《統(tǒng)計(jì)分析與SPSS應(yīng)用(第五版)》課后練習(xí)答案(第9章)

《統(tǒng)計(jì)分析與SPSS的應(yīng)用（第五版）》（薛薇）

課后練習(xí)答案

第9章SPSS的線性回歸分析

1、利用第2章第9題的數(shù)據(jù)，任意選擇兩門課程成績(jī)作為解釋變量和被解釋變量，利用SPSS

提供的繪制散點(diǎn)圖功能進(jìn)行一元線性回歸分析。請(qǐng)繪制全部樣本以及不同性別下兩門課程

成績(jī)的散點(diǎn)圖，并在圖上繪制三條回歸直線，其中，第一條針對(duì)全體樣本，第二和第三條

分別針對(duì)男生樣本和女生樣本，并對(duì)各回歸直線的擬和效果進(jìn)行評(píng)價(jià)。

選擇fore和phy兩門成績(jī)體系散點(diǎn)圖

步驟：圖形今舊對(duì)話框分散點(diǎn)圖9簡(jiǎn)單散點(diǎn)圖9定義今將fore導(dǎo)入Y軸，將phy導(dǎo)入X軸，將

sex導(dǎo)入設(shè)置標(biāo)記今確定。

sex

0female

Omale

80.00-

60.00-

40.00-

20.00-

40.0050.0060.0070.0080.0090.00100.00

Phy

接下來在SPSS輸出查看器中，雙擊上圖，打開圖表編輯

在圖表編輯器中，選擇“元素”菜單1選擇總計(jì)擬合線分選擇線性今應(yīng)用今再選擇元素菜單

分點(diǎn)擊子組擬合線今選擇線性）應(yīng)用。

分析：如上圖所示，通過散點(diǎn)圖，被解釋變量y（即：fore）與解釋變量phy有一定

的線性關(guān)系。但回歸直線的擬合效果都不是很好。

2、請(qǐng)說明線性回歸分析與相關(guān)分析的關(guān)系是怎樣的？

相關(guān)分析是回歸分析的基礎(chǔ)和前提，回歸分析則是相關(guān)分析的深入和繼續(xù)。相關(guān)分析需要依

靠回歸分析來表現(xiàn)變量之間數(shù)曷相關(guān)的具體形式，而回歸分析則需要依靠相關(guān)分析來表現(xiàn)變

量之間數(shù)量變化的相關(guān)程度。只有當(dāng)變量之間存在高度相關(guān)時(shí)，進(jìn)行回歸分析尋求其相關(guān)的

具體形式才有意義。如果在沒有對(duì)變量之間是否相關(guān)以及相關(guān)方向和程度做出正確判斷之

前，就進(jìn)行回歸分析，很容易造成“虛假回歸”。與此同時(shí):相關(guān)分析只研究變量之間相關(guān)

的方向和程度，不能推斷變量之間相互關(guān)系的具體形式，也無法從一個(gè)變量的變化來推測(cè)另

一個(gè)變量的變化情況，因此，在具體應(yīng)用過程中，只有把相關(guān)分析和回歸分析結(jié)合起來，才

能達(dá)到研究和分析的目的。

線性回歸分析是相關(guān)性回歸分析的一種，研究的是一個(gè)變量的增加或減少會(huì)不會(huì)引起另一個(gè)

變量的增加或減少。

3、請(qǐng)說明為什么需要對(duì)線性回歸方程進(jìn)行統(tǒng)計(jì)檢驗(yàn)？一般需要對(duì)哪些方面進(jìn)行檢驗(yàn)？

檢驗(yàn)其可信程度并找出哪些變量的影響顯著、哪些不顯著。

主要包括回歸方程的擬合優(yōu)度檢驗(yàn)、顯著性檢驗(yàn)、回歸系數(shù)的顯著性檢驗(yàn)、殘差分析等。

線性回歸方程能夠較好地反映被解釋變量和解釋變量之間的統(tǒng)計(jì)關(guān)系的前提是被解釋

變量和解釋變量之間確實(shí)存在顯著的線性關(guān)系。

回歸方程的顯著性檢驗(yàn)正是要檢驗(yàn)被解釋變量和解釋變量之間的線性關(guān)系是否顯著，用

線性模型來描述他們之間的關(guān)系是否恰當(dāng)。一般包括回歸系數(shù)的檢驗(yàn)，殘差分析等。

4、請(qǐng)說明SPSS多元線性回歸分析中提供了哪幾種解釋變量篩選策略？

向前、向后、逐步。

5、先收集到若干年糧食總產(chǎn)量以及播種面積、使用化肥量、農(nóng)業(yè)勞動(dòng)人數(shù)等數(shù)據(jù)，請(qǐng)利用

建立多元線性回歸方程，分析影響糧食總產(chǎn)量的主要因素。數(shù)據(jù)文件名為“糧食總產(chǎn)量.sav”。

方法：采用“前進(jìn)”回歸策略。

步驟：分析》回歸分線性今將糧食總產(chǎn)量導(dǎo)入因變量、其余變量導(dǎo)入自變量分方法項(xiàng)選“前

進(jìn)”分確定。如下圖：（也可向后、或逐步）

◎線性回歸

因變量Q）:

,年份［的I夕糧食總產(chǎn)量（y萬噸）Rscl］

e糧食播種面積歷公…

塊（B）1的1

夕總播種面積歷公頃）［…

,施用化肥量（kg公頃）…下一頁?）j

夕風(fēng)災(zāi)面積比例（%）［zh］

自變量Q）：

「農(nóng)業(yè)勞動(dòng)者人數(shù)（百…

夕施用化肥量（k%頃）［sm

夕風(fēng)災(zāi)面積比例（%）團(tuán)

6年份［nn

方法國(guó)）：前迸

送擇變量但）：

：規(guī)則（

個(gè)案標(biāo)簽（C）：

WLS權(quán)重（旦）:

〔確定J粘貼?］［aa（R）j［取^［幫助

已輸入/除去變量,

模型已輸入變量已除去變量方法

1向前（準(zhǔn)則：

施用化肥量（kg/

F-to-enter的

公頃）

概率<=.050）

2向前（準(zhǔn)則：

風(fēng)災(zāi)面積比例

F-to-enter的

（%）

概率<=.050）

3向前（準(zhǔn)則：

年份F-to-enter的

概率<=.050）

4向前（準(zhǔn)則：

總播種面積（萬

?F-to-enter的

公頃）

概率<=.050）

a.因變量：糧食總產(chǎn)量（y萬噸）

模型摘要

調(diào)整后的R平

模型RR印方標(biāo)準(zhǔn)估算的錯(cuò)誤

1.960*.922.9192203.30154

2.975b.950.9471785.90195

3.984*.969.9661428.73617

4.994d.989.987885.05221

a.預(yù)測(cè)變量：（常量），施用化肥量ikg/公頃）

b.預(yù)測(cè)變量：（常量），施用化肥量ikg/公頃），風(fēng)災(zāi)面積比例冊(cè)）

c.預(yù)測(cè)變量：（常量），施用化肥量（kg/公頃），風(fēng)災(zāi)面積比例（幼，年

份

<1.預(yù)測(cè)變量：（常量），施用化肥量（kg/公頃），風(fēng)災(zāi)面積比例陶），年

份，總播種面積（萬公頃）

ANOVA'

模型平方和自由度均方F顯著性

1回歸1887863315.61611887863315.616388.886.0001,

殘差160199743.070334854537.669

總計(jì)2048063058.68634

2回歸1946000793.4222973000396.711305.069.000"

殘差102062265.263323189445.789

總計(jì)2048063058.68634

3回歸1984783160.3293661594386.776324.1C6.000d

殘差63279898.356312041287.044

總計(jì)2048063058.68634

4回歸2024563536.0114506140884.003646.150.0000

殘差23499522.67530783317.423

總計(jì)2048063058.68634

a.因變量：糧食總產(chǎn)量（y萬噸）

b,預(yù)測(cè)變量：（常量），施用化肥量ikg/公頃）

C.預(yù)測(cè)變量：（常量），施用化肥量［kg/公頃），風(fēng)災(zāi)面積比例（幼

d.預(yù)測(cè)變量：（常量），施用化肥量ikg/公頃），風(fēng)災(zāi)面積比例（幼，年份

e.預(yù)測(cè)變量：（常量），施用化肥量ikg/公頃），風(fēng)災(zāi)面積比例盛），年份，總播種面積（萬公

頃）

系數(shù)1

非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)

模型B標(biāo)準(zhǔn)錯(cuò)誤貝塔t顯著性

1（常量）17930.148504.30835.554,000

施用化肥量（kg/公頃）179.2879.092,96C19.720.000

2（常量）20462.336720.31728.407.000

施用化肥量（kg/公頃）193.7018.1061.03723.897.000

風(fēng)災(zāi)面積比例（％）-327.22276.643-.185-4.269.000

3（常量）-460006.046110231.478-4.173.000

施用化肥量（kg/公頃）137.66714.399.7379.561,000

風(fēng)災(zāi)面枳比例隰）?293.43961.803-.166-4.748,000

年份244,92056.190.3234.359.000

4（常量）-512023.30768673.579-7.456.000

施用化肥量（kg/公頃）139.9448.925.74915.680.000

風(fēng)災(zāi)面積比例（幼-302.32438.305-.171-7.893.000

年份253.11534.827.3347.268.000

總播種面積（萬公頃）2.451.344.1417.126.000

a.因變量：糧食總產(chǎn)量（y萬噸）

結(jié)論：如上4個(gè)表所示，影響程度中大到小依次是：施用化肥量（kg/公頃），風(fēng)災(zāi)面積比例（％）,

年份，總播種面積（萬公頃）。（排除農(nóng)業(yè)勞動(dòng)者人數(shù)（百萬人）和糧食播種面積（萬公頃）對(duì)糧食

總產(chǎn)量的影響）

剔除農(nóng)業(yè)勞動(dòng)者人數(shù)（白萬人）和糧食播種面積（萬公頃）后：

步驟：分析今回歸今線性今將糧食總產(chǎn)量導(dǎo)入因變量、其余4個(gè)變量（施用化肥量（kg/公頃）,

風(fēng)災(zāi)面積比例（％）,年份，總播種面積（萬公頃））導(dǎo)入自變量分方法項(xiàng)選“輸入”今確定。如

下圖：

喻線性回歸

因變量（D）：________________

超年份［的I夕糧食總產(chǎn)量（y萬噸）［isci］

e糧食播種面積歷公…

塊(B)1的1

夕總播種面積歷公頃）［…

,施用化肥量（kg公頃）…下一頁國(guó)）|

夕風(fēng)災(zāi)面積比例（%）［zh］

自變量Q）：

,農(nóng)業(yè)勞動(dòng)者人數(shù)（百…

夕總播種面積歷公頃）［zbzmj］

,施用化肥量（kg/公頃）［sm

/風(fēng)災(zāi)面積比例陶［zh］

方法國(guó)）：愉入▼|

送擇變量（￡）:

規(guī)則@）…

個(gè)案標(biāo)簽（g）:

WLS權(quán)重（旦）:

[確定J粘貼?][gg(R)j[取^]颯—

系數(shù)

非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)

模型B標(biāo)準(zhǔn)錯(cuò)誤貝塔t顯著性

1（常量）-512023.30768673.579-7.456.000

年份253.11534.827.3347.268.000

總播種面積（萬公頃）2.451.344.1417.126.000

施用化肥量（kg/公慚）139.9448.925.74915.680.000

風(fēng)災(zāi)面枳比例（幼-302.32438.305-.171-7.893.000

a.因變量：糧食總產(chǎn)量（y萬噸）

糧食總產(chǎn)量回歸方程：Y=-7.893X1+15.68X2+7.126X3+7.268X4-7.456

6、一家產(chǎn)品銷售公司在30個(gè)地區(qū)設(shè)有銷售分公司。為研究產(chǎn)品銷售量（y）與該公司的銷售

價(jià)格（xl）、各地區(qū)的年人均收入（x2）、廣告費(fèi)用（x3）之間的關(guān)系，搜集到30個(gè)地區(qū)的有關(guān)

數(shù)據(jù)。進(jìn)行多元線性回歸分析所得的部分分析結(jié)果如下：

IIII

ModelSumofSquaresDfMeanSquareFSig.

Regression4008924.78.8834IE-13

1Residual

Total13458586.729

UnstandardizedCodfficients

BStd.ErrortSig.

(Constant)7589.10252445.02133.10390.00457

XI-117.886131.8974-3.69580.00103

[X2

I80.610714.76765.45860.00001

0.50120.12593.98140.00049

1）將第一張表中的所缺數(shù)值補(bǔ)齊。

2）寫出銷售量與銷售價(jià)格、年人均收入、廣告費(fèi)用的多元線性回歸方程，并解釋各回歸

系數(shù)的意義。

3）檢驗(yàn)回歸方程的線性關(guān)系是否顯著？

4）檢驗(yàn)各回歸系數(shù)是否顯著？

5）計(jì)算判定系數(shù)，并解釋它的實(shí)際意義。

6）計(jì)算回歸方程的估計(jì)標(biāo)準(zhǔn)誤差，并解釋它的實(shí)際意義。

(1)

模型平方和自由度均方F顯著性

1回歸

12026774.134008924.77288.88341E-13b

殘差I(lǐng)43I8I2.62655069.7154

總計(jì)13458586.729

（2）Y=7589.1-117.886X1+80.6X2+0.5X3

（3）回歸方程顯著性檢驗(yàn)：整體線性關(guān)系顯著

（4）回歸系數(shù)顯著性檢驗(yàn)：各個(gè)回歸系數(shù)檢驗(yàn)均顯著

（5）略

（6）略

7、對(duì)參加SAT考試的同學(xué)成績(jī)進(jìn)行隨機(jī)調(diào)查，獲得他們閱讀考試和數(shù)學(xué)考試的成績(jī)以及

性別數(shù)據(jù)。通常閱讀能力和數(shù)學(xué)能力具有一定的線性相關(guān)性，請(qǐng)?jiān)谂懦詣e差異的條件下,

分析閱讀成績(jī)對(duì)數(shù)學(xué)成績(jī)的線性影響是否顯著。

方法：采用進(jìn)入回歸策略。

步驟：分析今回歸今線性今將MathSAT導(dǎo)入因變量、其余變量導(dǎo)入自變量）確定。

總統(tǒng)性回歸

SMtg_____________

；Statistics...

6VerbalSAT[Readin...|夕MathSAT[MathSAT]

￡Gender繪圖①…j

快出）1的1

品Sex

（下一頁也yj:保存更.j

上一頁（Y

送項(xiàng)9）…

自變量Q）：

eVerbalSAT[ReadingSAT]

Gender:Bootstrap...

迭擇變量（9：

帆

個(gè)案標(biāo)簽9）：

WLS權(quán)重但）:

［確定］|［粘貼?M重量?］［取潴」［幫助］

結(jié)果如下：

已輸入/除去變量“

模型已輸入變量已除去變量方法

1Gender,Verbal

輸入

SAT

a.因變量:MathSAT

b.已輸入所有請(qǐng)求的變量。

模型摘要

調(diào)整后的R斗

模型RR平方方標(biāo)準(zhǔn)估算的錯(cuò)誤

1.710,.505.49969.495

a.預(yù)測(cè)變量：（常量）5Gender,VerbalSAT

ANOVA1

模型平方和自由度均方F顯著性

1回歸782588.4682391294.23481.021.000b

殘差767897.9511594829.547

總計(jì)1550486.420161

a.因變量：MathSAT

b.預(yù)測(cè)變量：（常量）,Gender,VerbalSAT

系數(shù)1

非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)

模型B標(biāo)準(zhǔn)錯(cuò)誤貝塔t顯著性

1（常量）184.58234.0685.418,000

VerbalSAT.686.055.69612.446.000

Gender37.21910.940,1903.402.001

a.因變量：MathSAT

因概率P值小于顯著性水平（0.05）,所以表明在控制了性別之后，閱讀成績(jī)對(duì)數(shù)學(xué)成績(jī)有

顯著的線性影響。

8、試根據(jù)“糧食總產(chǎn)量.sav”數(shù)據(jù)，利用SPSS曲線估計(jì)方法選擇恰當(dāng)模型，對(duì)樣本期外的糧

食總產(chǎn)量進(jìn)行外推預(yù)測(cè)，并對(duì)平均預(yù)測(cè)誤差進(jìn)行估計(jì)。

采用二次曲線

步驟：圖形今舊對(duì)話框分拆線圖今簡(jiǎn)單9個(gè)案值今定義今將糧食總產(chǎn)量導(dǎo)入線的表征今確定

結(jié)果如下；

值

糧

良

產(chǎn)

a量

萬

呼

再雙擊上圖今“元素”菜單今添加標(biāo)記今應(yīng)用

接下來：分析今同歸今曲線估計(jì)令糧食總產(chǎn)量導(dǎo)入因變量、年份導(dǎo)入變量，點(diǎn)擊年份今在

模型中選擇二次項(xiàng)、立方、事今點(diǎn)擊“保存”按鈕今選擇保存"預(yù)測(cè)值”今繼續(xù)今確定。

曲線擬合

附注

已創(chuàng)建輸出03-MAY-201809:28:44

注釋

輸入數(shù)據(jù)F:\SPSS\薛薇《統(tǒng)計(jì)分析與spss的應(yīng)用

(第五版)八PPT--jM第9章SPSS回

歸分析'習(xí)題'糧食總產(chǎn)量.sav

活動(dòng)數(shù)據(jù)集數(shù)據(jù)集1

過濾器＜無＞

寬度(W)＜無＞

拆分文件＜無＞

工作數(shù)據(jù)文件中的行數(shù)35

缺失值處理對(duì)缺失的定義用戶定義的缺失值被視作缺失。

已使用的個(gè)案任何變量中帶有缺失值的個(gè)案不用于分

析。

語法CURVEFIT

/VARIABLES^sclWITHnf

/CONSTANT

/MODEL=LINEARQUADRATICCUBIC

POWER

/PRIKTANOVA

/PLOTFIT

/SAVE=PRED.

資源處理器時(shí)間00:00:00,19

用時(shí)00:00:00,25

使用從第一個(gè)觀測(cè)值

到最后一個(gè)觀測(cè)值

預(yù)測(cè)從使用周期后的第一觀察

到最后一個(gè)觀測(cè)值

變量已創(chuàng)建或已修改FIT_1CURVEFIT和MOD」LINEAR中具有nf

的1SC1的擬合

FIT_2CURVEFIT和MOD」QUADRATIC中具有

nf的Iscl的擬合

FIT_3CURVEFIT和MOD_1CUBIC中具有nf

的Iscl的擬合

FIT_4CURVEFIT和MOD_1POWER中具有nf

的Iscl的擬合

時(shí)間序列設(shè)置(TSET)輸出量PRIKT=DEFAULT

保存新變量NEWVAR=CURRENT

自相關(guān)或偏自相關(guān)圖中的最大

MXAUTO=16

滯后數(shù)

每個(gè)交叉相關(guān)圖的最大延遲數(shù)MXCROSS=7

每個(gè)過程生成的最大新變量數(shù)MXNEWVAR=4

每個(gè)過程的最大新個(gè)案數(shù)MXPREDICT=1000

用戶缺失值處理MISSING=EXCLUDE

置信區(qū)間百分比值CIN=95

在回歸方程中輸入變量的容差TOLER=.0001

最大迭代參數(shù)變化CNVERGE=.001

計(jì)算標(biāo)準(zhǔn)的方法自相關(guān)的錯(cuò)誤ACFSE=IND

季節(jié)周期長(zhǎng)度未指定

值在繪圖中標(biāo)記觀測(cè)值的變量未指定

包括方程CONSTANT

警告

由于模型項(xiàng)之間存在接近共線性，該二次模型無法擬合。

由于模型項(xiàng)之間存在接近共線性，該立方模型無法擬合。

模型描述

模型名稱MOD」

因變量1糧食總產(chǎn)量(y萬噸)

方程式1線性(L)

2二次項(xiàng)(Q)

3立方(U)

4W

自變量年份

常量已包括

值在繪圖中標(biāo)記觀測(cè)值的變量未指定

對(duì)在方程式中輸入項(xiàng)的容許.0001

a.此模型需要所有非缺失值為正。

個(gè)案處理摘要

數(shù)字

個(gè)案總計(jì)35

排除的個(gè)案“0

預(yù)測(cè)的個(gè)案0

新創(chuàng)建的個(gè)案0

a.任何變量中帶有缺失值的

個(gè)案無需分析。

變量處理摘要

變量

從屬自變量

糧食總產(chǎn)量(y萬

噸)年份

正值的數(shù)目3535

零的數(shù)目00

負(fù)值的數(shù)目00

缺失值的數(shù)目用戶缺失00

系統(tǒng)缺失00

糧食總產(chǎn)量(y萬噸)

線性(L)

模型摘要

RR平方調(diào)整后的R平方標(biāo)準(zhǔn)估算的錯(cuò)誤

.935.874.8702795.862

自變量為年份。

ANOVA

平方和自由度均方F顯著性

回歸(R)1790107249.41211790107249.412229.006.000

殘差257955809.274337816842.705

總計(jì)2048063058.68634

自變量為年份。

系數(shù)

非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)

B標(biāo)準(zhǔn)錯(cuò)誤貝塔t顯著性

年份708.11846.793.93515.133.000

|（常量）|-1369647.904192136.775|-14.865|.ooo|

二次項(xiàng)(Q)

模型摘要

RR平方調(diào)整后的R平方標(biāo)準(zhǔn)估算的錯(cuò)誤

.936.875.8722782.149

自變量為年份。

ANOVA

平方和自由度均方F顯著性

回歸(R)1792631355.01411792631355.014231.596.000

殘差255431703.672337740354.657

總計(jì)2048063058.68634

自變量為年份。

系數(shù)

非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)

B標(biāo)準(zhǔn)錯(cuò)誤貝塔|顯著性

年份**2.180.012.93615.218.000

(常量)-673013.92645845.338-14.680.000

已排除的項(xiàng)

輸入貝塔t顯著性偏相關(guān)最小容差

年份,-125.061-7.851.000-.811.000

a.已達(dá)到輸入變量的容許界限。

立方(U)

模型摘要

RR平方調(diào)整后的R平方標(biāo)準(zhǔn)估算的錯(cuò)誤

.936.877.8732768.471

自變量為年份。

ANOVA

平方和自由度均方F顯著性

回歸(R)1795136897.27411795136897.274234.217.000

殘差252926161.411337664429.134

總計(jì)2048063058.68634

自變量為年份。

系數(shù)

非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)

B標(biāo)準(zhǔn)錯(cuò)誤貝塔1顯著性

年份**36.097E-5,000.93615.304.000

（常量）-440802.44130416.171-14.492.000

已排除的項(xiàng)

輸入貝塔t顯著性偏相關(guān)最小容差

年份‘-62.046-7.785.000-.809.000

年份**2-124.059-7.779.000-.809.000

a.已達(dá)到輸入變量的容許界限。

帚

模型摘要

RR平方調(diào)整后的R平方標(biāo)準(zhǔn)估算的錯(cuò)誤

.938.880.877.108

自變量為年份。

ANCVA

平方和自由度均方F顯著性

回歸（R）2.82512.825242.844,000

殘差.38433,012

總計(jì)3.20934

自變量為年份。

系數(shù)

非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)

B標(biāo)準(zhǔn)錯(cuò)誤貝塔t顯著性

In（年份）55.3913.554.93815.583.000

（常量）7.936E-179.000

因變量為In（糧食總產(chǎn)量（y萬噸））。

糧食總產(chǎn)量（y萬噸）

分析：如上表所示，糧食總產(chǎn)量總體呈現(xiàn)上升趨勢(shì)，在對(duì)回歸進(jìn)行檢驗(yàn)時(shí)，sig值為0V0.05,

故拒絕原假設(shè)，即認(rèn)為回歸方程中解釋變量與被解釋變量間顯著。

預(yù)測(cè)值：

g*MIW9產(chǎn).WVCMMI)-IBM此TORSe.■■■'■■"r

[文即)U[g<B?Y)A*①領(lǐng)⑻■愀M■□出口力時(shí)

名H段四明品HS3盜金。一

可見：11支費(fèi)的”

*18M?1曲kks所-1RT.2FIT_3RT_4為

11952001M92001239800U12S0066308182401?977428612(2293980126i8204331456782766

21?30016(830012664001MWOO8149218610153058W5O133256165313345幅30214976737W

31M4001M62001MWOO“238113861100101-101397tls140434X111W0747MO

41^56001W9400129W0015108001635201963014722095?)U73204%514742123971M60377W

51%600伊7500136乂0015917002129542003015430213451M36806CM31525971W0677221

61%7001^5050013363001572400239951205701613833109161?9223116U1646471677400758

7002000000127610015199003745162130016846374168443984716842479631725543921

81%90017000001160200U24O0037496420780175M5GW917M92345217M0304317750431?

9196000143600012243001505s8441165919760182626M031825443M5