




版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、2005年年5月月12/8/20211一、多元線性回歸問題一、多元線性回歸問題 1.一元回歸問題的困惑巴特勒(Butler)運輸公司的例子(p661): 行駛距離(英里) 運送貨物次數(shù) 行駛時間(小時) 100 4 9.3 50 3 4.8 100 4 8.9 100 2 6.5 50 2 4.2 80 2 6.2 75 3 7.4 65 4 6 90 3 7.6 90 2 6.112/8/202122.做行駛時間-行駛距離的一元回歸 Coefficients t Stat P-value Intercept 1.273913 0.909454 0.389687行駛距離(英里) 0.06782
2、6 3.976755 0.00408回歸方程為 可以看出方程整體檢驗和自變量檢驗的P值為0.0041,一元回歸能夠顯著成立。但是判定系數(shù) 偏小, 說明有些因變量的解釋因素(例如運貨次數(shù))沒有引入。0.6221 0.6641,22RR0.6642Rxy0678. 02739. 112/8/20213ppppppxxxyExxxNyNeexxxy22110222110222110)() , ( ), , 0( . 3那么假定誤差項更多的自變量多元回歸理論模型12/8/202144.來自p元回歸模型的容量為n的樣本注意: 的第 1 個腳碼 k 表示變量編號,k=1,p;第 2 個腳碼 i= 1,n
3、表示樣本編號。);,( );,( );,(21222212112111npnnnppyxxxyxxxyxxxkix12/8/202155. 多元回歸總體模型和古典假定 總體模型表示式為 古典假定 1) E(ei)=0; (E(yi)=x1i+ pxpi); 2) 對于所有的 i,Var(ei)=; 3) ei 是服從正態(tài)分布N(0, ) 的; 4) 對于不同的 ei,ej(ij) 是相互獨立的。01 101 1 . 0iippiiiippiiyxxei=1,2, ,nE(y )xx E(e )12/8/202166.多元線性回歸方程的估計2i01 1220101201 122,0,1, . m
4、in()( ,) ()iiippippppkkipyxxxbb bbybb xb xb xb使用最小二乘方法估計得出(, , ,)的估計值估計的回歸方程是的含義是甚麼?12/8/20217巴特勒公司二元線性回歸模型的估計自變量:x1-行駛距離, x2-運貨次數(shù)?;貧w方程:219234. 00611. 0869. 0 xxy12/8/202187.多元回歸方程變差分解和判定系數(shù)R2 總變差的分解:SST=SSR+SSE; 多元判定系數(shù): R2=SSR/SST; 多重相關系數(shù)r; 調整(修正)的判定系數(shù) : 巴特勒公司二元線性回歸模型的判定系數(shù)221122 )1 (1 RRRRpnn一般的有876
5、. 0 ,904. 022RR22.RRadj12/8/202198.對回歸方程的檢驗:F Test for Overall Significance 問題:因變量和所有自變量之間是否存在顯著問題:因變量和所有自變量之間是否存在顯著的關系?的關系? 判定系數(shù)判定系數(shù) R2可以可以 做方程的整體檢驗,但是遇做方程的整體檢驗,但是遇到分布的困難。到分布的困難。 檢驗假設檢驗假設 拒絕域拒絕域 F和R2 的關系:R2 = pF/(n-p-1+pF)。?0 :H210p) 1 ,()1/(/pnpFFpnSSEpSSRMSEMSR12/8/2021109.對回歸系數(shù)的檢驗: t Test for In
6、dividual Significance 檢驗假設檢驗假設 檢驗統(tǒng)計量檢驗統(tǒng)計量 拒絕域拒絕域 0 : 0 :10kkHH的標準誤差是其中kbsbkbstkkbk ,) 1() 1(2/2/pnttpnttkk或者12/8/202111 10.巴特勒公司線性回歸模型的Excel輸出回歸統(tǒng)計 R=0.951 R2=0.904 adj R2=0.876 s=0.573 n=10 方差分析 df SS MS FSignificance F 回歸 221.601 10.800 32.878 0.00027624 殘差 7 2.299 0.328 總計 923.9 Here: SSR=21.601,
7、SSE=2.299, SST=23.9. 系數(shù)估計和檢驗 Coefficients 標準誤差 t Stat p-value Intercept -0.8687 0.9515 -0.9129 0.39163 行駛距離(英里) 0.0611 0.0099 6.1824 0.00045 運送貨物次數(shù) 0.9234 0.2211 4.1763 0.0041612/8/20211211.多重共線性(Multicollinearity) (1)巴特勒運輸公司例題的修改 行駛距離 運送貨物次數(shù)(修改數(shù)) 行駛時間 100 4 (4) 9.3 50 3 (2) 4.8 100 4 (4) 8.9 100 2
8、(4) 6.5 50 2 (2) 4.2 80 2 (3) 6.2 75 3 (3) 7.4 65 4 (3) 6 90 3 (4) 7.6 90 2 (4) 6.112/8/202113(2)巴特勒運輸公司例題的回歸結果 一元回歸方程一元回歸方程 二元回歸方程二元回歸方程 運輸次數(shù)修改后的二元回歸方程運輸次數(shù)修改后的二元回歸方程(F檢驗檢驗p值:值:0.021) *括弧內表示系數(shù)的括弧內表示系數(shù)的p-值值。 (0.004) (0.390) 622. 0 664. 0 067. 027. 1221RRxy 0.877 (0.0042) (0.0005) (0.3916) 904. 0 9234
9、. 00611. 08687. 02221RRxxy 0.573 (0.78) (0.25) (0.41) 668. 0 4671. 00868. 02989. 12221RRxxy12/8/202114(3)多重共線性問題討論 巴特勒運輸回歸結果說明:增加解釋變量不會降低R2的值,但是adj R2的值卻會降低. 前兩個回歸方程的系數(shù)p-值都很低(說明甚麼?),后一個修改運輸次數(shù)的二元回歸的兩個系數(shù)p-值都很高,以至通不過檢驗.但是后一個方程總體檢驗的F值的p-值卻為0.021(0.05水平下方程成立) 原因是修改運輸次數(shù)數(shù)據(jù),使得 x1, x2的相關系數(shù)由0.16升至0.97,發(fā)生了共線性.
10、自變量發(fā)生多重共線性,會出現(xiàn)一些(甚至全部)變量通不過檢驗,但是方程總體檢驗卻能通過.此時的解釋變量系數(shù)估計值很不可靠. 經驗表明:解釋變量數(shù)據(jù)彼此的相關系數(shù)絕對值大于0.7,回歸結果就不可信,處理辦法就是剔除p-值高的變量.對2個以上解釋變量,自變自變量的相關矩陣和方差膨脹因子(Variance Inflation Factors, 簡記作VIF)是識別多重共線性的有效方法,有專門軟件加以精確檢驗.12/8/20211512.利用模型進行預測使用計算機軟件產生回歸模型;通過檢驗判斷你的模型; 直接利用模型可以預測自變量(x01,x02,x0p)對應的因變量期望值E(y0)的估計 。預測E(y
11、0)和y0的置信區(qū)域需要某些專門軟件。0 y0 y12/8/20211613.多元回歸的殘差分析 多元回歸的殘差分析作用方法和一元基本相同。 主要的差異在于:多自變量的觀測值的杠桿率hi的計算比較復雜,需要使用專門軟件。 回歸分析建模應用中可以看到殘差分析的應用12/8/202117二二 、定性自變量(Qualitative Independent Variable)1 . 虛擬變量虛擬變量 (Dummy variable)方差分析中定性變量的解決方案:引入因子,處理。方差分析中定性變量的解決方案:引入因子,處理?;貧w分析的解決方案:引入虛擬變量回歸分析的解決方案:引入虛擬變量如何定義虛擬變量
12、?如何定義虛擬變量? 例:例:x2=0 (女性),女性),x2=1(男性)男性)如何解釋回歸模型?如何解釋回歸模型? 期望值模型為:期望值模型為: 女性女性: 男性男性: 截距變化,斜率相同。截距變化,斜率相同。22110)(xxyE110)(xyE1120)(xyE12/8/2021182.Johnson過濾水股份公司例子 Johnson公司對遍布南弗羅里達州的水過濾系統(tǒng)提供維修服務。為了估計服務時間和成本,公司希望能夠對顧客的每一次維修請求預測必要的維修時間。他們收集的數(shù)據(jù)中包含就近一次維修至今的時間(月數(shù))、故障的類型(電子和機械)以及相應的維修時間(小時)。 你能夠建立起一個預測方程嗎
13、?12/8/202119(1)Johnson公司數(shù)據(jù)公司數(shù)據(jù) 維修時間維修時間/小時小時 最后維修至本次維修請求時間最后維修至本次維修請求時間/月月 故障類型故障類型 2.9 2 電子 1 3.0 6 機械 0 4.8 8 電子 1 1.8 3 機械 0 2.9 2 電子 1 4.9 7 電子 1 4.2 9 機械 0 4.8 8 機械 0 4.4 4 電子 1 4.5 6 電子 112/8/202120散點圖維修時間-維修間隔散點圖01234560246810維修間隔維修時間有正相關的關系,可做一元回歸。但是似乎可以看出有兩條接近平行的直線擬合這些散點。12/8/202121(2)(2)建立
14、維修時間建立維修時間- -上次維修間隔上次維修間隔, ,故障性質的回歸方程故障性質的回歸方程 第一個回歸方程第一個回歸方程 第二個回歸方程第二個回歸方程 解釋你得到的回歸方程!討論解釋你得到的回歸方程!討論 x2的作用。的作用。 *括弧內表示系數(shù)的括弧內表示系數(shù)的p-值值。 二元比一元的判定系數(shù)增大許多。二元比一元的判定系數(shù)增大許多。 *(0.016) (0.008) 534. 0 304. 015. 221Rxy(0.005) (0.000) (0.087) 859. 0 2627. 13876. 09305. 0221Rxxy12/8/202122(3)更復雜的定性變量更復雜的定性變量 如
15、果有如果有3種定性狀態(tài),如何設虛擬變量種定性狀態(tài),如何設虛擬變量? 例例:復印機銷售地區(qū)是復印機銷售地區(qū)是A、B、C三個地區(qū)三個地區(qū),已知不同已知不同地區(qū)銷售量不但與價格有關而且與地區(qū)也有關系地區(qū)銷售量不但與價格有關而且與地區(qū)也有關系,利用利用回歸分析建立銷售量模型。設回歸分析建立銷售量模型。設x1是是價格,還需要價格,還需要2個虛個虛擬變量:擬變量: 回歸方程期望值表示為:回歸方程期望值表示為: 地區(qū)地區(qū)A方程:方程: 地區(qū)地區(qū)B方程:方程: 地區(qū)地區(qū)C方程:方程: 注意:注意:k種狀態(tài)種狀態(tài),需要引入需要引入k-1個個虛擬變量。虛擬變量。其它銷售地區(qū)是B 0 12x其它銷售地區(qū)是C 0 1
16、3x3322110)(xxxyE1120)(xyE1130)(xyE110)(xyE12/8/202123三、廣義線性模型 有些復雜的曲線關系也可以用多元回歸方法擬合。1.模擬高階曲線關系模擬高階曲線關系( (Curvilinear Relationships)Curvilinear Relationships) (1) ReynoldsReynolds公司是一家生產工業(yè)天平和實驗室公司是一家生產工業(yè)天平和實驗室設備的企業(yè)。公司管理人員想要對公司銷售人員設備的企業(yè)。公司管理人員想要對公司銷售人員的工作年限和天平的銷售數(shù)量之間的關系進行研的工作年限和天平的銷售數(shù)量之間的關系進行研究。他們隨機抽取
17、了究。他們隨機抽取了1515名銷售人員,得到相應的名銷售人員,得到相應的數(shù)據(jù):數(shù)據(jù):12/8/202124ReynoldsReynolds公司天平銷售量與人員雇用月數(shù)公司天平銷售量與人員雇用月數(shù) 天天 平平 銷售人員銷售人員 天天 平平 銷售人員銷售人員 銷售量銷售量 雇用月數(shù)雇用月數(shù) 銷售量銷售量 雇用月數(shù)雇用月數(shù) 275 275 41 89 41 89 40 40 296 296 106 235 106 235 51 51 317 317 76 83 76 83 9 9 376 376 104 112 12 104 112 12 162 162 22 67 22 67 6 6 150 15
18、0 12 325 12 325 56 56 367 367 85 189 85 189 19 19 308 308 111 111 12/8/202125(2)散點圖和一元回歸結果050100150200250300350400020406080100120銷售人員雇用月數(shù)天平銷售量12/8/202126 R2 = 0.781174Coefficients 標準誤差t Statp-valueIntercept111.22792 21.628002 5.14277380.000189銷售人員雇用月數(shù)2.3767749 0.3488932 6.8123279 1.239E-05可以看出銷售量和人員
19、雇用月數(shù)的回歸方程為 Sale = 111.23+2.38Months (0.00012)方程的顯著性也很高。但是從散點圖看出似乎有非線性趨勢,而且判定系數(shù)也不算大。從下頁殘差表和殘差圖看出有明顯非線性特征,考慮加入二次項 x2做為第二個解釋變量,做二階回歸:12/8/202127ReynoldsReynolds公司案例公司案例殘差表 預測天平銷售量 殘差 標準殘差 208.6756926 66.32430742 1.390020675 363.166061 -67.16606097 -1.407662093 291.862814 25.13718598 0.526823567 358.412
20、5112 17.58748883 0.368597488 163.5169695 -1.516969516 -0.031792552 139.7492205 10.25077947 0.214835193 313.2537881 53.7462119 1.126409738 375.0499355 -67.04993546 -1.405228342 206.2989177 -17.29891768 -0.362549632 232.4434416 2.556558435 0.053580191 132.6188958 -49.61889584 -1.039909707 139.7492205
21、-27.74922053 -0.581566423 125.4885711 -58.48857114 -1.225799805 244.3273161 80.67268394 1.69073305 156.3866448 32.61335518 0.68350865212/8/202128ReynoldsReynolds公司案例殘差圖公司案例殘差圖Reynolds公司標準殘差-2-1.5-1-0.500.511.52100150200250300350400預測值標準殘差12/8/202129(3)二階回歸結果 R2=0.90 Coefficients 標準誤差 t Stat p-valueI
22、ntercept45.34758 22.77465 1.99114 0.0697雇用月數(shù)6.344807 1.057851 5.99782 6.24E-05月數(shù)平方 -0.03449 0.008948 -3.85388 0.0023 回歸方程為 Sale = 45.35+6.34(Months)-0.35(Months)2 (0.000) (0.002)整個方程F檢驗的p-值為0.000,無論系數(shù)和方程高度顯著通過檢驗,下頁給出二階回歸的標準化殘差,相當規(guī)范。12/8/202130Reynolds二階回歸殘差二階回歸殘差-2-1.5-1-0.500.511.520501001502002503
23、00350400預測值標準殘差12/8/2021312.因變量對數(shù)模型1)汽車耗油問題2)散點圖 有負線性相關趨勢英里/加侖28.7 29.2 34.2 27.9 33.3 26.4 23.9 30.5 18.1 19.5 14.3 20.9車重(磅)2289 2113 2180 2448 2026 2702 2657 2106 3226 3213 3607 2888例:12輛汽車重量與油耗英里/加侖問題散點圖01020304020002500300035004000汽車重量(磅)英里/加侖12/8/2021323)一元回歸 判定系數(shù)和變量系數(shù)都很顯著,方程應該可以被接受。 回歸統(tǒng)計Multi
24、ple R0.9671524R Square0.9353838Adj.R Squ.0.9289222標準誤差1.6705265觀測值12方差分析dfSSMSFSign. F回歸1 403.97591 403.975913144.760052.85E-07殘差10 27.906587 2.79065874總計11431.8825Coef.標準誤差t StatP-valueIntercept56.09568 2.5821354 21.72453069.547E-10Weight-0.011644 0.0009677 -12.0316272.85E-0712/8/2021334)一元回歸殘差分析 殘
25、差呈楔形,有隨汽車重量增加而增大的異方差趨勢。英里/加侖油標準殘差-2-1.5-1-0.500.511.522.5101520253035英里/加侖預測值標準殘差12/8/2021345)因變量對數(shù)一元回歸分析 E(lnY) = 0+ 1x 系數(shù)顯著性有提高回歸統(tǒng)計Multiple R0.9735R Square0.94771Adj.R Squ. 0.94248標準誤差0.06425觀測值12方差分析dfSSMSFSign. F回歸1 0.7482155 0.748215 181.2244 9.84E-08殘差10 0.0412867 0.004129總計11 0.7895021Coef.標準
26、誤差t StatP-valueIntercept4.52423 0.099318645.5527 6.26E-13車重(磅)-0.0005 3.722E-05-13.462 9.84E-0812/8/2021356)因變量對數(shù)一元回歸分析殘差分析 標準殘差分布比較均勻,方程可以更好的被接受。對數(shù)回歸標準殘差-2-1.5-1-0.500.511.5222.533.54ln英里/加侖預測值標準殘差12/8/2021363.其他常用的非線性變換為線性的公式 0101122lnlnlnE(Y)xE(Y)xx1212lnlnlnlnlnYAx xYAxx10( )E Yx12/8/202137四.變量選
27、取方法 上面一些例子說明選取合適的解釋變量至關重要.對于一組備選的解釋變量進行挑選,逐步回歸(Stepwise)是十分有效的方法。逐步回歸建立在向前選擇和向后消元的基礎之上。 逐步回歸的基本思想是:備選的解釋變量依照對因變量的相關程度和在回歸方程中的地位,按照一定的規(guī)則逐步吸納和剔除,直到不能吸納和剔除為止。 不少統(tǒng)計軟件都具有逐步回歸功能,例如:SAS、SPSS、Minitab、StaPro等。12/8/2021381.增加或刪除變量的F檢驗 F 檢驗用來檢驗已含x1 xk 的模型再增加自變量xk+1 (或者從已含 x1 xk xk+1刪除xk+1) 。 若 F F1,n-(k+1)-1 則
28、應該增加(或不刪除)xk+1,否則不應增加(或刪除)xk+1。 k=1則有SSE()-SSE(),(1) 1MSE()FFnk簡化完全增加變量數(shù)增加變量數(shù)完全)3, 1 (12),SSE(1),SSE(-)SSE(21211nFnxxxxxF12/8/202139增加或刪除變量的 F檢驗的巴特勒例題 巴特勒例題的一元回歸和二元回歸方程分別為 (0.0041) 括號內為變量系數(shù)的p-值 (0.0004) (0.0042) F 檢驗中的分子分母分別為 F統(tǒng)計量的 p-值=0.0042, x2 應該增加(或不應刪除)??梢钥闯鯢統(tǒng)計量的 p-值就是二元中x2 系數(shù)的p-值。10678. 02739.
29、 1xy219234. 00611. 0869. 0 xxy3284. 0) 1210/(),(730. 5299. 2029. 81/),()(21211xxSSExxSSExSSE59. 5)7 , 1 (45.173284. 0730. 505. 0FF12/8/2021402.逐步回歸的基本步驟 1)給定顯著性水平。 2)選擇與被解釋變量相關系數(shù)最高的變量做一元回歸;如果該變量p-值不顯著,則回歸失敗結束;否則一元回歸方程成立,進入3)。 3)在一元回歸基礎上利用F-檢驗篩選其余變量,選擇其中顯著性水平(p-值)小于且F值最大的一個變量做二元回歸; 如果不存在這種變量,只能得出一元回歸
30、方程,回歸結束;否則二元回歸成立,進入 4)。 4)在二元回歸基礎上利用F-檢驗篩選其余變量,選擇其中顯著性水平小于且F值最大的一個變量做3元回歸;如果不存在這種變量,只能得出二元回歸方程,回歸結束;否則在引入3元基礎上進入第5)步。12/8/202141逐步回歸的基本步驟(續(xù)) 5)已有k個變量被引入基礎上利用F-檢驗對已被引入的變量做檢驗,刪除其中顯著性水平(p-值)大于且F值最小的一個變量,做k-1元回歸,然后繼續(xù)做刪除檢驗(每次刪除1個變量),直到沒有符合被刪除條件的變量為止,進入第 6)步。 6)在m個變量被引入基礎上利用F-檢驗篩選未被引入的變量,選擇其中顯著性水平小于且F值最大的
31、一個變量做m+1元歸,然后回到第 5) 步;否則如果不存在這種變量,只能得出m元回歸方程,回歸結束。 1 2 3 4 5 6 結束 12/8/2021423.逐步回歸的幾個問題 1)對于給定的顯著性水平,逐步回歸一定會結束,其結果唯一;不同的回歸結果不同。 2)前三步只引進變量,不剔除變量。 3)可以分別設定不同的 進和 出, 但是要求 進 出 ,否則可能形成死循環(huán)不能結束回歸。12/8/2021434.大型問題分析-逐步回歸的應用 教材740頁提供9個變量的Cravens數(shù)據(jù),討論8個自變量對因變量SALES的多元回歸問題。相關系數(shù)陣為 利用StaPro軟件做逐步回歸,結果在以下各片SALE
32、STIMEPOTENADVSHARECHANGE ACCTSWORKTIME0.622881POTEN0.597812 0.453978ADV0.5961770.249170.1741SHARE0.483511 0.106105-0.21067 0.264458CHANGE0.489181 0.251469 0.268287 0.3765160.08547ACCTS0.753986 0.757789 0.478643 0.200037 0.403011 0.327415WORK-0.11722-0.17941-0.25884-0.27223 0.349345-0.28766-0.19885RA
33、TING0.401878 0.101172 0.358703 0.411462-0.02356 0.549333 0.228613-0.2769112/8/202144逐步回歸的應用第一步Results of stepwise regression for SALESResults of stepwise regression for SALESStep 1 - Entering variable: ACCTSStep 1 - Entering variable: ACCTSSummary measuresSummary measuresMultiple R0.7540R-Square0.56
34、85Adj R-Square0.5497StErr of Est881.0930ANOVA TableANOVA TableSourcedfSSMSFp-valueExplained1 23524074.926923524074.926930.30180.0000Unexplained23 17855474.0000776324.9565Regression coefficientsRegression coefficientsCoefficientStd Errt-valuep-valueLower limitUpper limitConstant709.3239515.24601.3767
35、0.1819-356.54231775.1900ACCTS21.72183.94605.50470.000013.558829.884712/8/202145逐步回歸的應用第二步Step 2 - Entering variable: ADVSummary measuresChange% ChangeMulti. R 0.880398 0.126412 0.167658R-Square 0.775101 0.206606 0.363426Adj R-Sq.0.754656 0.204922 0.372766StErr 650.3916 -230.701 -0.26184ANOVA TableSo
36、urcedfSSMSFp-valueExplained232073346 16036673 37.91093 7.44E-08Unexplained 229306203 423009.2Regression coefficientsCoeffi.Std Errt-valuep-valueLower limitUpper limitConstant 50.29406 407.6095 0.1233880.90292 -795.037 895.6253ACCTS19.04827 2.972908 6.4072831.9E-06 12.88283 25.21371ADV0.226527 0.0503
37、884.495620.00018 0.122028 0.33102612/8/202146逐步回歸的應用第三步Step 3 - Entering variable: POTENSummary measuresChange% ChangeMulti. R 0.909793 0.029394 0.033388R-Square 0.827723 0.0526210.06789Adj R-Sq.0.803112 0.048456 0.064209StErr 582.6357 -67.7559 -0.10418ANOVA TableSourcedfSSMSFp-valueExplained3342507
38、98 11416933 33.63223.32E-08Unexplained 217128751 339464.3Regression coefficientsCoeffi.Std Errt-valuep-valueLower limitUpper limitConstant -327.235 394.4004-0.8297 0.416039 -1147.44 492.9654ACCTS15.55396 2.999367 5.185747 3.87E-05 9.316432 21.79148ADV0.216071 0.045327 4.766888 0.000104 0.121807 0.31
39、0335POTEN0.021922 0.008656 2.532663 0.019359 0.003921 0.03992212/8/202147逐步回歸的應用第四步Step 4 - Entering variable: SHARESummary measuresChange% ChangeMulti. R0.94892 0.039127 0.043007R-Square0.90045 0.072727 0.087864Adj R-Sq. 0.88054 0.0774280.09641StErr 453.8364 -128.799 -0.22106ANOVA TableSourcedfSSMSFp-valueExplained437260200 9315050 45.22583 9.56E-10Unexplained 204119349 205967.5Regression coefficientsCoeffiStd Errt-valuep-valueLower limitUpper limitConstant -1441.93 423.5818 -3.40414 0.002814 -2325.51 -558.356ACCTS9.
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 人人文庫網僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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
- 2025園林綠化工程承包合同
- 合伙協(xié)議書工商注冊
- 2025年03月四川省第二地質大隊考核公開招聘11人筆試歷年典型考題(歷年真題考點)解題思路附帶答案詳解
- 2025年03月四川天府新區(qū)“蓉漂人才薈”事業(yè)單位(13人)筆試歷年典型考題(歷年真題考點)解題思路附帶答案詳解
- 矯味劑項目風險評估報告
- 甘肅省武威第九中學2024-2025學年初三下學期第三次月考:英語試題含答案
- 井岡山大學《廣播電視新聞采寫(B)》2023-2024學年第二學期期末試卷
- 廣西藝術學院《阿拉伯語筆譯二》2023-2024學年第二學期期末試卷
- 貴州省遵義匯川區(qū)六校聯(lián)考2025年初三下學期初聯(lián)考化學試題含解析
- 寧波城市職業(yè)技術學院《海外漢學與中國現(xiàn)代作家研究》2023-2024學年第二學期期末試卷
- 天然氣集輸-第三章天然氣集輸系統(tǒng)課件
- 職業(yè)生涯規(guī)劃課件
- 2023年成都市國有資產投資經營公司招聘筆試題庫及答案解析
- 中國帕金森病治療指南
- 軟件設計說明書概要+詳細
- 國際市場營銷(第三版)-教學課件
- 弱電機房驗收標準
- 腳手架或模板支架立桿底地基承載力計算
- 超導材料應用舉例PPT課件
- 2020年超星爾雅重說中國近代史通識課期末考試答案
- 急性肺動脈栓塞診斷及介入治療經驗分享PPT課件
評論
0/150
提交評論