应届毕业生报考研究生人数变动的计量分析

上传人:ca****in 文档编号:114485368 上传时间:2022-06-28 格式:DOC 页数:55 大小:167.50KB
收藏 版权申诉 举报 下载
应届毕业生报考研究生人数变动的计量分析_第1页
第1页 / 共55页
应届毕业生报考研究生人数变动的计量分析_第2页
第2页 / 共55页
应届毕业生报考研究生人数变动的计量分析_第3页
第3页 / 共55页
资源描述:

《应届毕业生报考研究生人数变动的计量分析》由会员分享,可在线阅读,更多相关《应届毕业生报考研究生人数变动的计量分析(55页珍藏版)》请在装配图网上搜索。

1、应届毕业生报考研究生人数变动的计量分析 应届毕业生报考研究生人数变动的计量分析 穆利勇——40420029——物流管理 引言部分 改革开放以来,中国的教育事业取得了长足的发展,各项教育指标都较以往有了很大提高,受教育的人数也是逐年上升,文盲比例直线下降。随着有知识、有文化的人数的不断增加,中国的经济也随之高速发展,众多毕业生们在各行各业上表现都十分出色,取得了一系列令人瞩目的成就。但是,经济的发展也要求更多高学历、高素质人才的不断涌现;再加上由于最近几年本科就业压力越来越大,据《参考消息》报道,预计今年的将会有60%的高校毕业人数面临失业的状态。所以,由于上述因素的存在,越来越

2、多的本科生选择进一步深造——读研,为的是今后在就业市场上更能凸显自身优势,同时也能为我国今后的经济建设发展注入新的活力。 二、研究目的 本文主要对中国在校研究生学生总数(应变量)进行多因素分析(具体分析见下图),并搜集相关数据,建立模型,对此进行数量分析。在得到在校研究生学生总数与各主要因素间的数量关系后,据模型方程中的各因素系数大小,分析各因素的重要性,究竟是什么因素在对在校研究生人数变动方面起着关键作用,并以此针对未来研究生人数变动走向来提出我们的建议。 影响在校研究生学生总数变动的主要影响因素如下图: 人均GDP ——这是影响在校研究生学生总数的一个重要因素(读研是一个不小的

3、成本,只有拥有了一定的经济基础才有更多的机会深造) 人口总数 ——这也是影响在校研究生学生总数的一个重要因素(可以说是影响它的基础源泉) 失业人口数 ——这是影响在校研究生学生总数的一个直接因素(正是由于失业率高,才会有更高的人选择考研,将强自身就业砝码) 普通高等学校数 ——这是影响在校研究生学生总数的一个不小的相关因素(正是有了更多的高等学校的出现,才可以允许更多的人参与考研) 注:1.由于其他因素或是不好量化,或是数据资料难于查找,故为了分析的简便,这里仅用此四个因素来进行回归分析。 2.我们觉得失业率的高低更能说明问题,但是由于失业率是个比较敏感

4、的数字,所以在数据上根本找不到,我们就只能采取失业人口数来代替失业率。 三、建立模型 Y=α+β1X1+β2X2+β3X3+β4X4 +u 其中,Y—在校研究生总数(应变量) X1——人均GDP (解释变量) X2 ——人口总数 (解释变量) X3 ——失业人口数 (解释变量) X4——普通高等学校数(解释变量) 四、数据搜集 数据说明 在这里,使用同一地区(即中国)的时间序列数据进行拟合。 数据的搜集情况 采用19><>986年到2005年的时间序列数据,具体情况见表一。 表一: 年度 Y X1 X2 X3 X

5、4 1<>986 110371 963 107507 264.4 1054 1<>987 120191 1112 109300 276.6 1063 1<>988 112776 1366 111026 296.2 1075 1<>989 101339 1519 112704 377.9 1075 1990 93018 1644 114333 383.2 1075 1991 88128 1893 115823 352.2 1075

6、 1992 94164 2311 117171 363.9 1053 1993 106771 29<>98 118517 420.1 1065 1994 127935 4044 11<>9850 476.4 1080 1995 145443 5046 121121 519.6 1054 1996 163322 5846 122389 552.8 1032 1997 176353 6420 123626 576.8 1020

7、 19<>98 1<>98885 6796 124761 571 1022 1999 233513 7159 125786 575 1071 2000 301239 7858 126743 595 1041 2001 393256 8622 127627 681 1225 2002 500<>980 93<>98 128453 770 1396 2003 651260 10542 129227 800 1552 2004

8、81<>9896 12336 129<>988 827 1731 2005 978610 14040 130756 839 1792 五、模型的参数估计、检验及修正 1.模型的参数估计及其经济意义、统计推断的检验 利用EVIEWS软件,用OLS方法估计,得:(见表二) 表二: Dependent Variable: Y Method: Least Squares Date: 06/22/07 Time: 12:23 Sample: 1<>986 2005 Included observa

9、tions: 20 Variable Coefficient Std. Error t-Statistic Prob. X4 621.3348 46.72256 13.2<>9839 0.0000 X3 -366.8774 157.9402 -2.322889 0.0347 X2 -7.158602 3.257541 -2.197548 0.0441 X1 59.22455 6.352288 9.323341 0.0000 C 270775.2 36925

10、2.8 0.733306 0.4747 R-squared 0.996048 Mean dependent var 275872.5 Adjusted R-squared 0.994994 S.D. dependent var 261975.3 S.E. of regression 18535.27 Akaike info criterion 22.70506 Sum squared resid 5.15E+09 Schwarz criterion 22.95399

11、Log likelihood -222.0506 F-statistic 945.1415 Durbin-Watson stat 1.596173 Prob(F-statistic) 0.000000 Y = 59.22454816*X1- 7.158602346*X2- 366.8774279*X3+621.3347694*X4 (6.352288) (3.257541) (157.9402) (46.72256) t= (

12、9.323341) (-2.197548) (-2.322889) (13.2<>9839) + 270775.151 (369252.8) (0.733306) R2=0.996048 Adjusted R-squared =0.994994 F=945.1415 DW=1.596173 可见,X1, X2, X3, X4的t值均是显著的,表明人均GDP、人口总数、城镇登记失业人口数、普通高等学校数都是影响在校研究生学生总数的主要因素。模型可决系数为0.996048,修正可决系数为0.99499

13、4,都比较大,说明模型的拟合程度较高,而F值为945.1415,说明模型总体是显著的。 另外,X1, X4的系数符合经济意义,但X2, X3,的系数不符合经济意义,因为从经济意义上讲,在校研究生的总人数应该都是随着人口总数(X2)增加而增加的,而且由于失业人数的增多,也会有越来越多的人选择读研,所以说失业人口总数与研究生人数应该是正相关的关系。由于X2, X3的系数符号与预期相反,这表明可能存在着严重的多重共线性。 2.计量经济学检验 (1)多重共线性检验 用EVIEWS软件,得相关系数矩阵表: x1 x2 x3 x4 x1 1 0.942

14、199 0.<>98084 0.802095 x2 0.942199 1 0.9592<>98 0.616487 x3 0.<>98084 0.9592<>98 1 0.776181 x4 0.802095 0.616487 0.776181 1 由上表可以看出,解释变量X1与X2, X3, X4之间高度正相关,X2与X1, X3之间高度正相关,可见存在严重的多重共线性。下面用逐步回归法进行修正: 用OLS法逐一求Y对各个解释变量的回归: Y对X1回归结果如下: Depen

15、dent Variable: Y Method: Least Squares Date: 06/22/07 Time: 12:54 Sample: 1<>986 2005 Included observations: 20 Variable Coefficient Std. Error t-Statistic Prob. X1 60.21977 6.311944 9.540606 0.0000 C -61096.25 42959.23 -1.422191 0.1721 R-s

16、quared 0.834897 Mean dependent var 275872.5 Adjusted R-squared 0.825725 S.D. dependent var 261975.3 S.E. of regression 109364.9 Akaike info criterion 26.13741 Sum squared resid 2.15E+11 Schwarz criterion 26.236<>98 Log likelihood -259.3741

17、 F-statistic 91.02316 Durbin-Watson stat 0.129358 Prob(F-statistic) 0.000000 Y = 60.21976901*X1 - 61096.25048 (6.311944) (42959.23) t = (9.540606) (-1.422191) Adjusted R-squared=0.825725 F=91.02316 Y对X2回归结果如下: Dependent Variable: Y Met

18、hod: Least Squares Date: 06/22/07 Time: 12:57 Sample: 1<>986 2005 Included observations: 20 Variable Coefficient Std. Error t-Statistic Prob. X2 27.05878 5.622791 4.812340 0.0001 C -2993786. 680596.9 -4.3<>98766 0.0003 R-squared 0.562668

19、 Mean dependent var 275872.5 Adjusted R-squared 0.538371 S.D. dependent var 261975.3 S.E. of regression 177994.6 Akaike info criterion 27.11153 Sum squared resid 5.70E+11 Schwarz criterion 27.21111 Log likelihood -269.1153 F-statistic 23.158

20、62 Durbin-Watson stat 0.151849 Prob(F-statistic) 0.000140 Y = 27.05878289*X2 - 2993786.354 ( 5.622791) (680596.9) t = (4.812340) (-4.3<>98766) R-squared=0.562668 F=23.15862 Y对X3回归结果如下: Dependent Variable: Y Method: Least Squares

21、 Date: 06/22/07 Time: 12:57 Sample: 1<>986 2005 Included observations: 20 Variable Coefficient Std. Error t-Statistic Prob. X3 1231.660 161.9045 7.607324 0.0000 C -371863.7 90051.37 -4.129461 0.0006 R-squared 0.762756 Mean dependent var

22、 275872.5 Adjusted R-squared 0.749576 S.D. dependent var 261975.3 S.E. of regression 1310<>98.7 Akaike info criterion 26.49993 Sum squared resid 3.09E+11 Schwarz criterion 26.59950 Log likelihood -262.9993 F-statistic 57.87138 Durbin-Watso

23、n stat 0.253065 Prob(F-statistic) 0.000000 Y = 1231.659997*X3 - 371863.6509 (161.9045) (90051.37) t = (7.607324) (-4.129461) Adjusted R-squared=0.749576 F=57.87138 Y对X4回归结果如下: Dependent Variable: Y Method: Least Squares Date: 06/2

24、2/07 Time: 12:58 Sample: 1<>986 2005 Included observations: 20 Variable Coefficient Std. Error t-Statistic Prob. X4 1053.520 65.85948 15.99648 0.0000 C -964699.8 79072.71 -12.20016 0.0000 R-squared 0.934280 Mean dependent var 275872.5

25、 Adjusted R-squared 0.930628 S.D. dependent var 261975.3 S.E. of regression 69000.33 Akaike info criterion 25.21625 Sum squared resid 8.57E+10 Schwarz criterion 25.31582 Log likelihood -250.1625 F-statistic 255.8874 Durbin-Watson stat 0.48511

26、3 Prob(F-statistic) 0.000000 Y = 1053.51<>9847*X4 - 964699.7964 (65.85948) (79072.71) t = (15.99648) (-12.20016) Adjusted R-squared=0.930628 F=255.8874 经分析可见,在四个一元回归模型中,在校研究生总数Y对普通高校 X4的线性关系强,拟合程度好,即: Y = 1053.51<>9847*X4 - 964699.7964 (65.85948

27、) (79072.71) t = (15.99648) (-12.20016) Adjusted R-squared=0.930628 F=255.887 B.逐步回归。将其余解释变量逐一带入上式中,得如下几个模型: Dependent Variable: Y Method: Least Squares Date: 06/22/07 Time: 13:53 Sample: 1<>986 2005 Included observations: 20 Variable Coeffic

28、ient Std. Error t-Statistic Prob. X4 714.1694 48.45708 14.73818 0.0000 X1 25.58238 2.930053 8.731029 0.0000 C -708247.7 45496.23 -15.56718 0.0000 R-squared 0.<>988016 Mean dependent var 275872.5 Adjusted R-squared 0.<>986606 S.D.

29、dependent var 261975.3 S.E. of regression 30318.49 Akaike info criterion 23.61438 Sum squared resid 1.56E+10 Schwarz criterion 23.76374 Log likelihood -233.1438 F-statistic 700.7<>988 Durbin-Watson stat 1.093701 Prob(F-statistic) 0.000000

30、 Y = 714.1694264*X4 + 25.58237739*X1 - 708247.7381 (48.45708) (2.930053) (45496.23) t = (14.73818) (8.731029) (-15.56718) Adjusted R-squared=0.<>986606 F=700.7<>988 Dependent Variable: Y Method: Least Squares Date: 06/22/07 Time: 14:00 Sample

31、: 1<>986 2005 Included observations: 20 Variable Coefficient Std. Error t-Statistic Prob. X4 886.3584 55.52670 15.96274 0.0000 X2 8.974091 1.837722 4.883269 0.0001 C -1852247. 189180.7 -9.790886 0.0000 R-squared 0.972648 Mean dependen

32、t var 275872.5 Adjusted R-squared 0.969430 S.D. dependent var 261975.3 S.E. of regression 45804.80 Akaike info criterion 24.43965 Sum squared resid 3.57E+10 Schwarz criterion 24.58901 Log likelihood -241.3965 F-statistic 302.2581 Durbin-W

33、atson stat 0.872463 Prob(F-statistic) 0.000000 Y = 886.3583756*X4 + 8.974091045*X2 - 1852246.686 (55.52670) (1.837722) (189180.7) t = (15.96274) (4.883269) (-9.790886) Adjusted R-squared=0.969430 F=302.2581 Dependent Variable: Y Method: Least Sq

34、uares Date: 06/22/07 Time: 14:05 Sample: 1<>986 2005 Included observations: 20 Variable Coefficient Std. Error t-Statistic Prob. X4 791.5193 69.64253 11.36546 0.0000 X3 436.7502 90.10899 4.846910 0.0002 C -885870.1 55171.66 -16.05662 0.

35、0000 R-squared 0.972409 Mean dependent var 275872.5 Adjusted R-squared 0.969163 S.D. dependent var 261975.3 S.E. of regression 46004.46 Akaike info criterion 24.44835 Sum squared resid 3.60E+10 Schwarz criterion 24.59771 Log likelihood -2

36、41.4835 F-statistic 299.5666 Durbin-Watson stat 1.019792 Prob(F-statistic) 0.000000 Y = 791.519267*X4 + 436.7502136*X3 - 885870.134 (69.64253) (90.10899) (55171.66) t = (11.36546) (4.846910) (-16.05662) Adjusted R-squared=0.969163 F=299.5666 通过

37、上述数据分析,经比较,新加入的X1人均GDP的方程Adjusted R-squared=0.<>986606 ,改进最大,且各参数的T检验显著,所以选择保留X1。 再加入其他新的变量逐步回归: Dependent Variable: Y Method: Least Squares Date: 06/22/07 Time: 14:15 Sample: 1<>986 2005 Included observations: 20 Variable Coefficient Std. Error t-Statistic Pr

38、ob. X4 570.3758 46.57535 12.24630 0.0000 X1 53.53863 6.618152 8.089665 0.0000 X2 -12.18902 2.747500 -4.436403 0.0004 C 777507.8 336370.1 2.311466 0.0345 R-squared 0.994626 Mean dependent var 275872.5 Adjusted R-squared 0.993619

39、 S.D. dependent var 261975.3 S.E. of regression 20927.12 Akaike info criterion 22.91234 Sum squared resid 7.01E+09 Schwarz criterion 23.11148 Log likelihood -225.1234 F-statistic <>987.1753 Durbin-Watson stat 1.409957 Prob(F-statistic) 0.0

40、00000 Y = 570.3757921*X4 + 53.53863254*X1 - 12.18901747*X2 + 777507.8381 (46.57535) (6.618152) (2.747500) (336370.1) t = (12.24630) (8.089665) (-4.436403) (2.311466) Adjusted R-squared=0.994626 F=<>987.1753 通过分析,我们可以发现:在加入新的变量X2后,X2的系数为- 12.18901747,说明X2与

41、Y呈负相关关系,但是在现实的经济意义上,X2表示总人口数,它与Y 研究生人数呈正相关关系,一般的经济意义为总人口越多,就读研究生的人数的绝对量会越多。所以说,X2应该被剔除。 Dependent Variable: Y Method: Least Squares Date: 06/22/07 Time: 14:23 Sample: 1<>986 2005 Included observations: 20 Variable Coefficient Std. Error t-Statistic Prob. X4

42、700.5113 33.11564 21.15349 0.0000 X1 53.63805 6.480707 8.276574 0.0000 X3 -597.6141 131.3478 -4.54<>9861 0.0003 C -534866.2 49101.16 -10.89315 0.0000 R-squared 0.994776 Mean dependent var 275872.5 Adjusted R-squared 0.993796 S.D. de

43、pendent var 261975.3 S.E. of regression 20634.40 Akaike info criterion 22.88416 Sum squared resid 6.81E+09 Schwarz criterion 23.08331 Log likelihood -224.8416 F-statistic 1015.535 Durbin-Watson stat 1.524814 Prob(F-statistic) 0.000000

44、 Y = 700.5113451*X4 + 53.63805156*X1 - 597.614061*X3 - 534866.1749 (33.11564) (6.480707) (131.3478) (49101.16) t = (12.24630) ( 8.089665) (-4.436403) (2.311466) Adjusted R-squared=0.994626 F=<>987.1753 同样的,加入新变量X3后,它的参数估计仍为负数,X3表示的是城镇失业人员数,经济意义上,城镇失业

45、人员越多,将会促使越来越多的人去考研,以实现自身素质的提高,就业能力和机会增加。所以,现实中,二者应该是正相关的,应该剔除X3。 (2)异方差检验(ARCH检验) ARCH Test: F-statistic 0.194195 Probability 0.665000 Obs*R-squared 0.214590 Probability 0.643193 Test Equation: Dependent Variable: RESID^2 Method: Leas

46、t Squares Date: 06/22/07 Time: 14:51 Sample(adjusted): 1<>987 2005 Included observations: 19 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 8.10E+08 3.05E+08 2.661342 0.0164 RESID^2(-1) -0.110505 0.250763 -0.440676 0.

47、6650 R-squared 0.011294 Mean dependent var 7.33E+08 Adjusted R-squared -0.046865 S.D. dependent var 1.06E+09 S.E. of regression 1.08E+09 Akaike info criterion 44.54382 Sum squared resid 2.00E+19 Schwarz criterion 44.64323 Log likelihood -

48、421.1663 F-statistic 0.194195 Durbin-Watson stat 1.955264 Prob(F-statistic) 0.665000 根据检验的基本原理,由于(n-p)R2=18×0.011294=0.203293,查 X2 分布表,给定α=0.05,自由度为P=1,得临界值 X20.05(1)= 3.84146,因为(n-p)R2=0.203293< X20.05(1)= 3.84146,所以接受H0,表明模型中随机误差项不存在异方差。 (3)自相关检验(DW检验) Dep

49、endent Variable: Y Method: Least Squares Date: 06/22/07 Time: 15:11 Sample: 1<>986 2005 Included observations: 20 Variable Coefficient Std. Error t-Statistic Prob. X4 714.1694 48.45708 14.73818 0.0000 X1 25.58238 2.930053 8.731029 0.0000 C

50、 -708247.7 45496.23 -15.56718 0.0000 R-squared 0.<>988016 Mean dependent var 275872.5 Adjusted R-squared 0.<>986606 S.D. dependent var 261975.3 S.E. of regression 30318.49 Akaike info criterion 23.61438 Sum squared resid 1.56E+10 Schwarz c

51、riterion 23.76374 Log likelihood -233.1438 F-statistic 700.7<>988 Durbin-Watson stat 1.093701 Prob(F-statistic) 0.000000 DW=1.093701,给定显著性水平α=0.05,查Durbin-Watson表,n=20,k’(解释变量个数)=2,得下限临界值dL=1.1, 得上限临界值dU=1.537,因为 DW=1.093701<dL=1.1,表明该模型中的随机误差项存在一阶自相关。 修正:

52、 通过科克伦-奥克特迭代法,得P的值: Dependent Variable: E Method: Least Squares Date: 06/22/07 Time: 15:30 Sample(adjusted): 1<>987 2005 Included observations: 19 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. E(-1) 0.933333 0.110491

53、 8.447115 0.0000 R-squared 0.7<>98269 Mean dependent var -5.322877 Adjusted R-squared 0.7<>98269 S.D. dependent var 145.4314 S.E. of regression 65.31<>981 Akaike info criterion 11.24766 Sum squared resid 76800.21 Schwarz criterion 11.29737

54、 Log likelihood -105.8528 Durbin-Watson stat 0.909130 利用广义差分法进行修正 Dependent Variable: Y-0.9333*Y(-1) Method: Least Squares Date: 06/23/07 Time: 11:40 Sample(adjusted): 1<>987 2005 Included observations: 19 after adjusting endpoints Variable Coefficient S

55、td. Error t-Statistic Prob. C -51055.45 9052.520 -5.639916 0.0000 X1-0.9333*X1(-1) 66.53070 9.443438 7.045178 0.0000 X4-0.9333*X4(-1) 382.1680 78.77833 4.851182 0.0002 R-squared 0.930033 Mean dependent var 61630.51 Adjusted R-squared 0.92

56、1287 S.D. dependent var 73271.99 S.E. of regression 20557.06 Akaike info criterion 22.84374 Sum squared resid 6.76E+09 Schwarz criterion 22.99286 Log likelihood -214.0155 F-statistic 106.3395 Durbin-Watson stat 1.627477 Prob(F-statistic)

57、 0.000000 Y-0.9333*Y(-1) = -51055.44688 + 66.53070046*(X1-0.9333*X1(-1)) + (9052.520)       (9.443438)       382.1680346*(X4-0.9333*X4(-1))        (78.77833) t = (-5.639916) (7.045178) (4.851182) Adjusted R-squared=0.921287 F=106.3395  DW=1.627477 经过广义差分后,样本容量减少了一个,n=19

58、.查5%显著水平的DW统计表可知dL=1.074. dU=1.536。由于2>DW=1.627477>dU=1.536,所以,现在此模型已无自相关.不必再进行迭代.同时可见,可决系数R2,T,F统计量也均达到了理想水平. 六、模型的分析及结论 进行一系列检验和修正后得最终结果: Y = -51055.44688 + 66.53070046*X1 + 382.1680346*X4 (9052.520)  (9.443438)      (78.77833) t = (-5.639916) (7.045178) (4.851182) Adjusted R-s

59、quared=0.921287 F=106.3395  DW=1.627477 从模型中可看出: 模型表明:在校研究生总数仅与高校总数和人均GDP有明显的相关关系. X1、X4是符合经济意义的检验的。因为从经济意义上讲,在校研究生总数随人均GDP的增加而增加,随高校总数的增加而增加。且高校总数是影响在校研究生总数的最重要的因素。 模型的修正可决系数及F值均很高,模型的拟合优度不错。 模型可能存在的问题: 从模型可以看出在校研究生总数X2 ——人口总数, X3 ——失业人口数没有明显的相关关系;这一点值得我怀疑,但是由于时间问题,在此没有能把这个问题搞清楚,我下来之后会找出这个问题的真正原因。 我通过了计量中所讲的步骤去做了,但是为什么结果却与实际情况有这样大的差距呢?希望老师给些建议。 参考文献: 《中国统计年鉴2004》

展开阅读全文
温馨提示:
1: 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
2: 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
3.本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 装配图网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

相关资源

更多
正为您匹配相似的精品文档
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

copyright@ 2023-2025  zhuangpeitu.com 装配图网版权所有   联系电话:18123376007

备案号:ICP2024067431-1 川公网安备51140202000466号


本站为文档C2C交易模式,即用户上传的文档直接被用户下载,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有。装配图网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私,请立即通知装配图网,我们立即给予删除!