epoh,请再进来一下 - 经管之家

› 论坛 › 数据科学与人工智能 › 数据分析与数据科学 › R语言论坛

epoh,请再进来一下

宝笙宝姑娘

5912

26

收藏 2011-12-22

------------ Constants in mean ------------
   value which
v1  0.067826    T
v2 -0.007802    T
---------- Constants in variance ----------
v1.value  v2.value *** v1.which v2.which
v1  0.14157 0.0000000 ***       T       F
v2 -0.01421 0.0001955 ***       T       T
------------------- ARCH ------------------
Lag 1
v1.value v2.value *** v1.which v2.which
v1  0.226784 1.3471 ***       T       T
v2 -0.007733 0.3841 ***       T       T
------------------ GARCH ------------------
Lag 1
v1.value v2.value *** v1.which v2.which
v1 0.968142  -0.7816 ***       T       T
v2 0.002614 0.9011 ***       T       T
我按照你给的命令做出来的这个，不太明白 V1 V2 的含义。
我的问题是：
1  V1  V2是参数吗？
2 F  T  是什么意思？
3 MGARCH模型的WALD检验程序你能提供一个参考吗？
论文完成后，我一定把你写进致谢里面很重要的一员。还有这个论坛，基本取代了我的导师该做的工作。

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复

宝笙宝姑娘

2011-12-22 16:11:03

rtn.bekkR=mgarch(series=rtn,model=bekkR.mod)
Iteration 0  Step Size = 5.13574e-005  Likelihood = -0.672296
Iteration 0  Step Size = 0.000102715  Likelihood = -0.672296
Iteration 0  Step Size = 0.000205430  Likelihood = -0.672298
Iteration 1  Step Size = 1.84882e-005  Likelihood = -0.672296
Iteration 1  Step Size = 3.69764e-005  Likelihood = -0.672296
Iteration 1  Step Size = 7.39527e-005  Likelihood = -0.672297
Iteration 2  Step Size = 6.65571e-006  Likelihood = -0.672296
Iteration 2  Step Size = 1.33114e-005  Likelihood = -0.672296
Iteration 2  Step Size = 2.66228e-005  Likelihood = -0.672296
Iteration 3  Step Size = 2.39608e-006  Likelihood = -0.672296
Iteration 3  Step Size = 4.79216e-006  Likelihood = -0.672296
Iteration 3  Step Size = 9.58432e-006  Likelihood = -0.672296
Iteration 4  Step Size = 8.62588e-007  Likelihood = -0.672296
Iteration 4  Step Size = 1.72518e-006  Likelihood = -0.672296
Iteration 4  Step Size = 3.45035e-006  Likelihood = -0.672296

Convergence R-Square = 0.02126995
Function value convergence.
> rtn.bekkR

Call:
mgarch(series = rtn, model = bekkR.mod)

Mean Equation: structure(.Data = rtn ~ 1
, class = "formula"
)

Conditional Variance Equation: structure(.Data =  ~ bekk(1, 1)
, class = "formula"
)

Coefficients:

      C(1)  0.0678249
      C(2) -0.0078023
   A(1, 1)  0.1415712
   A(2, 1) -0.0142110
   A(2, 2)  0.0000152
ARCH(1; 1, 1)  0.2267840
ARCH(1; 2, 1) -0.0077337
ARCH(1; 1, 2)  1.3470893
ARCH(1; 2, 2)  0.3840673
GARCH(1; 1, 1)  0.9681415
GARCH(1; 2, 1)  0.0026140
GARCH(1; 1, 2) -0.7815850
GARCH(1; 2, 2)  0.9011011
>
为什么我做的有约束的模型，系数没有按照要求出现ARCH项的0，而是和无约束的一样呢？

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

宝笙宝姑娘

2011-12-22 16:19:17

我又做了一遍，V1 V2的含义我已经明白了。只是F T 还是不太明白。
还有再次做出来后ARCH(1; 2, 1) -0.00046984
和上次不一样，但依然没有按照约束成为0，这是为什么呢？

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

宝笙宝姑娘

2011-12-22 16:20:56

epoh不在，其他同学有没有会做WALD检验的呢？

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

宝笙宝姑娘

2011-12-22 16:28:50

现在我的问题只剩下两个了：
（1 ） F T 的含义
（2）WALD的检验，命令我在哪里查找？

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2011-12-22 16:40:07

宝笙宝姑娘发表于 2011-12-22 16:28
现在我的问题只剩下两个了：
（1 ） F T 的含义
（2）WALD的检验，命令我在哪里查找？

哈哈!你不用谢我
那是你的基础好
不管如何,你还是应该谢你的导师
这道理你应该清楚的.
晚点约19:00给你答覆解释

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

宝笙宝姑娘

2011-12-22 16:47:15

好的。
LR我已经可以做出来了。不过需要知道F T 的含义，因为现在还是照猫画虎。
然后你再指点我一下WALD，多谢多谢！

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2011-12-22 19:09:42

宝笙宝姑娘发表于 2011-12-22 16:47
好的。
LR我已经可以做出来了。不过需要知道F T 的含义，因为现在还是照猫画虎。
然后你再指点我一下WALD ...

T : TRUE
F : FALSE (which=FALSE,value=0)
#####unrestricted
------------ Constants in mean ------------

value which
v1    0    F  (nomean)
v2    0    F  (nomean)

---------- Constants in variance ----------

v1.value v2.value *** v1.which v2.which
v1  0.007543 0.000000 ***       T       F
                              A(1,1)  0.007543
v2 -0.003489 0.004855 ***       T       T
                           A(2,1)-0.003489 A(2,2)0.004855

------------------- ARCH ------------------

Lag 1
v1.value v2.value *** v1.which v2.which
v1  0.20224 -0.06504 ***       T       T
v2 -0.02539  0.41277 ***       T       T

------------------ GARCH ------------------

Lag 1
v1.value v2.value *** v1.which v2.which
v1 0.8166 0.2766 ***       T       T
v2 0.1202 0.7008 ***       T       T

#####restricted
  ------------ Constants in mean ------------

value which
v1    0    F
v2    0    F

---------- Constants in variance ----------

v1.value  v2.value *** v1.which v2.which
v1  0.007309 0.0000000 ***       T       F
v2 -0.005698 0.0001782 ***       T       T

------------------- ARCH ------------------

Lag 1
v1.value v2.value *** v1.which v2.which
v1 0.317 -0.07865 ***       T       T
            ARCH(1;1,1)0.3170190 ARCH(1;1,2)-0.0786474
v2 0.000  0.41277 ***       F    T
            ARCH(1;2,1)0.0000000 ARCH(1;2,2) 0.4127671
------------------ GARCH ------------------

Lag 1
v1.value v2.value *** v1.which v2.which
v1 0.6968 0.5295 ***       T       T
v2 0.1065 0.7859 ***       T       T
##########
wald test 的确是依page 828/1016去做的
不过我必须慎重的跟你的数据比较确认一下
这组数据你用e-views作的系数,有没跟s-plus一致
你用e-views做的Wald test,Wald statistic是多少?

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

宝笙宝姑娘

2011-12-22 19:34:05

MU(1) 0.094378 0.035829 2.634155 0.0084
MU(2) -0.006148 0.001375 -4.471146 0.0000
OMEGA(1) 0.245202 0.022398 10.94738 0.0000
BETA(1) 0.945612 0.004460 212.0026 0.0000
BETA(4) -0.240152 0.123286 -1.947922 0.0514
ALPHA(1) 0.307454 0.015573 19.74241 0.0000
ALPHA(4) 0.852431 0.394050 2.163257 0.0305
OMEGA(3) -2.71E-06 2.540811 -1.07E-06 1.0000
OMEGA(2) 0.004582 0.001431 3.201188 0.0014
BETA(3) 0.934950 0.004789 195.2489 0.0000
BETA(2) -0.001756 0.000124 -14.15647 0.0000
ALPHA(2) 0.004734 0.000512 9.239889 0.0000
ALPHA(3) 0.363436 0.018038 20.14823 0.0000
我用EVIEWS编程做出来是这样，我不知道三个矩阵的（）里面的1,2 ，3,4 按照什么顺序排在2*2矩阵里面。所以我按照自己的理解排了一下，然后做了WALD是这样

假设 wald统计量
不存在汇率对上证指数的单向波动溢出效应
244.8085
(0.0000)
不存在上证指数对汇率的单向波动溢出效应
4.759552
(0.0926)
不存在汇率和上证指数的双向波动溢出效应
246.4784
(0.0000)
感觉也不是很正确。

1,2,3,4应该按照什么顺序放进矩阵里面呢？

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

宝笙宝姑娘

2011-12-22 19:35:10

epoh 发表于 2011-12-22 19:09
T : TRUE
F : FALSE (which=FALSE,value=0)
#####unrestricted

MU(1)       0.094378       0.035829       2.634155       0.0084
MU(2)       -0.006148       0.001375       -4.471146       0.0000
OMEGA(1)       0.245202       0.022398       10.94738       0.0000
BETA(1)       0.945612       0.004460       212.0026       0.0000
BETA(4)       -0.240152       0.123286       -1.947922       0.0514
ALPHA(1)       0.307454       0.015573       19.74241       0.0000
ALPHA(4)       0.852431       0.394050       2.163257       0.0305
OMEGA(3)       -2.71E-06       2.540811       -1.07E-06       1.0000
OMEGA(2)       0.004582       0.001431       3.201188       0.0014
BETA(3)       0.934950       0.004789       195.2489       0.0000
BETA(2)       -0.001756       0.000124       -14.15647       0.0000
ALPHA(2)       0.004734       0.000512       9.239889       0.0000
ALPHA(3)       0.363436       0.018038       20.14823       0.0000
我用EVIEWS编程做出来是这样，我不知道三个矩阵的（）里面的1,2 ，3,4 按照什么顺序排在2*2矩阵里面。所以我按照自己的理解排了一下，然后做了WALD是这样

      假设       wald统计量
不存在汇率对上证指数的单向波动溢出效应
244.8085
(0.0000)
不存在上证指数对汇率的单向波动溢出效应
4.759552
(0.0926)
不存在汇率和上证指数的双向波动溢出效应
246.4784
(0.0000)
感觉也不是很正确。

1,2,3,4应该按照什么顺序放进矩阵里面呢？
本文来自: 人大经济论坛 S-Plus&R专版版，详细出处参考： https://bbs.pinggu.org/forum.php? ... amp;from^^uid=1241070

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2011-12-22 19:42:32

宝笙宝姑娘发表于 2011-12-22 19:35
MU(1) 0.094378 0.035829 2.634155 0.0084
MU(2) -0.006148 ...

喔,你的有含Constants in mean
所以是13 个系数
我给你数据hp.ibm.txt
麻烦你做做看供我比较

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

宝笙宝姑娘

2011-12-22 19:51:52

epoh 发表于 2011-12-22 19:42
喔,你的有含Constants in mean
所以是13 个系数
我给你数据hp.ibm.txt

是要比较过才知道（）1,2,3,4，具体放进矩阵的什么位置吗？

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2011-12-22 19:56:55

宝笙宝姑娘发表于 2011-12-22 19:51
是要比较过才知道（）1,2,3,4，具体放进矩阵的什么位置吗？

1,2,3,4应该按照什么顺序放进矩阵里面呢？
我必须看你的e-views code
如何定义才能确定

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

宝笙宝姑娘

2011-12-22 20:01:24

epoh 发表于 2011-12-22 19:56
1,2,3,4应该按照什么顺序放进矩阵里面呢？
我必须看你的e-views code
如何定义才能确定

原来系数的位置是在程序里面定义的！这是我模仿的，你帮我看看

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

宝笙宝姑娘

2011-12-22 20:13:15

Rmat=matrix(c(1,0,0,1,0,0),2,3)
rvec=c(0,0)
dhat=coef(gmm.fit.iter)
avarRbhat=Rmar%*%gmm.fit.iter$vcov%*%t(Rmat)
Rmr=Rmat%*%dhat-rvec

这几句命令里面，Rmat是代表数据吗？还是说数据在前面的命令里，例子里是直接开始做了？

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

宝笙宝姑娘

2011-12-22 20:14:31

epoh 发表于 2011-12-22 19:56
1,2,3,4应该按照什么顺序放进矩阵里面呢？
我必须看你的e-views code
如何定义才能确定

不好意思，我总是忘记引入回复，所以重复发问了，我怕你看不见提醒
Rmat=matrix(c(1,0,0,1,0,0),2,3)
rvec=c(0,0)
dhat=coef(gmm.fit.iter)
avarRbhat=Rmar%*%gmm.fit.iter$vcov%*%t(Rmat)
Rmr=Rmat%*%dhat-rvec

这几句命令里面，Rmat是代表数据吗？还是说数据在前面的命令里，例子里是直接开始做了？

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2011-12-22 20:27:10

宝笙宝姑娘发表于 2011-12-22 20:14
不好意思，我总是忘记引入回复，所以重复发问了，我怕你看不见提醒
Rmat=matrix(c(1,0,0,1,0,0),2,3)
r ...

假若你是 13 个系数
Matrix 会不一样
而且也会依你的系数限制个数不同
Rmat = rbind(c(rep(0,6),1,rep(0,6)),c(rep(0,7),1,rep(0,5)),c(rep(0,10),1,rep(0,2)),c(rep(0,11),1,0))
Rmat
rvec = rbind(0,0,0,0)
rvec

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

宝笙宝姑娘

2011-12-22 20:43:00

epoh 发表于 2011-12-22 20:27
假若你是 13 个系数
Matrix 会不一样
而且也会依你的系数限制个数不同

wald的这个例子还是不太懂，我再消化一下吧，应该是得看看GMM才行吧！

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

宝笙宝姑娘

2011-12-22 21:02:24

epoh 发表于 2011-12-22 20:27
假若你是 13 个系数
Matrix 会不一样
而且也会依你的系数限制个数不同

> Rmat=rbind(c(rep(0,6),1,rep(0,6)),c(rep(0,7),1,rep(0,5)),c(rep(0,10),1,rep(0,2)),c(rep(0,11),1,0))
>
> Rmat = rbind(c(rep(0,6),1,rep(0,6)),c(rep(0,7),1,rep(0,5)),c(rep(0,10),1,rep(0,2)),c(rep(0,11),1,0))
> rvec = rbind(0,0,0,0)
> bhat = coef(rtn.bekk)
> avarRbhat = Rmat%*%vcov(rtn.bekk)%*%t(Rmat)
> wald.stat = t(Rmat%*%bhat-rvec)%*%solve(avarRbhat)%*%(Rmat%*%bhat-rvec)
> as.numeric(wald.stat)
[1] 172.4586
> p.wald = 1 - pchisq(wald.stat,4)

再帮我看一下吧，在这个程序里，WALD的原理是只需要估计无约束的，那么这个程序做出来的到底是哪些系数为零的呢？按道理来说波动溢出是要做三个假设检验，也就是三次WALD检验的。这个例子里做的是哪个呢？

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2011-12-22 21:11:55

宝笙宝姑娘发表于 2011-12-22 21:02
> Rmat=rbind(c(rep(0,6),1,rep(0,6)),c(rep(0,7),1,rep(0,5)),c(rep(0,10),1,rep(0,2)),c(rep(0,11),1,0 ...

Bekk我曾用winrats写过
你也可以参考
https://bbs.pinggu.org/forum.php? ... ;page=1#pid10965198
Winrats 有个指令test可用
TEST Testing Specific Coefficient Values
待我比较一下哪个比较方便再说

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

宝笙宝姑娘

2011-12-22 21:47:12

epoh 发表于 2011-12-22 21:11
Bekk我曾用winrats写过
你也可以参考
https://bbs.pinggu.org/forum.php?mod=viewthread&tid=1256869&pa ...

(c(rep(0,6),1,rep(0,6)),c(rep(0,7),1,rep(0,5)),c(rep(0,10),1,rep(0,2)),c(rep(0,11),1,0))

这个程序里的rep是什么意思？我有点明白了

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2011-12-22 22:11:31

宝笙宝姑娘发表于 2011-12-22 21:47
(c(rep(0,6),1,rep(0,6)),c(rep(0,7),1,rep(0,5)),c(rep(0,10),1,rep(0,2)),c(rep(0,11),1,0))

这个程 ...

哈哈!我说过你的底子很好
hp.ibm这组数据
我在s-plus,matlab,winrats比较过
full_bekk,系数都很接近
只是次序不同,核对比较花时间
刚要试e-views却出现错误
series cov_y1y2 = @cov(rinb-mu(1), rins-mu(2))
请问rinb,rins是啥东西

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

宝笙宝姑娘

2011-12-22 22:24:22

epoh 发表于 2011-12-22 22:11
哈哈!我说过你的底子很好
hp.ibm这组数据
我在s-plus,matlab,winrats比较过

rinb rins应该是两组数据的名字。我不是很肯定！

rep是为了得到这个矩阵，但是为什么4*13的这个矩阵，要定义这4个为1，还在考虑
   [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11] [,12] [,13]
[1,] 0 0 0 0 0 0 1 0 0    0    0    0    0
[2,] 0 0 0 0 0 0 0 1 0    0    0    0    0
[3,] 0 0 0 0 0 0 0 0 0    0    1    0    0
[4,] 0 0 0 0 0 0 0 0 0    0    0    1    0
>
4*13的一个矩阵，

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

宝笙宝姑娘

2011-12-22 22:39:51

epoh 发表于 2011-12-22 22:11
哈哈!我说过你的底子很好
hp.ibm这组数据
我在s-plus,matlab,winrats比较过

Rmat = rbind(c(rep(0,6),1,rep(0,6)),c(rep(0,7),1,rep(0,5)),c(rep(0,10),1,rep(0,2)),c(rep(0,11),1,0))
不同的约束条件似乎就是在这个命令里面决定的。具体应该怎么设定这样一个矩阵里面哪个是1呢？
[,1] [,2] [,3]
[1,] 1 0 0
[2,] 0 1 0
>
书上的例子里面，δ1=δ2=0，这个假设检验，就是用了上面那个2*3矩阵来限定的吧？
我就是不太明白这里，哪个为1，哪个为0，可以满足不同的假设？

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2011-12-22 22:40:43

宝笙宝姑娘发表于 2011-12-22 22:24
rinb rins应该是两组数据的名字。我不是很肯定！

rep是为了得到这个矩阵，但是为什么4*13的这个矩阵， ...

###s-plus
module("finmetrics")
hp.ibm = seriesMerge(hp.s, ibm.s)
hp.ibm=100*hp.ibm
hp.ibm.bekk = mgarch(hp.ibm~1, ~bekk(1,1))
Coefficients:

      C(1)       0.07784
      C(2)       0.02869
   A(1, 1)       0.77672
   A(2, 1)    -0.35780
   A(2, 2)       0.46842
ARCH(1; 1, 1) 0.20543
ARCH(1; 2, 1) -0.02876
ARCH(1; 1, 2) -0.07344
ARCH(1; 2, 2) 0.41704
GARCH(1; 1, 1)  0.80790
GARCH(1; 2, 1)  0.12773
GARCH(1; 1, 2)  0.28657
GARCH(1; 2, 2)  0.69547
hp.ibm.bekk $likelihood
[1] -7468.962

######winrats
Usable Observations                   2000
Log Likelihood                   -7468.7582

Variable                      Coeff    Std Error    T-Stat    Signif
************************************************************************************
1.  Mean(1)                   0.073701779  0.050435272    1.46131  0.14392923
2.  Mean(2)                   0.031788977  0.028787684    1.10426  0.26948204
3.  C(1,1)                      0.718896194  0.140945503    5.10053  0.00000034
4.  C(2,1)                      -0.333850236  0.091419148    -3.65186  0.00026034
5.  C(2,2)                      0.489984277  0.089321811    5.48561  0.00000004
6.  A(1,1)                      0.200017152  0.039677613    5.04106  0.00000046
7.  A(1,2)                      -0.025381765  0.022778848    -1.11427  0.26516380
8.  A(2,1)                      -0.047368294  0.075102789    -0.63071  0.52822829
9.  A(2,2)                      0.414752651  0.045288498    9.15801  0.00000000
10. B(1,1)                      0.835104673  0.061876761    13.49626  0.00000000
11. B(1,2)                      0.114125144  0.041577958    2.74485  0.00605391
12. B(2,1)                      0.244698634  0.100692644    2.43015  0.01509241
13. B(2,2)                      0.708055184  0.075279022    9.40574  0.00000000
#######你提供的 e-views code 可能需要修改
               就不再列入考虑
      Coefficient       Std. Error       z-Statistic       Prob.

MU(1)       0.036854       0.050269       0.733140       0.4635
MU(2)       0.002977       0.033970       0.087635       0.9302
OMEGA(1)0.593458       0.068064       8.719083       0.0000
BETA(1)       0.908138       0.017615       51.55458       0.0000
BETA(4)       0.088965       0.023773       3.742228       0.0002
ALPHA(1)0.121647       0.016842       7.222633       0.0000
ALPHA(4)-0.417578       0.033353       -12.51991       0.0000
OMEGA(3)0.006720       1.465372       0.004586       0.9963
OMEGA(2)-0.330527       0.049419       -6.688258       0.0000
BETA(3)       0.873172       0.019343       45.14166       0.0000
BETA(2)       0.098454       0.013559       7.260958       0.0000
ALPHA(2)0.018669       0.016400       1.138353       0.2550
ALPHA(3)0.110886       0.021939       5.054207       0.0000

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2011-12-22 22:53:57

宝笙宝姑娘发表于 2011-12-22 22:39
Rmat = rbind(c(rep(0,6),1,rep(0,6)),c(rep(0,7),1,rep(0,5)),c(rep(0,10),1,rep(0,2)),c(rep(0,11),1,0 ...

有关wald test 的疑问请看
Page 6-9
http://www.math.sunysb.edu/~gaston/print/Old/review/WaldTest.pdf

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

宝笙宝姑娘

2011-12-22 23:50:35

epoh 发表于 2011-12-22 21:11
Bekk我曾用winrats写过
你也可以参考
https://bbs.pinggu.org/forum.php?mod=viewthread&tid=1256869&pa ...

epoh，我已经看懂WALD检验了，技术上的部分到今天就全部处理完了。
真的非常感谢!

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

相关推荐

栏目导航

热门文章

推荐文章

扫码加好友，拉您进群

各岗位、行业、专业交流群