经济计量学理论与实践引论PDF电子书下载

1.2 数量经济知识的搜索 1

1.2.1 假定 1

目录 1

第一章 绪论 1

1.1 经济计量学的性质 1

1.2.2 试验 2

1.3 非试验建模的约束 3

1.5 本书的组织 4

1.4 本书的目标 4

2.2.1 试验、样本空间和事件 5

2.2 概率 5

第一篇 统计推断基础 5

第二章 概率与分布理论 5

2.1 引言 5

2.2.2 事件的概率 6

2.2.3 条件概率与独立事件 7

2.2.4 贝叶斯规则 8

2.3.1 随机变量与随机变量的值 9

2.3 随机变量与概率分布 9

2.3.3 离散随机变量的概率分布 10

2.3.2 离散与连续随机变量 10

2.3.4 连续随机变量的概率分布 11

2.3.5 多元分布 13

2.3.6 边缘分布 14

2.3.7 条件分布与独立随机变量 15

2.3.8 随机变量函数的分布 17

2.4.1 随机变量的期望值 20

2.4 数学期望 20

2.4.2 单一随机变量函数的期望 21

2.4.4 矩 22

2.4.3 多个随机变量函数的期望 22

2.4.6 多元随机变量的期望 23

2.4.5 切贝谢夫定理 23

2.5 某些特殊分布 24

2.5.3 多项分布 25

2.5.2 二项分布 25

2.5.1 贝努里分布 25

2.5.5 正态分布 26

2.5.4 伽玛分布 26

2.5.6 二元正态分布 27

2.5.7 多元正态分布 28

2.5.8 与正态有关的分布：x2,t,F 29

2.6 小结和进一步阅读指南 30

2.5.9 多元正态随机变量二次型的分布 30

2.7 练习 31

2.8 参考文献 32

3.1 引言 33

第三章 统计推断：估计与假设检验 33

3.2 寻求点估计量的方法 34

3.2.2 极大似然法 35

3.2.1 矩法 35

3.2.3 最小平方估计法 38

3.3.1a 估计量的性能：偏倚与精度 39

3.3.1 估计量的小样本特性：单参数情形 39

3.2.4 贝叶斯估计法 39

3.3 点估计量的性质 39

3.3.1b 偏倚与精度 41

3.3.1c 有效性 42

3.3.2a 估计量的性能：偏倚与精度 44

3.3.2 估计量的小样本特性：多参数情形 44

3.3.2c 有效性 45

3.3.2b 偏倚与精度 45

3.3.3a 一致性 48

3.3.3 估计量特性：大样本结果 48

3.3.3b 依分布收敛 49

3.3.3c 渐近有效性 50

3.4 区间估计 51

3.5 假设检验 53

3.5.1 统计检验的要素 54

3.5.2 检验的功效 56

3.5.3 似然比检验 58

3.5.4 渐近检验 61

3.6 置信区间和假设检验之间的关系 64

3.8 练习 66

3.7 小结和进一步阅读指南 66

3.9 参考文献 68

4.1 引言 69

第四章 贝叶斯推断 69

4.3.1 二次损失函数的贝叶斯点估计量 70

4.2.1 来自于信息先验的后验分布 70

4.2 正态分布均值的贝叶斯推断（已知方差） 70

4.2.2 无信息先验的推断问题 74

4.2.3 区间估计 76

4.2.4b 后验优势与假设检验 77

4.2.4 假设检验 77

4.2.4a 使用HPD区间的假设检验 77

4.2.5 预测 78

4.3 点估计 79

4.3.3 决策理论在抽样理论结构中的应用 80

4.3.2 线性损失函数的贝叶斯点估计量 80

4.4.1 均值和标准差的信息先验 83

4.4 正态分布的均值和标准差的贝叶斯推断 83

4.4.2 来自信息先验的联合后验密度 85

4.4.3 均值和标准差的边缘后验密度 87

4.4.4 无信息先验情况下关于均值和标准差的推断 89

4.5 小结和进一步阅读指南 90

4.6 练习 91

4.7 参考文献 92

5.2 线性统计模型1 93

5.1 引言 93

第二篇 一般线性统计模型 93

第五章 线性统计模型 93

5.3 线性统计模型2 95

5.3.1 位置参数的估计 96

5.3.2 抽样特性 98

5.3.3 预测 99

5.3.5 对成功的度量 100

5.3.4 σ2的一个估计量 100

5.3.6 一个例子 101

5.3.7 线性形式 102

5.3.8 练习 103

5.4.1 统计模型的设定 104

5.4 一般线性统计模型——模型3 104

5.4.1b 抽样过程 105

5.4.1a 误差向量 105

5.4.1c 统计模型 106

5.4.2 一个例子 107

5.4.3 模型评论 108

5.5.1 向量β的估计 109

5.5 点估计 109

5.5.2 最小平方准则 110

5.5.3 二次型的极小化 111

5.5.4 最小平方规则 112

5.5.5 一个例子 113

5.6.1 最小平方估计量的均值 116

5.6 最小平方规则的抽样特性 116

5.6.2 协方差矩阵 117

5.7 抽样性能——高斯－马尔可夫定理 118

5.8 尺度参数σ2的估计 120

5.9.1 预测 122

5.9 预测和解释程度 122

5.8.1 b的协方差矩阵的估计 122

5.9.3 解释程度 123

5.9.2 一个例子 123

5.10.1 抽样试验 125

5.10 说明最小平方估计量抽样性能的蒙特卡罗试验 125

5.10.2 抽样结果 126

5.12 练习 127

5.11 最后几点附注 127

5.13 参考文献和进一步阅读指南 128

6.1.1 样本信息的解析表示 129

6.1 极大似然估计法 129

第六章 正态一般线性统计模型 129

6.1.3a β的极大似然估计量 130

6.1.3 极大似然估计量 130

6.1.2 准则——似然原理 130

6.1.3b σ2的极大似然估计量 131

6.1.3c ？2和？的独立性 132

6.1.3e 克拉美－拉奥下界及？与？2的抽样性能 133

6.1.3d ？和？2的充分性和抽样性能 133

6.1.5 一个抽样试验 134

6.1.4 小结 134

6.1.5a 抽样结果 135

6.2 约束极大似然估计 137

6.2.1 均值与协方差 139

6.2.3 一个例子 140

6.2.2 错误约束的后果 140

6.3.1 向量β的单一线性组合 141

6.3 区间估计 141

6.3.2 向量β的两个或更多个的线性组合 143

6.3.2b 联合区域的估计——标准正交情形 144

6.3.2a 联合置信区域的例子 144

6.3.3 σ2的区间估计 146

6.3.4 预测区间估计量 147

6.4 假设检验 148

6.4.1 似然比检验统计量 150

6.4.1a 经验检验结果 152

6.4.2 单一假设 153

6.4.3 关于σ2的假设检验 155

6.6 最小平方估计量的渐近特性 156

6.5 小结 156

6.6.1 一致性 157

6.6.2 推断 159

6.7.1 个人练习 160

6.7 练习 160

6.7.2 小组或班级练习 161

6.8 参考文献和进一步阅读指南 162

7.2 一个简单模型 163

7.1 引言 163

第七章 正态线性统计模型的贝叶斯分析 163

7.2.1 具有信息先验的贝叶斯推断 164

7.2.2 具有无信息先验的贝叶斯推断 167

7.3.1 来自信息先验的后验分布 169

7.3 扰动方差已知的一般线性模型的贝叶斯推断 169

7.3.2 来自无信息先验的后验分布 171

7.4 一个例子 172

7.5.1 作为点估计量的后验均值 175

7.5 点估计 175

7.5.2 经验贝叶斯估计 177

7.6 假设的比较和后验优势 179

7.7.1 β和σ的联合信息先验 183

7.7 扰动方差未知的一般线性模型的贝叶斯推断 183

7.7.2 β和σ的联合后验密度函数 185

7.7.3a 关于多元t分布的插叙 186

7.7.3 β的边缘后验密度函数 186

7.7.3b β的单个元素的边缘后验密度 187

7.7.3c 生产函数一例的再考虑 188

7.7.4 无信息先验的后验密度 190

7.8 小结和进一步阅读指南 191

7.9 练习 192

7.10 参考文献 194

第八章 具有非纯量单位协方差矩阵的一般线性统计模型 195

第三篇 线性统计模型的推广 195

8.1.1 β的最小平方估计量 196

8.1 统计模型与估计量 196

8.1.2 广义最小平方估计量 197

8.1.5 一个抽样试验 198

8.1.4 小结 198

8.1.3 σ2的无偏估计量 198

8.2 正态线性统计模型 200

8.3 ？和？g？的抽样分布 201

8.5 假设检验 202

8.4 区间估计量 202

8.6 使用最小平方法的后果 203

8.7 预测 204

8.9.2 数值练习 207

8.9.1 代数练习 207

8.8 小结 207

8.9 练习 207

8.10 参考文献 208

8.9.3 个人或小组练习 208

9.1 背景 209

第九章 具有未知协方差矩阵的一般线性统计模型 209

9.2 估计广义最小平方法 210

9.3.1 经济与统计背景 212

9.3 异方差性 212

9.3.2 广义最小平方估计 213

9.3.3 具有两个未知方差的模型 215

9.3.2a 一个具有已知方差的例子 215

9.3.3a 初步检验估计量 216

9.3.4 具有积性异方差性的模型 218

9.3.4a α的估计 219

9.3.4b 估计广义最小平方估计量 220

9.3.5a 积性异方差性的检验 221

9.3.5 异方差性的检验 221

9.3.5c 布罗施－帕甘（Breusch-Pagan）检验 222

9.3.5b 戈德菲尔德－匡特（Goldfeld-Quandt）检验 222

9.3.7 一个例子 223

9.3.6 小结 223

9.4.1 代数练习 226

9.4 关于异方差性的练习 226

9.4.2 个人数值练习 227

9.4.3 小组练习 228

9.5.1 背景和模型 229

9.5 自相关 229

9.5.2 估计 231

9.5.2a 广义最小平方估计 232

9.5.2c 其它估计量 234

9.5.2b 估计广义最小平方估计 234

9.5.3a 一种渐近检验 235

9.5.3 一阶自回归误差的检验 235

9.5.3b 德宾－沃森（Durbin-Watson）检验 236

9.5.3c 一个例子 239

9.5.4 预检估计量 240

9.5.3d 德宾的h统计量 240

9.5.5 自相关误差的预测含意 241

9.5.6 一个例子 243

9.6.1 一般练习 245

9.6 关于自相关的问题 245

9.5.7 小结 245

9.6.2 运用蒙特卡罗数据的个人练习 246

9.7 参考文献 247

9.6.3 使用蒙特卡罗数据的小组练习 247

9.A.2 大折刀法 249

9.A.1 靴襻法 249

9.A 附录：再抽样方法 249

9.A.4 参考文献 250

9.A.3 一个例子 250

10.2 虚变量在估计中的应用 251

10.1 引言 251

第十章 虚变量与可变参数模型 251

10.2.1 允许截距变化的情况 252

10.2.2 截距和一些斜率参数可变的情况 254

10.2.3 允许截距和所有斜率参数都变动的情况 256

10.2.4 两组或更多组虚变量的情况 257

10.2.5 开关回归模型 258

10.3 用虚变量检验位置向量的变化 259

10.2.6 小结和进一步阅读虚变量内容指南 259

10.4 系统可变参数模型 260

10.5 希尔德雷斯－霍克随机系数模型 261

10.6 小结和进一步阅读指南 262

11.2 似不相关回归方程 263

第十一章 线性统计模型组 263

10.7 练习 263

11.1 引言 263

10.8 参考文献 264

11.2.1 一般模型设定 268

11.2.2 具有已知协方差矩阵的估计 269

11.2.3 具有未知协方差矩阵的估计 270

11.2.4 一个例子与蒙特卡罗试验 271

11.2.5b 对系数的线性约束 273

11.2.5a 同期相关检验 273

11.2.5 假设检验与约束估计 273

11.2.6 再举一例 275

11.2.7a 理论结果 277

11.2.7 观测值个数不等的方程组 277

11.2.7b 一个例子 278

11.3.1 一般练习 279

11.3 似不相关回归的练习 279

11.2.8 模型的扩展 279

11.3.2 使用蒙特卡罗数据的练习 280

11.4 用虚变量合并时间序列数据和截面数据 281

11.4.1 参数估计 282

11.4.2 方差估计 283

11.4.3 一个可采用的参数化方法 284

11.4.4 虚变量系数检验 285

11.4.5 一个例子 286

11.5 用误差分量合并时间序列数据和截面数据 287

11.5.1 广义最小平方估计 288

11.5.2 方差分量的估计 290

11.5.3 随机分量的预测 291

11.5.5 例子（续） 292

11.5.4 设定的检验 292

11.6.1 虚变量与误差分量 293

11.6 合并模型的选择 293

11.7.2 个人数值练习 294

11.7.1 代数练习 294

11.6.2 合并数据的其它模型 294

11.7 虚变量和误差分量练习 294

11.8 参考文献 295

11.7.3 小组练习 295

11.A 附录：二元（多元）正态随机变量 296

12.1 引言 297

第十二章 非线性最小平方估计和非线性极大似然估计 297

12.2 非线性最小平方原理 298

12.2.1 单参数的非线性最小平方估计 299

12.2.1b 续例 302

12.2.1a 性质 302

12.2.2 多参数的非线性最小平方估计 303

12.2.3a 柯布－道格拉斯生产函数 306

12.2.3 柯布－道格拉斯（Cobb-Douglas）和CES生产函数的估计 306

12.2.3b CES生产函数 307

12.2.4a 单参数情形 308

12.2.4 牛顿－拉夫森算法 308

12.2.4b 一个例子 310

12.2.4 cK个参数的一般情形 311

12.2.5 极大似然估计 312

12.2.5b 供选择的算法和协方差矩阵估计量 313

12.2.5a 性质 313

12.3.1 一般考虑 315

12.3 具有一般协方差矩阵的线性模型的估计 315

12.3.1b 极大似然估计 316

12.3.1a 非线性最小平方估计 316

12.3.1c 贝叶斯估计 317

12.3.2a 非线性最小平方估计 318

12.3.2 一阶自回归误差 318

12.3.2b 极大似然估计 319

12.3.2c 贝叶斯估计 321

12.3.3 异方差误差模型 322

12.3.4 沃尔德、拉格朗日乘数和似然比检验 324

12.3.4a 线性约束Rβ=r的检验 326

12.3.4b 积性异方差性的检验 328

12.4 非线性似不相关回归方程 330

12.4.2 极大似然估计 331

12.4.1 两步估计 331

12.4.3 一个例子：线性支出系统 332

12.5 函数形式——Box-Cox变换 333

12.5.1 极大似然估计 334

12.5.1b 具有不同变换参数的估计 335

12.5.1a 非线性最小平方法的极大似然估计 335

12.5.2 一个例子 336

12.6 小结和进一步阅读指南 337

12.7.2 基于蒙特卡罗的练习 338

12.7.1 个人练习 338

12.7 练习 338

12.8 参考文献 339

12.7.2b 联合或班级练习 339

12.7.2a 个人数值练习 339

13.1 独立随机回归自变量模型 341

第十三章 随机回归自变量 341

13.2 部分独立的随机回归自变量 342

13.2.1 若干渐近结果 343

13.3.1 工具变量估计 344

13.3 一般随机回归自变量模型 344

13.4 计量误差 346

13.3.2 一个数值例子 346

13.4.1 变量误差的统计后果 347

13.4.2 多余参数的附加方程 348

13.4.3 一个数值例子 351

13.5 结论 352

13.6.2 个人数值练习 353

13.6.1 代数练习 353

13.6 练习 353

13.7 参考文献 354

14.1 引言 355

第十四章 联立线性统计模型导论 355

第四篇 联立线性统计模型 355

14.2 抽样模型的设定 356

14.2.1 统计模型 357

14.2.2 几个渐近设定 359

14.3 最小平方偏倚 361

14.4 简化型参数估计 363

14.5 由简化型参数导出结构参数的问题 364

14.5.1 先验信息（约束）的类型 365

14.5.2 间接最小平方法举例 366

14.6 方程组内一个方程的识别 368

14.5.3 一个经验例子 368

14.6.1 识别的秩条件 369

14.7 模型建立、识别和估计的几个例子 371

14.9.1 代数练习 374

14.9 练习 374

14.8 小结和进一步阅读指南 374

14.9.2 个人数值练习 375

14.10 参考文献 376

14.9.3 小组数值练习 376

15.1.1 间接最小平方法 377

15.1 过度识别方程的参数估计问题 377

第十五章 联立方程统计模型的估计与推断 377

15.1.2a 广义最小平方估计量 379

15.1.2 广义最小平方法 379

15.1.2b 抽样特性 380

15.1.2c 两阶段最小平方（2SLS）估计量 382

15.2.1 三阶段最小平方（3SLS）估计量 383

15.2 渐近有效估计量的寻求 383

15.2.2 抽样特性 385

15.2.3 估计量比较 386

15.2.4 有限和完全信息极大似然法 387

15.3 各种估计量的渐近特性及有限样本特性 389

15.4 一个例子 390

15.5 经济计量模型的结果用于预测和决策目的 393

15.6 小结 396

15.7.3 小组练习 397

15.7.2 个人数值练习 397

15.7 练习 397

15.7.1 代数练习 397

15.8 参考文献 398

16.1 引言 399

第十六章 时间序列分析和预测 399

第五篇 时间序列和分布滞后模型 399

16.2.2 自协方差函数和自相关函数 400

16.2.1 随机过程 400

16.2 时间序列的数学模型及其特征 400

16.2.3 平稳随机过程 401

16.2.4 滞后算子 402

16.3.2 偏自相关 403

16.3.1 自回归过程的估计 403

§16.3 自回归过程 403

16.4.1 移动平均的阶的确定 410

16.4 移动平均过程 410

16.4.2 移动平均的参数估计 412

16.5 ARIMA模型 414

16.6 博克斯－詹金斯方法 416

16.6.1 识别 417

16.6.2 估计 418

16.6.3 诊断校验 419

16.7 预测 420

16.8 ARIMA模型的局限性及其与经济计量模型的关系 424

16.9 进一步阅读指南 426

16.11 参考文献 427

16.10 练习 427

17.1 引言 429

第十七章 分布滞后 429

17.2.1 滞后长度已知时的估计 430

17.2 无约束有限分布滞后 430

17.2.2 滞后长度的确定 431

17.3.1 滞后长度和多项式次数数已知时的估计 435

17.3 有限多项式滞后 435

17.3.2 多项式次数的确定 436

17.3.3 与使用多项式滞后有关的问题 438

17.4.1b 局部调整 439

17.4.1a 自适应期望 439

17.4 无限分布滞后 439

17.4.1 两个动态经济模型 439

17.4.2a 最小平方估计 440

17.4.2 几何滞后模型的估计 440

17.4.2b 工具变量估计法 441

17.4.2c 极大似然估计 443

17.4.3 其它无限分布滞后模型 444

17.5 小结和评论 445

17.6 练习 446

17.7 参考文献 447

18.1 背景 449

第十八章 多重时间序列 449

18.2.1 定义 450

18.2 向量自回归过程 450

18.2.2 平稳性 451

18.3.1 已知阶数p的VAR过程的估计 452

18.3 VAR过程的估计与设定 452

18.3.2 VAR阶的选择 456

18.4 向量自回归过程的预测 457

18.5 格兰杰因果关系 460

18.6 新生计算和预测误差方差的分解 462

18.7 向量自回归模型的扩展 465

18.9 练习 466

18.8 小结和评论 466

18.10 参考文献 467

19.1 引言 469

第十九章 定性和受限应变量模型 469

第六篇 其它经济计量学主题 469

19.2 二元决择模型 470

19.2.1a Probit模型 471

19.2.1 重复观测值可得时Probit和Logit模型的估计 471

19.2.1c 一个解释性注释 472

19.2.1b Logit模型 472

19.2.2 重复观测值不可得时Probit和Logit模型的估计 473

19.3.1 Tobit（删截）回归模型最小平方估计量的性质 475

19.3 受限应变量模型 475

19.3.2 Tobit模型的极大似然估计 477

19.3.3 一个例子 478

19.5 练习 479

19.4 小结和进一步阅读指南 479

19.6 参考文献 480

20.1 统计决策理论 481

第二十章 先验信息、有偏估计和统计模型选择 481

20.1.2 决策规则的选择 482

20.1.1 基本概念 482

20.1.3 测度空间 484

20.2.1 精确非样本信息 485

20.2 结合样本信息和非样本信息的估计量 485

20.2.1a 平方误差损失下的性能 486

20.2.1b 一个例子 487

20.2.2a 估计量 488

20.2.2 随机非样本信息 488

20.2.2c 随机线性假设 489

20.2.2b 一个例子 489

20.2.3a 不等式约束估计量 490

20.2.3 线性不等式约束 490

20.2.3b 抽样特性 491

20.2.3d 不等式约束的贝叶斯分析 493

20.2.3c 假设检验 493

20.3 预检估计量与斯坦规则（SteinRule）估计量 496

20.2.4 小结 496

20.3.1 预检估计量 497

20.3.1a 抽样性能 498

20.3.2a 詹姆斯和斯坦规则 499

20.3.2 斯坦规则 499

20.3.2b 几点评注 500

20.4.1 错误设计矩阵的统计后果 501

20.4 模型设定 501

20.4.2 均方误差准则 503

20.4.3 几种备择变量选择规则 504

20.4.3b Cp条件均方误差预测准则 505

20.4.3a R2和？准则 505

20.4.3c 无条件均方误差准则 506

20.4.3f 一个蒙特卡罗抽样研究 507

20.4.3e 施瓦茨（Schwarz）准则（SC） 507

20.4.3d 赤池（Akaike）信息准则（AIC） 507

20.4.4 假设检验与模型识别 508

20.4.3g 评注 508

20.5.1c §20.2.2的个人练习 509

20.5.1b §20.2.1的联合或班级练习 509

20.5 练习 509

20.5.1 §20.2的练习 509

20.5.1a §20.2.1的个人练习 509

20.5.3 §20.4的练习 510

20.5.2 §20.3的练习 510

20.5.1d §20.2.2的联合或班级练习 510

20.5.1e §20.2.3的个人练习 510

20.5.1f §20.2.3的联合或班级练习 510

20.6 参考文献 511

20.5.3a 个人练习 511

第二十一章 多元共线性 513

21.1 引言 513

21.2 多元共线性的统计后果 514

21.2.1 精确或完全多元共线性 514

21.2.2 接近精确多元共线性与辅助回归 515

21.2.3 主分量模型中的接近精确多元共线性 516

21.3 多元共线性的存在性、严重性以及形式的检测 518

21.3.1 检测多元共线性的方法 520

21.3.2 一个例子——克莱因－戈德伯格消费函数 521

21.4 多元共线性问题的解决 521

21.4.1 追加样本信息 522

21.4.2 严格线性约束 522

21.4.3 岭回归 524

21.6 练习 526

21.5 小结 526

21.7 参考文献 528

22.1 非正态扰动的后果 529

22.1.1 有限方差 529

第二十二章 稳健估计 529

22.1.2 无限方差 530

22.2 回归诊断 531

22.2.1 正态误差的检验 531

22.2.2 探测有影响的观测值 532

22.2.2a 杠杆率 532

22.2.2b “学生化”残差 533

22.2.2c DFBETAS 534

22.2.2d DFFITS 534

22.3 多元t误差下的估计 535

22.4 用回归分位数时的估计 537

22.4.1 l1－估计 539

22.4.2 回归分位数的线性函数 540

22.6 小结和进一步阅读指南 544

22.7 练习 545

22.8 参考文献 546

第七篇 跋 548

附录A 有关正态分布理论的线性代数与矩阵法 549

A.1 矩阵和向量的定义 549

A.2 矩阵加法和减法 550

A.3 矩阵乘法 551

A.4 方阵的迹 552

A.5 方阵的行列式 553

A.6 矩阵的秩和线性相关 556

A.7 逆矩阵和广义逆 558

A.8 联立线性方程组的解 560

A.9 方阵的特征根和特征向量 565

A.10 正交矩阵 566

A.11 对称矩阵的对角化 567

A.12 幂等矩阵 568

A.13 二次型 569

A.14 有定矩阵 570

A.15 矩阵的克罗内克（Kronecker）积 570

A.16 矩阵的向量化 572

A.17 向量和矩阵的微分 573

A.18 正态向量和多元正态分布 574

A.19 正态向量的线性、二次和其它非线性函数 576

A.20 和算子与积算子 578

A.21 参考文献 581

附录B 统计表 582

表1 标准正态分布下的面积 582

表2 t分布的百分点 583

表3 x2分布的百分点 584

表4 F分布的百分点 585

表5 德宾－沃森检验的临界值：5％显著性水平 587

表6 德宾－沃森上界的均值和方差 589

附录C 英汉人名对照 593

附录D 英汉对照主题索引 595

22.4.3 调整最小平方法 841

22.5 一个例子 841