固定效應(yīng)模型的估計(jì)原理說(shuō)明教學(xué)總結(jié)

1、此文檔僅供收集于網(wǎng)絡(luò),如有侵權(quán)請(qǐng)聯(lián)系網(wǎng)站刪除固定效應(yīng)模型的估量原理說(shuō)明在面板數(shù)據(jù)線性回來(lái)模型中, 假如對(duì)于不同的截面或不同的時(shí)間序列,只是 模型的截距項(xiàng)是不同的, 而模型的斜率系數(shù)是相同的, 就稱此模型為固定效應(yīng)模 型；固定效應(yīng)模型分為三類：1.個(gè)體固定效應(yīng)模型個(gè)體固定效應(yīng)模型是對(duì)于不同的縱剖面時(shí)間序列 模型：（個(gè)體）只有截距項(xiàng)不同的y itikK2kx kitu it1 從時(shí)間和個(gè)體上看, 面板數(shù)據(jù)回來(lái)模型的說(shuō)明變量對(duì)被說(shuō)明變量的邊際影響均是相同的, 而且除模型的說(shuō)明變量之外,影響被說(shuō)明變量的其他全部 （未包括在回來(lái)模型或不行觀測(cè)的）確定性變量的效應(yīng)只是隨個(gè)體變化而不隨時(shí)間變化 時(shí)；檢驗(yàn) ：

2、采納無(wú)約束模型和有約束模型的回來(lái)殘差平方和之比構(gòu)造 F 統(tǒng)計(jì)量,以檢驗(yàn)設(shè)定個(gè)體固定效應(yīng)模型的合理性；F 模型的零假設(shè)：H 0 : 1 2 3 N 1 0 RRSS URSS F N 1 : F N 1, N T 1 K 1URSS NT N K 1RRSS是有約束模型（即混合數(shù)據(jù)回來(lái)模型）的殘差平方和,URSS 是無(wú)約束模型 ANCOVA 估量的殘差平方和或者 LSDV 估量的殘差平方和；實(shí)踐：一、數(shù)據(jù)：已知 19962022 年中國(guó)東北、華北、華東 15 個(gè)省級(jí)地區(qū)的居民家庭人均消費(fèi)（ cp,不變價(jià)格）和人均收入（ip ,不變價(jià)格）居民,利用數(shù)據(jù)（1）建立面板數(shù)據(jù)（ panel data）工

3、作文件；（2）定義序列名并輸入數(shù)據(jù)； （3）估量挑選面板模型；（4）面板單位根檢驗(yàn)；年人均消費(fèi)（consume）和人均收入（income）數(shù)據(jù)以及消費(fèi)者價(jià)格指數(shù)（表 1 19962022 年中國(guó)東北、華北、華東p）分別見(jiàn)表 1,2 和 3；15 個(gè)省級(jí)地區(qū)的居民家庭人均消費(fèi)（元）數(shù)據(jù)人均消費(fèi)1996 1997 1998 1999 2022 2022 2022 CONSUMEAH 3607.43 3693.55 3777.41 3901.81 4232.98 4517.65 4736.52 CONSUMEBJ 5729.52 6531.81 6970.83 7498.48 8493.49 892

4、2.72 10284.6 CONSUMEFJ 4248.47 4935.95 5181.45 5266.69 5638.74 6015.11 6631.68 CONSUMEHB 3424.35 4003.71 3834.43 4026.3 4348.47 4479.75 5069.28 CONSUMEHLJ 3110.92 3213.42 3303.15 3481.74 3824.44 4192.36 4462.08 CONSUMEJL 3037.32 3408.03 3449.74 3661.68 4020.87 4337.22 4973.88 CONSUMEJS 4057.5 4533.5

5、7 4889.43 5010.91 5323.18 5532.74 6042.6 CONSUMEJX 2942.11 3199.61 3266.81 3482.33 3623.56 3894.51 4549.32 CONSUMELN 3493.02 3719.91 3890.74 3989.93 4356.06 4654.42 5342.64 CONSUMENMG 2767.84 3032.3 3105.74 3468.99 3927.75 4195.62 4859.88 只供學(xué)習(xí)與溝通此文檔僅供收集于網(wǎng)絡(luò),如有侵權(quán)請(qǐng)聯(lián)系網(wǎng)站刪除CONSUMESD 3770.99 4040.63 4143.9

6、6 4515.05 5022 5252.41 5596.32 CONSUMESH 6763.12 6819.94 6866.41 8247.69 8868.19 9336.1 10464 CONSUMESX 3035.59 3228.71 3267.7 3492.98 3941.87 4123.01 4710.96 CONSUMETJ 4679.61 5204.15 5471.01 5851.53 6121.04 6987.22 7191.96 CONSUMEZJ 5764.27 6170.14 6217.93 6521.54 7020.22 7952.39 8713.08 表 2 19962

7、022 年中國(guó)東北、華北、華東15 個(gè)省級(jí)地區(qū)的居民家庭人均收入（元）數(shù)據(jù)人均收入1996 1997 1998 1999 2022 2022 2022 INCOMEAH 4512.77 4599.27 4770.47 5064.6 5293.55 5668.8 6032.4 INCOMEBJ 7332.01 7813.16 8471.98 9182.76 10349.69 11577.78 12463.92 INCOMEFJ 5172.93 6143.64 6485.63 6859.81 7432.26 8313.08 9189.36 INCOMEHB 4442.81 4958.67 5084

8、.64 5365.03 5661.16 5984.82 6679.68 INCOMEHLJ 3768.31 4090.72 4268.5 4595.14 4912.88 5425.87 6100.56 INCOMEJL 3805.53 4190.58 4206.64 4480.01 4810 5340.46 6260.16 INCOMEJS 5185.79 5765.2 6017.85 6538.2 6800.23 7375.1 8177.64 INCOMEJX 3780.2 4071.32 4251.42 4720.58 5103.58 5506.02 6335.64 INCOMELN 42

9、07.23 4518.1 4617.24 4898.61 5357.79 5797.01 6524.52 INCOMENMG 3431.81 3944.67 4353.02 4770.53 5129.05 5535.89 6051 INCOMESD 4890.28 5190.79 5380.08 5808.96 6489.97 7101.08 7614.36 INCOMESH 8178.48 8438.89 8773.1 10931.64 11718.01 12883.46 13249.8 INCOMESX 3702.69 3989.92 4098.73 4342.61 4724.11 539

10、1.05 6234.36 INCOMETJ 5967.71 6608.39 7110.54 7649.83 8140.5 8958.7 9337.56 INCOMEZJ 6955.79 7358.72 7836.76 8427.95 9279.16 10464.67 11715.6 表 3 19962022 年中國(guó)東北、華北、華東15 個(gè)省級(jí)地區(qū)的消費(fèi)者物價(jià)指數(shù)物價(jià)指數(shù)1996 1997 1998 1999 2022 2022 2022 PAH 109.9 101.3 100 97.8 100.7 100.5 99 PBJ 111.6 105.3 102.4 100.6 103.5 103.1

11、 98.2 PFJ 105.9 101.7 99.7 99.1 102.1 98.7 99.5 PHB 107.1 103.5 98.4 98.1 99.7 100.5 99 PHLJ 107.1 104.4 100.4 96.8 98.3 100.8 99.3 PJL 107.2 103.7 99.2 98 98.6 101.3 99.5 PJS 109.3 101.7 99.4 98.7 100.1 100.8 99.2 PJX 108.4 102 101 98.6 100.3 99.5 100.1 PLN 107.9 103.1 99.3 98.6 99.9 100 98.9 PNMG

12、107.6 104.5 99.3 99.8 101.3 100.6 100.2 PSD 109.6 102.8 99.4 99.3 100.2 101.8 99.3 PSH 109.2 102.8 100 101.5 102.5 100 100.5 PSX 107.9 103.1 98.6 99.6 103.9 99.8 98.4 PTJ 109 103.1 99.5 98.9 99.6 101.2 99.6 PZJ 107.9 102.8 99.7 98.8 101 99.8 99.1 只供學(xué)習(xí)與溝通此文檔僅供收集于網(wǎng)絡(luò),如有侵權(quán)請(qǐng)聯(lián)系網(wǎng)站刪除 二、 1.輸入操作：步驟：（1）File Ne

13、w Workfile 步驟：（2）Start date End date OK 步驟：（3）Object New Object 步驟：（4）Type of object Pool 只供學(xué)習(xí)與溝通此文檔僅供收集于網(wǎng)絡(luò),如有侵權(quán)請(qǐng)聯(lián)系網(wǎng)站刪除步驟：（5）輸入全部序列名稱步驟：（6）定義各變量點(diǎn)擊只供學(xué)習(xí)與溝通sheet輸入 consume？income？p. 此文檔僅供收集于網(wǎng)絡(luò),如有侵權(quán)請(qǐng)聯(lián)系網(wǎng)站刪除步驟：（7）將表 1、2、3 中的數(shù)據(jù)復(fù)制到 Eviews 中2.估量操作：步驟：（1）點(diǎn)擊 poolmodel Estimate 只供學(xué)習(xí)與溝通此文檔僅供收集于網(wǎng)絡(luò),如有侵權(quán)請(qǐng)聯(lián)系網(wǎng)站刪除對(duì)話框說(shuō)

14、明Dependent variable: 被說(shuō)明變量； Common：系數(shù)相同部分Cross-section specific: 截面系數(shù)不同部分步驟：（2）將截距項(xiàng)挑選區(qū)選Fixed effects（固定效應(yīng)）Cross-section：Fixed 只供學(xué)習(xí)與溝通此文檔僅供收集于網(wǎng)絡(luò),如有侵權(quán)請(qǐng)聯(lián)系網(wǎng)站刪除 得到如下輸出結(jié)果：接下來(lái)用 F 統(tǒng)計(jì)量檢驗(yàn)是應(yīng)當(dāng)建立混合回來(lái)模型,仍是個(gè)體固定效應(yīng)回來(lái) 模型；H ：i；模型中不同個(gè)體的截距相同（真實(shí)模型為混合回來(lái)模型）；H ：模型中不同個(gè)體的截距項(xiàng) 對(duì)模型進(jìn)行檢驗(yàn)：i不同（真實(shí)模型為個(gè)體固定效應(yīng)回來(lái)模型） ；FRRSS URSS N1（ 496527

15、5-2259743 ）= 2259743 15-190=7.69F 0.05（ 14,90 ） 18023URSSNTNK1所以推翻原假設(shè),建立個(gè)體固定效應(yīng)回來(lái)模型更合理；RRSS 求法請(qǐng)參見(jiàn) Eview 面板數(shù)據(jù)之混合回來(lái)模型只供學(xué)習(xí)與溝通此文檔僅供收集于網(wǎng)絡(luò),如有侵權(quán)請(qǐng)聯(lián)系網(wǎng)站刪除 相應(yīng)的表達(dá)式為：Consume it596.500.69Incomeit53.23D 1592.44D 2.230.16D15其中虛擬變量D1,D26.64 49.55 R20.99,SSE r2259743,.,D 的定義是：D i1, 假如屬于第個(gè)個(gè)體 ,i1,2,.,150,其他15 個(gè)省級(jí)地區(qū)的城鎮(zhèn)人均

16、指出平均占收入 北京市居民的自發(fā)性消費(fèi)明顯高于其他地區(qū)；只供學(xué)習(xí)與溝通68.62% ；從上面的結(jié)果可以看出此文檔僅供收集于網(wǎng)絡(luò),如有侵權(quán)請(qǐng)聯(lián)系網(wǎng)站刪除2.時(shí)點(diǎn)固定效應(yīng)模型 時(shí)點(diǎn)固定效應(yīng)模型就是對(duì)于不同的截面（時(shí)點(diǎn)） 有不同截距的模型； 假如確知對(duì)于不同的截面,模型的截距顯著不同,但是對(duì)于不同的時(shí)間序列（個(gè)體）截 距是相同的,那么應(yīng)當(dāng)建立時(shí)點(diǎn)固定效應(yīng)模型：y ittKkx kitu it2 （2）,將時(shí)間項(xiàng)挑選k2時(shí)點(diǎn)固定效應(yīng)模型與個(gè)體固定效應(yīng)模型的操作區(qū)分在于步驟區(qū)選 Period：Fixed（時(shí)間固定效應(yīng)）得到如下結(jié)果：只供學(xué)習(xí)與溝通此文檔僅供收集于網(wǎng)絡(luò),如有侵權(quán)請(qǐng)聯(lián)系網(wǎng)站刪除接下來(lái)用 F

17、統(tǒng)計(jì)量檢驗(yàn)是應(yīng)當(dāng)建立混合回來(lái)模型,仍是個(gè)體固定效應(yīng)回來(lái)模型；H ：i；模型中不同個(gè)體的截距相同（真實(shí)模型為混合回來(lái)模型）；H ：模型中不同個(gè)體的截距項(xiàng) 對(duì)模型進(jìn)行檢驗(yàn)：t不同（真實(shí)模型為時(shí)間固定效應(yīng)回來(lái)模型） ；FRRSS URSS T（4965275-4080749 ）1 = 4080749 7-11 98=3.54F 0.05（ 6,98 ） 219URSSNTTK所以推翻原假設(shè),可以建立時(shí)點(diǎn)固定效應(yīng)回來(lái)模型 RRSS 求法請(qǐng)參見(jiàn) Eview 面板數(shù)據(jù)之混合回來(lái)模型 相應(yīng)的表達(dá)式為：其中虛擬變量D 1,D2Consume it2.60.78IP it114D 1137.5D2.97.7D7

18、76.0 2 R0.986,SSE4080749,.,D 的定義是：D t1, 假如屬于第 t 個(gè)截面, t=1996,.,20220,其他3.時(shí)點(diǎn)個(gè)體固定效應(yīng)模型 時(shí)點(diǎn)個(gè)體固定效應(yīng)模型就是對(duì)于不同的截面（時(shí)點(diǎn)）、不同的時(shí)間序列（個(gè)體）都有不同截距模型；假如確知對(duì)于不同的截面、不同的時(shí)間序列（個(gè)體）模型的截距都顯著地不相同,那么應(yīng)當(dāng)建立時(shí)點(diǎn)個(gè)體固定效應(yīng)模型：Ky it t t k x kit u it 3k 2時(shí)點(diǎn)固定效應(yīng)模型與個(gè)體固定效應(yīng)模型的操作區(qū)分在于步驟（2）,將截距項(xiàng)挑選區(qū)域： Cross-section：fixed （個(gè)體固定效應(yīng)） ,時(shí)間項(xiàng)挑選區(qū)選 Period ： Fixed（

19、時(shí)間固定效應(yīng)）只供學(xué)習(xí)與溝通此文檔僅供收集于網(wǎng)絡(luò),如有侵權(quán)請(qǐng)聯(lián)系網(wǎng)站刪除得到結(jié)果如下：Dependent Variable: CONSUME. Method: Pooled Least Squares Date: 07/21/14 Time: 15:44 Sample: 1996 2022 Included observations: 7 Cross-sections included: 15 Total pool balanced observations: 105 Variable Coefficient Std. Error t-Statistic Prob. C 806.6751 22

20、1.2143 3.646578 0.0005 INCOME. 0.653338 0.034541 18.91504 0.0000 Fixed Effects Cross AH-C -94.50854 BJ-C 698.0132 FJ-C -18.86465 HB-C -200.3997 HLJ-C -246.3712 JL-C -54.16421 JS-C -31.26919 JX-C -392.9844 LN-C 47.39508 NMG-C -284.2660 SD-C -150.8912 SH-C 465.4906 只供學(xué)習(xí)與溝通此文檔僅供收集于網(wǎng)絡(luò),如有侵權(quán)請(qǐng)聯(lián)系網(wǎng)站刪除SX-C -1

21、52.6560 TJ-C 103.9569 ZJ-C 311.5193 Fixed Effects Period 1996-C -59.12373 1997-C 17.95469 1998-C -31.45564 1999-C -57.24042 2022-C 36.24382 2022-C -29.26415 2022-C 122.8854 Effects Specification Cross-section fixed dummy variables Period fixed dummy variables R-squared 0.993278 Mean dependent var 49

22、81.017 Adjusted R-squared 0.991577 S.D. dependent var 1700.985 S.E. of regression 156.1067 Akaike info criterion 13.12288 Sum squared resid 2022652. Schwarz criterion 13.67895 Log likelihood -666.9514 Hannan-Quinn criter. 13.34821 F-statistic 584.0406 Durbin-Watson stat 1.455623 ProbF-statistic 0.00

23、0000 接下來(lái)用 F 統(tǒng)計(jì)量檢驗(yàn)是應(yīng)當(dāng)建立混合回來(lái)模型,仍是個(gè)體固定效應(yīng)回來(lái)模型；H ：1=2=N1 和1=2=T10：對(duì)模型進(jìn)行檢驗(yàn)：FRRSS URSS （TN2）=（4965275-202265220226521 83）22-2=5.83F 0.05（20,83 ）17URSSNTTNK所以推翻原假設(shè),可以建立個(gè)體時(shí)點(diǎn)固定效應(yīng)回來(lái)模型D.個(gè)體隨機(jī)效應(yīng)回來(lái)模型估量只供學(xué)習(xí)與溝通此文檔僅供收集于網(wǎng)絡(luò),如有侵權(quán)請(qǐng)聯(lián)系網(wǎng)站刪除截距項(xiàng)挑選 Random effects（個(gè)體隨機(jī)效應(yīng)）得到如下部分輸出結(jié)果：只供學(xué)習(xí)與溝通此文檔僅供收集于網(wǎng)絡(luò),如有侵權(quán)請(qǐng)聯(lián)系網(wǎng)站刪除相應(yīng)的表達(dá)式是：CP . it13

24、45.20.72IP it2.6D 1367.0 D2. 106.1 D 152979246其中虛擬變量D68.5 2 R0.98,SSE,D2,.,D 的定義是：D i1, 假如屬于第 i 個(gè)個(gè)體 ,i=1,2,.,150,其他接下來(lái)利用 Hausman 統(tǒng)計(jì)量檢驗(yàn)應(yīng)當(dāng)建立個(gè)體隨機(jī)效應(yīng)回來(lái)模型仍是個(gè)體固定效應(yīng)回來(lái)模型；H ：個(gè)體效應(yīng)與回來(lái)變量（H ：個(gè)體效應(yīng)與回來(lái)變量（分析過(guò)程如下：只供學(xué)習(xí)與溝通IP ）無(wú)關(guān)（個(gè)體隨機(jī)效應(yīng)回來(lái)模型）IP ）相關(guān)（個(gè)體固定效應(yīng)回來(lái)模型）此文檔僅供收集于網(wǎng)絡(luò),如有侵權(quán)請(qǐng)聯(lián)系網(wǎng)站刪除得到如下檢驗(yàn)結(jié)果：由檢驗(yàn)輸出結(jié)果的上半部分可以看出,Hausman 統(tǒng)計(jì)量的值是

25、14.79,相對(duì)應(yīng)的概率是 0.0001,即拒接原假設(shè),應(yīng)當(dāng)建立個(gè)體固定效應(yīng)模型；檢驗(yàn)結(jié)果的下半部分是 Hausman 檢驗(yàn)中間結(jié)果比較； 個(gè)體固定效應(yīng)模型對(duì)參數(shù)的估量值為 0.697561,隨機(jī)效應(yīng)模型對(duì)參數(shù)的估量值為 計(jì)量的分布方差的差為 0.000049；只供學(xué)習(xí)與溝通0.724569；兩個(gè)參數(shù)的估此文檔僅供收集于網(wǎng)絡(luò),如有侵權(quán)請(qǐng)聯(lián)系網(wǎng)站刪除綜上分析, 19962022 年中國(guó)東北、華北、華東15 個(gè)省級(jí)地區(qū)的居民家庭人均消費(fèi)和人金收入問(wèn)題應(yīng)當(dāng)建立個(gè)體固定效應(yīng)回來(lái)模型；人均消費(fèi)平均占人 均收入的 70%；隨地區(qū)不同,自發(fā)消費(fèi)（截距項(xiàng)）存在顯著性差異；（4）面板單位根檢驗(yàn)以 cp 序列為例

26、；第一在工作文件窗口中打開(kāi)單位根檢驗(yàn)過(guò)程如下：只供學(xué)習(xí)與溝通cp 變量的 15 個(gè)數(shù)據(jù)組；此文檔僅供收集于網(wǎng)絡(luò),如有侵權(quán)請(qǐng)聯(lián)系網(wǎng)站刪除得到如下檢驗(yàn)結(jié)果：只供學(xué)習(xí)與溝通此文檔僅供收集于網(wǎng)絡(luò),如有侵權(quán)請(qǐng)聯(lián)系網(wǎng)站刪除從上面的檢驗(yàn)結(jié)果可以看出來(lái), 6 種檢驗(yàn)方法的結(jié)論都認(rèn)為 15 個(gè) cp 序列存在單位根；挑選 IPS 檢驗(yàn)方法進(jìn)行單位根檢驗(yàn)；檢驗(yàn)結(jié)果如下：只供學(xué)習(xí)與溝通此文檔僅供收集于網(wǎng)絡(luò),如有侵權(quán)請(qǐng)聯(lián)系網(wǎng)站刪除從上面的結(jié)果可以看出,cp 面板存在單位根,同時(shí)每個(gè)個(gè)體都存在單位根；2.收集中國(guó) 2022 2022年各地區(qū)城鎮(zhèn)居民人均可支配收入 X 和消費(fèi)指出 Y 統(tǒng)計(jì)只供學(xué)習(xí)與溝通此文檔僅供收集于網(wǎng)

27、絡(luò),如有侵權(quán)請(qǐng)聯(lián)系網(wǎng)站刪除數(shù)據(jù)如表 9.4；數(shù)據(jù)是 6 年的,每一年都有 人均可支配收入和消費(fèi)支出數(shù)據(jù)（單位：元）32 組數(shù)據(jù),共 192 組觀測(cè)值；地2022 2022 2022 2022 2022 2022 可支可支可支可支可支可支配收消費(fèi)配收消費(fèi)配收消費(fèi)配收消費(fèi)配收消費(fèi)配收消費(fèi)區(qū)入支出入支出入支出入支出入支出入支出全X Y X Y X Y X Y X Y X Y 6279.949986859.553097702.860298472.265109421.6718210493.7942國(guó)8 .00 8 .01 0 .88 0 .94 1 .10 03 .88 北10349.849311577

28、.892212463.102813882.111215637.122017652.1324京69 .49 78 .72 92 4.60 62 3.84 84 0.40 95 4.20 天8140.561218958.769879337.5719110312.786711467.880212638.9653津0 .04 0 .22 6 .96 91 .53 16 .44 55 .26 河5661.143485984.844796679.650697239.054397951.358199107.06699北6 .47 2 .75 8 .28 6 .77 1 .18 9 .67 山4724.139

29、415391.041236234.347107005.051057902.856548913.96342西1 .87 5 .01 6 .96 3 .38 6 .15 1 .63 內(nèi)蒙5129.039275535.841956051.048597012.954198122.962199136.76928古5 .75 9 .62 0 .88 0 .14 9 .26 9 .60 遼5357.743565797.046546524.553427240.560778007.565439107.57369寧9 .06 1 .42 2 .64 8 .92 6 .28 5 .27 吉4810.04020534

30、0.443376260.149737005.154927840.660688690.66794林0 .87 6 .22 6 .88 7 .10 1 .99 2 .71 黑龍4912.838245425.841926100.544626678.950157470.755678272.56178江8 .44 7 .36 6 .08 0 .19 1 .53 1 .01 上11718.886812883.933613249.104614867.110416682.126318645.1377海01 .19 46 .10 80 4.00 49 0.34 82 1.03 03 3.41 江6800.253

31、237375.155328177.660429262.4670810481.733212318.8621蘇3 .18 0 .74 4 .60 6 .58 93 .26 57 .82 浙9279.1702010464.795211715.871313179.971214546.106316293.1225江6 .22 67 .39 60 .08 53 .89 38 6.14 77 3.74 安5293.542325668.845176032.447366778.050647511.457118470.66367徽5 .98 0 .65 0 .52 3 .34 3 .33 8 .67 福7432.

32、256388313.060159189.366319999.5735611175.816112321.8794建6 .74 8 .11 6 .68 4 .26 37 .15 31 .41 江5103.536235506.038946335.645496901.449147559.653378619.66109西8 .56 2 .51 4 .32 2 .55 4 .84 6 .39 山6489.950227101.052527614.355968399.960699437.8667310744.7457東7 .00 8 .41 6 .32 1 .35 0 .75 79 .31 河4766.238

33、305267.441106245.445046926.149417704.952948667.96038南6 .71 2 .17 0 .68 2 .60 0 .19 7 .02 湖5524.546445855.948046788.556087321.959638022.763988785.96736只供學(xué)習(xí)與溝通此文檔僅供收集于網(wǎng)絡(luò),如有侵權(quán)請(qǐng)聯(lián)系網(wǎng)站刪除北4 .50 8 .79 2 .92 8 .25 5 .52 4 .56 湖6218.752186780.555466958.555747674.260828617.468849523.97504南3 .79 6 .22 6 .72 0 .6

34、2 8 .61 7 .99 廣9761.5801610415.809911137.898812380.963613627.106914769.1180東7 .91 19 .63 20 .48 43 .27 65 4.79 94 9.87 廣5834.448526665.752247315.354137785.057638689.964459286.77032西3 .31 3 .73 2 .44 4 .50 9 .73 0 .80 海5358.340825838.843676822.754597259.255027735.758028123.95928南2 .56 4 .85 2 .64 5 .

35、43 8 .40 4 .79 重6275.955696721.058737238.063608093.671189220.9797310243.8623慶8 .84 9 .69 4 .24 7 .06 6 .05 46 .29 四5894.248556360.451766610.854137041.857597709.863718385.96891川7 .78 7 .17 0 .08 7 .21 7 .14 6 .27 貴5122.242785451.942735944.045986569.249487322.054948151.16159州1 .28 1 .90 8 .28 3 .98 5

36、.45 3 .29 云6324.651856797.752527240.558277643.560238870.868379265.96996南4 .31 1 .60 6 .92 7 .56 8 .01 0 .90 西7426.355547869.159948079.169528765.480459106.083389431.18617藏2 .42 6 .39 2 .44 5 .34 7 .21 8 .11 陜5124.242765483.746376330.853786806.356667492.462338272.06656西4 .67 3 .74 4 .04 5 .54 7 .07 2 .46 甘4916.241265382.944206151.450646657.252987376.