qū)間,進(jìn)行假設(shè)檢驗(yàn)等.
③它們與樣本含量的關(guān)系不同:當(dāng)樣本含量 n 足夠大時,標(biāo)準(zhǔn)差趨向穩(wěn)定；而標(biāo)準(zhǔn)誤隨n的增大而減小,甚至趨于0 .聯(lián)系:標(biāo)準(zhǔn)差,標(biāo)
準(zhǔn)誤均為變異指標(biāo),當(dāng)樣本含量不變時,標(biāo)準(zhǔn)誤與標(biāo)準(zhǔn)差成正比.
問題7：
請教各位大俠，如何處理缺失數(shù)據(jù)
http://xalimeijing.com/forum.php?mod=viewthread&tid=53392&from^^uid=153990
問題7描述：
1第一種情況，這個數(shù)據(jù)是客觀存在的，但是沒有得到統(tǒng)計(jì)值，比如說1930年的GDP
2第二種情況，51長假股票市場并不交易，那么這天的價格如何處理，直接去掉
還是沿用4月30日的價格？
問題7回答：
先回復(fù)你的問題再引入具體的一些處理方法（供參考）
1.缺少1930的GDP：如果你的數(shù)據(jù)時年度數(shù)據(jù)，而且不是從1930開始的，可以根據(jù)前幾期后后幾期的數(shù)據(jù)做估計(jì)預(yù)測來填補(bǔ)。另外，如果1930年缺少的不只是GDP，還有其他的數(shù)據(jù)，而且你的數(shù)據(jù)量也很大，那么也可以考慮刪除的。
2.我個人認(rèn)為不適合用4.30的價格沿用，因?yàn)榻鹑诮灰讛?shù)據(jù)的波動比較大，同時國定長假還有十一之類的，建議還是去除掉。對
于周末之類的，我知道Eviews中有五日的數(shù)據(jù)模式可以導(dǎo)入，但是這個是按照西方的計(jì)算，也就是春節(jié)之類的中國假日是無法識別的。
最后針對缺失值的處理，找到了一些方法，介紹一下吧：
缺失值處理的傳統(tǒng)方法
列刪法：將存在缺失值的被試刪除。列刪法的假設(shè)機(jī)制是完全隨機(jī)缺失，在很多情況下很難滿足此假設(shè)，所以會產(chǎn)生偏差的參數(shù)估計(jì)。由于刪除了非缺失信息，損失了樣本量，進(jìn)而削弱了統(tǒng)計(jì)功效。但是，當(dāng)樣本量很大而缺失值所占樣本比例較少時（<5%）可以考慮使用列刪法，但任然存在上述不足。
對刪法：在計(jì)算相關(guān)矩陣時，用所有可獲得的數(shù)據(jù)計(jì)算，不管是否存在缺失值。同列刪法一樣，對刪法的假設(shè)機(jī)制也是完全隨機(jī)缺失，在不滿足假設(shè)時產(chǎn)生估計(jì)偏差。由于計(jì)算每對相關(guān)系數(shù)基于差異較大的樣本，所以存在協(xié)方差矩陣非正定的風(fēng)險(xiǎn)。另外，樣本的差異也會使計(jì)算標(biāo)準(zhǔn)誤產(chǎn)生問題。
均值替代法：使用每個變量的均值去填補(bǔ)該變量的缺失值。這種法產(chǎn)生估計(jì)偏差，最不為方法學(xué)者推薦。
回歸法：根據(jù)變量間的相關(guān)，利用其他變量的信息通過建立回歸方式去推算缺失值。該法同樣會產(chǎn)生估計(jì)偏差。
平均同質(zhì)項(xiàng)目法：假設(shè)個體在某一因子的某些條目上存在缺失值，通過平均其他幾個條目得分來填補(bǔ)缺失值。這種做法在實(shí)際中很常見，但缺陷也很明顯。
問題8：
計(jì)量經(jīng)濟(jì)學(xué)都是些什么內(nèi)容呢？大蝦們給點(diǎn)宏觀和微觀的建議吧
http://xalimeijing.com/forum.php?mod=viewthread&tid=117289&from^^uid=153990
問題8描述：
計(jì)量經(jīng)濟(jì)學(xué)都是些什么內(nèi)容呢？大蝦們給點(diǎn)宏觀和微觀的建議吧，謝謝！
問題8回答：
研究對象：
計(jì)量經(jīng)濟(jì)學(xué)的兩大研究對象：橫截面數(shù)據(jù)（Cross-sectional Data）和時間序列數(shù)據(jù)（Time-series Data）。前者旨在歸納不同經(jīng)濟(jì)行為者是否具有相似的行為關(guān)聯(lián)性，以模型參數(shù)估計(jì)結(jié)果顯現(xiàn)相關(guān)性；后者重點(diǎn)在分析同一經(jīng)濟(jì)行為者不同時間的資料，以展現(xiàn)研究對象的動態(tài)行為。
新興計(jì)量經(jīng)濟(jì)學(xué)研究開始切入同時具有橫截面及時間序列的資料，換言之，每個橫截面都同時具有時間序列的觀測值，這
種資料稱為追蹤資料 (Panel data，或稱面板資料分析)。追蹤資料研究多個不同經(jīng)濟(jì)體動態(tài)行為之差異，可以獲得較單純橫截面或時間序列分析更豐富的實(shí)證結(jié)論。
涉及到的相關(guān)學(xué)科：
計(jì)量經(jīng)濟(jì)學(xué)是結(jié)合經(jīng)濟(jì)理論與數(shù)理統(tǒng)計(jì)，并以實(shí)際經(jīng)濟(jì)數(shù)據(jù)作定量分析的一門學(xué)科。計(jì)量經(jīng)濟(jì)學(xué)以古典回歸（Classical Regression）分析方法為出發(fā)點(diǎn)。依據(jù)數(shù)據(jù)形態(tài)分為：橫截面數(shù)據(jù)回歸分析（Regression Analysis with Cross-Sectional Data）、時間序列分析（Time Series analysis）、面板數(shù)據(jù)分析（Panel Data Analysis）等。依據(jù)模型假設(shè)的強(qiáng)弱分為：參量計(jì)量經(jīng)濟(jì)學(xué)（Parametric Econometrics）、非參量計(jì)量經(jīng)濟(jì)學(xué)（Nonparametric Econometrics）、半?yún)⒘坑?jì)量經(jīng)濟(jì)學(xué)（Semiparametric Econometrics）等。
常運(yùn)用的軟件：
EViews
Gretl
MATLAB
Stata
R
SAS
SPSS
這個帖子可以看下：學(xué)習(xí)高級計(jì)量的幾條建議
http://xalimeijing.com/thread-1351872-1-1.html
問題9：
變異系數(shù)到底有啥用
http://xalimeijing.com/forum.php?mod=viewthread&tid=3576878&from^^uid=153990
問題9描述：
變異系數(shù)和標(biāo)準(zhǔn)差有啥區(qū)別？是不是測量不同均值不同方差的兩個樣本哪個集中啊？
問題9回答：
標(biāo)準(zhǔn)差與平均數(shù)的比值稱為變異系數(shù)，記為C.V。變異系數(shù)可以消除單位和（或）平均數(shù)不同對兩個或多個資料變異程度比較的影響。
作用：反映單位均值上的離散程度，常用在兩個總體均值不等的離散程度的比較上。若兩個總體的均值相等，則比較標(biāo)準(zhǔn)差系數(shù)與比較標(biāo)準(zhǔn)差是等價的。
問題10：
[求助]計(jì)量經(jīng)濟(jì)學(xué)到底是說什么事情的？
http://xalimeijing.com/forum.php?mod=viewthread&tid=230616&from^^uid=153990
問題10描述：
謝謝！如題！
問題10回答：
計(jì)量經(jīng)濟(jì)學(xué)的主要用途或目的主要有兩個方面：
1、理論檢驗(yàn)。這是計(jì)量經(jīng)濟(jì)學(xué)用途最為主要的和可靠的方面。這也是計(jì)量經(jīng)濟(jì)學(xué)本身的一個主要內(nèi)容。
2、預(yù)測應(yīng)用。從理論研究和方法的最終目的看，預(yù)測（包括政策評價）當(dāng)然是計(jì)量經(jīng)濟(jì)學(xué)最終任務(wù)，必須注意學(xué)習(xí)和了解，但其預(yù)測的可靠性或有效性是我們應(yīng)十分注意的。
計(jì)量經(jīng)濟(jì)學(xué)的兩大研究對象：橫截面數(shù)據(jù)（Cross-sectional Data）和時間序列數(shù)據(jù)（Time-series Data）。前者旨在歸納不同經(jīng)濟(jì)行為者是否具有相似的行為關(guān)聯(lián)性，以模型參數(shù)估計(jì)結(jié)果顯現(xiàn)相關(guān)性；后者重點(diǎn)在分析同一經(jīng)濟(jì)行為者不同時間的資料，以展現(xiàn)研究對象的動態(tài)行為。新興計(jì)量經(jīng)濟(jì)學(xué)研究開始切入同時具有橫截面及時間序列的資料，換言之，每個橫截面都同時具有時間序列的觀測值，這種資料稱為追蹤資料 (Panel data，或稱面板資料分析)。追蹤資料研究多個不同經(jīng)濟(jì)體動態(tài)行為之差異，可以獲得較單純橫截面或時間序列分析更豐富的實(shí)證結(jié)論。
▓【三、MATLAB數(shù)學(xué)軟件專版答疑精華合集&&答疑專家介紹】▓
◆TIPS:雖然MathWorks公司不斷推出新版本,但MATLAB的強(qiáng)大功能和魅力卻依然如此令人著迷。MATLAB不僅在金融資產(chǎn)定價和風(fēng)險(xiǎn)管理方面有著強(qiáng)大的功能，是國際主流的金融工程軟件，更是廣大數(shù)學(xué)與計(jì)算機(jī)專業(yè)學(xué)生的心頭好，從某種意義上講，即使沒有編程背景的研究人員，也能利用MATLAB做出非常有價值的研究成果。學(xué)習(xí)MATLAB，成為經(jīng)管人和金融人的一道大菜......
- 在提問中尋找答案，在交流中撥開迷霧，學(xué)習(xí)技能！
- 有人解惑的學(xué)習(xí)過程將會更加貼心，論壇每日安排MATLAB數(shù)學(xué)軟件專項(xiàng)答疑
- 每日有問，每日必答，整合學(xué)習(xí)資源，點(diǎn)燃學(xué)習(xí)勁動力。
- 有MATLAB數(shù)學(xué)軟件問題，快來論壇提問吧！
★（一）MATLAB數(shù)學(xué)軟件專版答疑老師介紹
陳老師，從事MATLAB版塊答疑工作，數(shù)學(xué)專業(yè)，長期致力于數(shù)學(xué)軟件的研究，擅長MATLAB在數(shù)值分析、微分方程領(lǐng)域的應(yīng)用，對MATLAB學(xué)習(xí)資源的分布以及技術(shù)文檔的獲取積累了相當(dāng)?shù)慕?jīng)驗(yàn)，并具有豐富的軟件操作及程序調(diào)試經(jīng)驗(yàn)，希望在論壇的交流中共同進(jìn)步！
★（二）MATLAB數(shù)學(xué)軟件專版答疑快訊
1.論壇答疑ID：matlab-007（可查看個人主頁中已回復(fù)過的答疑貼子）
2.論壇答疑主頁：http://xalimeijing.com/home.phpmod=space&uid=5575725&do=profile
★（三）MATLAB數(shù)學(xué)軟件專版答疑精選
問題1：
計(jì)量分析軟件對比？
http://xalimeijing.com/forum.php?mod=viewthread&tid=3248805&from^^uid=153990
問題1描述：
大家好，我剛上金融研究生，想學(xué)一個計(jì)量軟件，請問Stata,matlab,sas,eviews,等等這些有什么區(qū)別，哪個好用?
問題1回答：
1如果是做應(yīng)用計(jì)量（特別是橫截面數(shù)據(jù)、面板數(shù)據(jù)），Stata是不二之選，因?yàn)椴还苁枪芾頂?shù)據(jù)還是跑回歸，實(shí)在太太太方便了
�，F(xiàn)在主流期刊的應(yīng)用微觀計(jì)量文章里面能用到的模型stata幾乎都有，而且其中的絕大多數(shù)都是用stata做的。而且最大的優(yōu)點(diǎn)是，簡單！
2如果做應(yīng)用的時間序列，Eviews似乎是一個不錯的選擇。但是我一般不做這方面，也不是很有發(fā)言權(quán)。
3如果做理論計(jì)量，stata eviews是沒有現(xiàn)成的包的，而且即便Stata可以編程，可編程能力也是很差的，而且不穩(wěn)健。所以懂R
和Matlab就非常順手。當(dāng)然也可以用Python，最近Sargent就寫了本用Python做計(jì)量的書。還有一個Julia，是這三種語言的混合，但是速度快很多，缺點(diǎn)是太過于小眾。
問題2：
如何用matlab進(jìn)行重測多因素方差分析
http://xalimeijing.com/forum.php?mod=viewthread&tid=3207099&from^^uid=153990
問題2描述：
哪位大神可以詳細(xì)的敘述一下，如何用matlab進(jìn)行多因素重測方差分析？最好能有詳細(xì)的語句。感激不盡。
問題2回答：
Matlab自帶Anova分析工具：
p = anova1(X)
p = anova1(X,group)
p = anova1(X,group,'displayopt')
[p,table] = anova1(...)
[p,table,stats] = anova1(...)
例子：
X = meshgrid(1:5)
X =
1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
X = X + normrnd(0,1,5,5)
X =
-0.0741 2.7782 2.2129 4.0802 5.7902
1.2018 1.9937 3.7520 3.0627 5.1053
1.7629 2.5245 2.8331 4.6357 4.8414
-0.2882 3.3643 2.1838 5.6820 5.8709
0.0470 2.4820 5.0941 4.5936 4.8052
p = anova1(X)
p =
4.0889e-007
問題3：
matlab與excel的鏈接
http://xalimeijing.com/forum.php?mod=viewthread&tid=3179954&from^^uid=153990
問題3描述：
哪位大神能傳下matlab2012b——tooxbox_excllink.xla文件，謝謝！695811826@qq.com!急需！
問題3回答：
打開你的安裝文件下的toolbox下的exlink文件夾，里面有個excllink.xla文件，點(diǎn)擊即可使用excellink,不建議安裝excellink，安裝后每次啟動excel都要啟動MATLAB，速度好慢，這種方法，可以節(jié)約你好多時間。
問題4：
用matlab求轉(zhuǎn)移概率矩陣
http://xalimeijing.com/forum.php?mod=viewthread&tid=3139154&from^^uid=153990
問題4描述：
求大神指導(dǎo)：
用matlab怎么求一堆數(shù)據(jù)的狀態(tài)轉(zhuǎn)移矩陣（用于預(yù)測未來發(fā)展?fàn)?/font>況）？求具體例子和詳細(xì)程序。
問題4回答：
參考一下這個例子吧
兩個色子。一個是好的，一個是偏一面的。
仍色子的幾率矩陣是trans轉(zhuǎn)移矩陣是emis
>> trans = [0.95,0.05; 0.10,0.90];
>> emis = [1/6, 1/6, 1/6, 1/6, 1/6, 1/6;
1/10, 1/10, 1/10, 1/10, 1/10, 1/2;];
seq代表的是一個序列，不是寫上去的，而是用代碼算出來的。
[seq, states] = hmmgenerate(1000,trans,emis);
1000是步長值。
得到seq，seq在此是 Columns 1 through 12 ....
2 5 1 5 6 4 3 3 5
4 6 5...
以下略，太長....
再用
[trans, emis] = hmmestimate(seq,states);
得到trans 和emis的值。
>> trans
trans =
0.9501 0.0499
0.1069 0.8931
>> emis
emis =
0.1733 0.1630 0.1733 0.1557 0.1733
0.1615
0.1129 0.0784 0.1066 0.1254 0.1066
0.4702
可以看出，非常接近設(shè)定值。
問題5：
Matlab繪制地圖的好材料
http://xalimeijing.com/forum.php?mod=viewthread&tid=3115557&from^^uid=153990
問題5描述：
各位有沒有推薦的matlab繪制地圖，還有相關(guān)專題圖的好材料？
有空間坐標(biāo)系的地圖的繪制，如果matlab游刃有余的話，再好不過了。
1.我知道有個m_map工具包。
2.有沒有matlab自身帶的相關(guān)工具、函數(shù)啊。這樣help文檔就可以查到用法了。
謝謝！
問題5回答：
可以參考MATLAB繪制中國地圖
http://blog.sina.com.cn/s/blog_64367bb90100li7v.html
問題6：
收益率協(xié)方差矩陣顯示不是半正定矩陣，無法使用frontcon函數(shù)
http://xalimeijing.com/forum.php?mod=viewthread&tid=3118781&from^^uid=153990
問題6描述：
收益率協(xié)方差矩陣顯示不是半正定矩陣，無法使用frontcon函數(shù)，這個具體是由什么原因引起的？怎樣改進(jìn)呢？
matlab程序顯示：
Non-positive-semidefinite covariance input.
少于50只股票的時候沒有問題，放多些股票很容易出現(xiàn)這個問題。。。
問題6回答：
err_cnt = 0;
for i = 1:1000
try
a = rand(3);
c = cov(a) + .0001 * eye(3);
m = mean(a);
mvnpdf(a, m, c);
catch me
err_cnt = err_cnt + 1;
end
end
Results in 0 errors.
問題7：
請問誰知道m(xù)atlab關(guān)于DEA的BCC模型的程序代碼么？
http://xalimeijing.com/forum.php?mod=viewthread&tid=3130325&from^^uid=153990
問題7描述：
因?yàn)閷懻撐男枰P(guān)于DEA下BCC模型的matlab程序代碼，請問有人懂么？
問題7回答：
新浪博客：blog.sina.com.cn/u/1810328630 可以咨詢下這個工作室
問題8：
用matlab編寫一個用EM算法估計(jì)參數(shù)的程序
http://xalimeijing.com/forum.php?mod=viewthread&tid=3040024&from^^uid=153990
問題8描述：
請問誰有EM算法估參的程序呢？要matlab的，高手幫幫忙哇。。。�。。�
問題8回答：
% 目標(biāo)函數(shù)：高斯混合模N[x(i),mu,sm]=0.8N[x
(i),mu1,sm1]+0.2N[x(i),mu2,sm2]
% mu1=2,sm1=1;
mu2=1,sm2=1
clc
clear all
N=30; %變量x數(shù)目為30個
for i=1:N %構(gòu)造目標(biāo)函數(shù)
if rand(1)>0.2 x(i)=randn(1)+2;
else x(i)=randn(1)+1;
end
end
a(1,1)=0.8;mu(1,1)=3;sm(1,1)=2; %給定初始值
a(2,1)=0.2;mu(2,1)=-2;sm(2,1)=7;
for n=1:30 %EM迭代次數(shù)為30次
for j=1:2 %高斯分量2個
for i=1:N
p1(j)=a(j,n)*normpdf(x(i),mu(j,n),sm(j,n));
P=0; %清零
for s=1:2
P=a(s,n)*normpdf(x(i),mu(s,n),sm(s,n))+P; %
累加
end
p(j,i)=p1(j)/P;
end
temp1=0; temp2=0;temp3=0;
for i=1:N
temp1=p(j,i)+temp1; %累加
temp2=p(j,i)*x(i)+temp2; %累加
temp3=p(j,i)*((x(i)-(temp2/temp1)).^2)+temp3;
%累加
end
a(j,n+1)=temp1/N; %得到后面的項(xiàng)
mu(j,n+1)=temp2/temp1;
sm(j,n+1)=sqrt(temp3/temp1);
end
end
問題9：
matlab在歐式期權(quán)和美式期權(quán)的應(yīng)用程序
http://xalimeijing.com/forum.php?mod=viewthread&tid=3083297&from^^uid=153990
問題9描述：
matlab在歐式期權(quán)和美式期權(quán)的應(yīng)用
問題9回答：
matlab基礎(chǔ)論文：基于MATLAB的歐式期權(quán)定價與隱含波動率應(yīng)用
http://www.docin.com/p-202933055.html可以參考
問題10：
MATLAB坐標(biāo)軸有效位數(shù)
http://xalimeijing.com/forum.php?mod=viewthread&tid=3053909&from^^uid=153990
問題10描述：
各位大俠，請問如何將MATLAB圖形中縱坐標(biāo)軸的數(shù)字設(shè)置成相同的有效位數(shù)（精確度）？謝謝~~
問題10回答：
圖畫好后從新標(biāo)度
set(gca,'YTick',)
set(gca,'YTickLabel',{''})
如果還要標(biāo)度其他點(diǎn)，如0.500
set(gca,'YTick',[0.500,])
set(gca,'YTickLabel',{'0.500',‘’})
吾嘗終日而思矣 不如須臾之所學(xué)也
每日有所思，有所問，有所解，有所答，有所獲
有經(jīng)管疑問，就來人大經(jīng)濟(jì)論壇提問～
每天，在這里，找到N個經(jīng)管問題的答案!!
注：幫助人大經(jīng)濟(jì)論壇推廣，復(fù)制貼子內(nèi)容（帶人大經(jīng)濟(jì)論壇網(wǎng)址）并發(fā)到其他論壇和網(wǎng)站；或點(diǎn)擊貼子標(biāo)題后的“推廣有獎”，把本貼推薦到QQ群或自己的微博（最好@人大經(jīng)濟(jì)論壇），然后跟貼貼出鏈接或截圖，證明已作推廣的，將獲得如下論壇幣的獎勵！
活動獎勵方式（同一個群或微博分享算一次，所有截圖均需顯示分享人數(shù)，否則默認(rèn)低檔獎勵）：
1.凡分享的QQ群，人數(shù)在100人以下的，視情況獎勵10-40論壇幣；100-300人的，獎勵50論壇幣（每群限獎勵一次）；300人以上的獎勵60-100論壇幣。
2.凡分享到微博，您的粉絲在100人以下的，視情況獎勵10-40論壇幣；100-300人的，獎勵50論壇幣（每群限獎勵一次）；300人以上的獎勵60-100論壇幣。
3.凡分享到其他網(wǎng)站（包括校內(nèi)網(wǎng)等），帖子保留一天以上的，獎勵100論壇幣。
4.凡分享超過10次的，另外獎勵200論壇幣；凡分享超過20次的，另外獎勵500論壇幣；凡分享超過50次的，獎勵1000論壇幣。
5.逢8搶樓，凡回復(fù)的樓層尾數(shù)逢8，活動結(jié)束后，每位額外獎勵10論壇幣，歡迎搶樓！
6.所有獎勵均可疊加，獎勵不封頂。
更多精彩內(nèi)容請安裝人大經(jīng)濟(jì)論壇手機(jī)客戶端：http://www.peixun.net/misc/app.html
提升卡
置頂卡
沉默卡
變色卡
搶沙發(fā)
千斤頂
顯身卡
京公網(wǎng)安備 11010802022788號
