计量经济学
期末实验报告
实验名称：大中城市城镇居民人均消费支出与其影响因素的分析
姓 名：
学 号：
班 级：
指导教师：
时 间：
23个城市城镇居民人均消费支出
与其影响因素的分析
一、 经济理论背景
近几年来，中国经济保持了快速发展势头，投资、出口、消费形成了拉动经济发展的“三架马车”，这已为各界所取得共识。通过建立计量模型，运用计量分析方法对影响城镇居民人均消费支出的各因素进行相关分析，找出其中关键影响因素，以为政策制定者提供一定参考，最终促使消费需求这架“马车”能成为引领中国经济健康、快速、持续发展的基石。
二、 有关人均消费支出及其影响因素的理论
我们主要从以下几个方面分析我国居民消费支出的影响因素：
①、居民未来支出预期上升，影响了居民即期消费的增长
居民的被动储蓄直接导致购买力的巨大分流, 从而减弱对消费品的即期需求，严重地影响了居民即期消费的增长，进而导致有效需求的不足，最终导致经济增长的乏力。90年代末期以来，我国的医疗、养老、失业保险、教育等一系列改革措施集中出台，原有的体制被打破，而新的体制尚未建立健全，因此目前的医疗、养老、失业保险、教育体制对居民个人支出的压力较大，而且基本上都是硬性支出，支出的不确定性也很大，导致居民目前对未来支出预期的上升。
②、商品供求结构性矛盾依然突出
从消费结构上看，我国消费品市场已发生了新的根本性变化：居民低层次消费已近饱和，而更高水平的消费又未达到。改革开放20多年来，城乡居民经过了一个中档耐用消费品的普及阶段后，目前老百姓的收入消费还不足以形成一个新的、以高档产品为内容的主导性消费热点，如轿车、住房等还远不能纳入大多数人的消费主流，居民现有的购买力不能形成推动主导消费品升级的动力。
③、物价总水平持续在低水平运行，通货紧缩的压力较大，不利于消费的增长
加入WTO之后，随着关税的降低和进口规模的扩大，国外产品对我国市场的冲击将进一步加大，国际价格紧缩对国内价格变化将产生负面影响。物价的持续下降，不利于居民的消费增长。因为从居民的消费心理上看，买涨不买降是居民购物的习惯心理。由于居民对物价有进一步下降的预期，因此往往推迟消费，不利于居民消费的增长。另外，从统计上分析，由于物价的下降，名义消费增长往往低于实际消费的增长，这在一定程度上也不利于消费增长幅度的提高。
④、我国现阶段没有形成大的消费热点，难以带动消费的快速增长
经过近几年的培育和发展，我国目前已经形成了住房消费、居民汽车消费、通信及电子产品的消费、节假日消费及旅游消费等一些消费亮点，可以促进消费的稳定增长，但始终未能形成大的消费热点，因此不能带动消费的高速增长。
三、 相关数据收集
相关数据均来源于2006年《中国统计年鉴》：
23个大中城市城镇居民家庭基本情况
地区 平均每户就业人口（人） 平均每一就业者负担人数（人） 平均每人实际月收入（元） 人均可支配收入（元） 人均消费支出（元）
北京 1.6 1.8 1865.1 1633.2 1187.9
天津 1.4 2.0 2010.6 1889.8 939.8
石家庄 1.4 2.0 1061.3 1010.0 722.9
太原 1.3 2.2 1256.9 1159.9 789.5
呼和浩特 1.5 1.9 1354.2 1279.8 772.7
沈阳 1.3 2.1 1148.5 1048.7 812.1
大连 1.6 1.8 1269.8 1133.1 946.5
长春 1.8 1.7 1156.1 1016.1 690.2
哈尔滨 1.4 2.0 992.8 942.5 727.4
上海 1.6 1.9 1884.0 1686.1 1505.3
南京 1.4 2.0 1536.4 1394.0 920.6
杭州 1.5 1.9 1695.0 1464.9 1264.2
宁波 1.5 1.8 1759.4 1543.2 1271.4
合肥 1.6 1.8 1042.5 950.1 686.9
福州 1.7 1.9 1172.5 1059.4 942.8
厦门 1.5 1.9 1631.7 1394.3 998.7
南昌 1.4 1.8 1405.0 1321.1 665.4
济南 1.7 1.7 1491.3 1356.8 1071.4
青岛 1.6 1.8 1495.6 1378.5 1020.7
郑州 1.4 2.1 1012.2 954.2 750.3
武汉 1.5 2.0 1052.5 972.2 853.1
长沙 1.4 2.1 1256.9 1148.9 986.8
广州 1.7 1.8 1898.6 1591.1 1215.1
四、 模型的建立
根据数据，我们建立多元线性回归方程的一般模型为：
其中：
——人均消费支出
——常数项
——回归方程的参数
——平均每户就业人口数
——平均每一就业者负担人口数
——平均每人实际月收入
——人均可支配收入
——随即误差项
五、实验过程
（一）回归模型参数估计
根据数据建立多元线性回归方程：
首先利用Eviews软件对模型进行OLS估计，得样本回归方程。
利用Eviews输出结果如下：
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:08
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C -1682.180 1311.506 -1.282633 0.2159
X1 564.3490 395.2332 1.427889 0.1704
X2 569.1209 379.7866 1.498528 0.1513
X3 1.552510 0.629371 2.466766 0.0239
X4 -1.180652 0.742107 -1.590947 0.1290
R-squared 0.721234 Mean dependent var 945.2913
Adjusted R-squared 0.659286 S.D. dependent var 224.1711
S.E. of regression 130.8502 Akaike info criterion 12.77564
Sum squared resid 308191.9 Schwarz criterion 13.02249
Log likelihood -141.9199 F-statistic 11.64259
Durbin-Watson stat 2.047936 Prob(F-statistic) 0.000076
根据多元线性回归关于Eviews输出结果可以得到参数的估计值为： , , ， ，
从而初步得到的回归方程为：
Se= (1311.506) (395.2332) (379.7866) (0.629371) (0.742107)
T= (-1.282633) (1.427889) (1.498528) (2.466766) (-1.590947)
F=11.64259 df=18
模型检验：由于在 的水平下，解释变量 、 、 的检验的P值都大于0.05，所以变量不显著，说明模型中可能存在多重共线性等问题，进而对模型进行修正。
（二）处理多重共线性
我们采用逐步回归法对模型的多重共线性进行检验和处理：
X1：
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:28
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 153.8238 518.6688 0.296574 0.7697
X1 523.0964 341.4840 1.531833 0.1405
R-squared 0.100508 Mean dependent var 945.2913
Adjusted R-squared 0.057675 S.D. dependent var 224.1711
S.E. of regression 217.6105 Akaike info criterion 13.68623
Sum squared resid 994441.2 Schwarz criterion 13.78497
Log likelihood -155.3917 F-statistic 2.346511
Durbin-Watson stat 1.770750 Prob(F-statistic) 0.140491
X2：
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:29
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 1756.641 667.2658 2.632596 0.0156
X2 -424.1146 347.9597 -1.218861 0.2364
R-squared 0.066070 Mean dependent var 945.2913
Adjusted R-squared 0.021597 S.D. dependent var 224.1711
S.E. of regression 221.7371 Akaike info criterion 13.72380
Sum squared resid 1032515. Schwarz criterion 13.82254
Log likelihood -155.8237 F-statistic 1.485623
Durbin-Watson stat 1.887292 Prob(F-statistic) 0.236412
X3：
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:29
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 182.8827 137.8342 1.326831 0.1988
X3 0.540400 0.095343 5.667960 0.0000
R-squared 0.604712 Mean dependent var 945.2913
Adjusted R-squared 0.585888 S.D. dependent var 224.1711
S.E. of regression 144.2575 Akaike info criterion 12.86402
Sum squared resid 437014.5 Schwarz criterion 12.96276
Log likelihood -145.9362 F-statistic 32.12577
Durbin-Watson stat 2.064743 Prob(F-statistic) 0.000013
X4：
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:30
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 184.7094 161.8178 1.141465 0.2665
X4 0.596476 0.124231 4.801338 0.0001
R-squared 0.523300 Mean dependent var 945.2913
Adjusted R-squared 0.500600 S.D. dependent var 224.1711
S.E. of regression 158.4178 Akaike info criterion 13.05129
Sum squared resid 527020.1 Schwarz criterion 13.15003
Log likelihood -148.0898 F-statistic 23.05284
Durbin-Watson stat 2.037087 Prob(F-statistic) 0.000096
由得出的数据可以看出， 的调整的判定系数最大，因此首先把 引入调整的方程中，然后在分别引入变量 、 、 进行OLS得：
X1、X3
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:32
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C -222.8991 345.9081 -0.644388 0.5266
X1 289.8101 227.2070 1.275533 0.2167
X3 0.517213 0.095693 5.404899 0.0000
R-squared 0.634449 Mean dependent var 945.2913
Adjusted R-squared 0.597894 S.D. dependent var 224.1711
S.E. of regression 142.1510 Akaike info criterion 12.87276
Sum squared resid 404138.2 Schwarz criterion 13.02087
Log likelihood -145.0368 F-statistic 17.35596
Durbin-Watson stat 2.032110 Prob(F-statistic) 0.000043
X2、X3
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:33
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 239.5536 531.1435 0.451015 0.6568
X2 -27.00981 244.0392 -0.110678 0.9130
X3 0.536856 0.102783 5.223221 0.0000
R-squared 0.604954 Mean dependent var 945.2913
Adjusted R-squared 0.565449 S.D. dependent var 224.1711
S.E. of regression 147.7747 Akaike info criterion 12.95036
Sum squared resid 436747.0 Schwarz criterion 13.09847
Log likelihood -145.9292 F-statistic 15.31348
Durbin-Watson stat 2.063247 Prob(F-statistic) 0.000093
X3、X4
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:34
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 331.7015 142.5882 2.326290 0.0306
X3 1.766892 0.553402 3.192782 0.0046
X4 -1.473721 0.656624 -2.244390 0.0363
R-squared 0.684240 Mean dependent var 945.2913
Adjusted R-squared 0.652664 S.D. dependent var 224.1711
S.E. of regression 132.1157 Akaike info criterion 12.72634
Sum squared resid 349091.0 Schwarz criterion 12.87445
Log likelihood -143.3529 F-statistic 21.66965
Durbin-Watson stat 2.111635 Prob(F-statistic) 0.000010
由数据结果可以看出，引入X4时方程的调整判定系数最大，且解释变量均通过了显著性检验，再分别引入X1、X2进行分析。
X1、X3、X4
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:37
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 193.6693 403.8464 0.479562 0.6370
X1 89.29944 243.6512 0.366505 0.7180
X3 1.652622 0.646003 2.558228 0.0192
X4 -1.345001 0.757634 -1.775265 0.0919
R-squared 0.686457 Mean dependent var 945.2913
Adjusted R-squared 0.636950 S.D. dependent var 224.1711
S.E. of regression 135.0712 Akaike info criterion 12.80625
Sum squared resid 346640.3 Schwarz criterion 13.00373
Log likelihood -143.2719 F-statistic 13.86591
Durbin-Watson stat 2.082104 Prob(F-statistic) 0.000050
X2、X3、X4
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:38
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 62.60939 489.2088 0.127981 0.8995
X2 134.1557 232.9303 0.575948 0.5714
X3 1.886588 0.600027 3.144175 0.0053
X4 -1.596394 0.701018 -2.277251 0.0345
R-squared 0.689658 Mean dependent var 945.2913
Adjusted R-squared 0.640657 S.D. dependent var 224.1711
S.E. of regression 134.3798 Akaike info criterion 12.79599
Sum squared resid 343100.8 Schwarz criterion 12.99347
Log likelihood -143.1539 F-statistic 14.07429
Durbin-Watson stat 2.143110 Prob(F-statistic) 0.000046
由输出结果可以看出，在 的水平下，解释变量 、 的检验的P值都大于0.05，解释变量不能通过显著性检验，因此可以得出结论模型中只能引入X3、X4两个变量。则调整后的多元线性回归方程为：
Se= (142.5882) (0.553402) (0.656624)
T= (2.326290) (3.192782) (-2.244390)
F=21.66965 df=20
（三）.异方差性的检验
对模型 进行怀特检验：
White Heteroskedasticity Test:
F-statistic 1.071659 Probability 0.399378
Obs*R-squared 4.423847 Probability 0.351673
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 12/11/07 Time: 16:53
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 34247.50 128527.9 0.266460 0.7929
X3 247.9623 628.1924 0.394723 0.6977
X3^2 -0.071268 0.187278 -0.380548 0.7080
X4 -333.6779 714.3390 -0.467114 0.6460
X4^2 0.121138 0.229933 0.526841 0.6047
R-squared 0.192341 Mean dependent var 15177.87
Adjusted R-squared 0.012861 S.D. dependent var 23242.54
S.E. of regression 23092.59 Akaike info criterion 23.12207
Sum squared resid 9.60E+09 Schwarz criterion 23.36892
Log likelihood -260.9038 F-statistic 1.071659
Durbin-Watson stat 1.968939 Prob(F-statistic) 0.399378
由检验结果可知， ，由White检验知，在 时，查 分布表，得临界值 (20)=30.1435，因为 < (5)= 30.1435,所以模型中不存在异方差。
（四）.自相关的检验
由模型的输出结果可知，估计结果都比较满意，无论是回归方程检验，还是参数显著性检验的检验概率，都显著小于0.05，D-W值为2.111635，显著性水平 =0.05下查Durbin-Watson表，其中n=23，解释变量的个数为2，得到下限临界值 ，上限临界值 ， =1.543<D-W=2.111635<4 ，由DW检验决策规则可知，该模型不存在自相关问题。
六、对模型进行分析和解释经济学意义
回归方程的意义为：当平均每人实际月收入不变时，人均可支配收入每增加一个单位，人均消费支出减少1.473721个单位；当人均可支配收入不变时，平均每人实际月收入每增加一个单位，人均消费支出增加1.766892个单位。
七、 就模型所反映的问题给出针对性的政策建议或结论
对于我国人均消费支出的分析中，可以看出我国在过去的几年里经济发展稳健，但是由于种种原因导致我国经济的现状存在一定的问题，如不完善的社会保障制度导致消费结构不合理；过高的居民储蓄存款影响居民消费倾向；消费品生产行业投资方向失误和低效率引起国内市场消费梗阻；保守的消费观念和消费政策的制约；教育支出比重过大影响居民消费倾向 。对此我们国家应该在以下几个方面对居民消费中存在的问题进行对策研究
（一）建立和完善社会保障制度，增强居民消费信心
（二）培育新的消费热点，拓展居民的消费领域
（三）促使商品消费从自我积累型向信用支持型转变
（四）分层次促进居民消费
（五）破解影响消费结构优化的政策制约
（六）化解有效供给不足与产品相对过剩的矛盾
在DW中，控制文本行距的常用方法有如下几种：
法一：直接按回车键，缺点是形成的行距太宽（行与行相距太远）；
法二：按住SHIFT键时同时按回车键，缺点是生成的行距又太窄（行与行靠得太紧）；
法三：可以在body中添加style属性，
eg:<body style="line-height:**%> **代表你是设置的百分比，可以自己调整，这个功能可以对整个文档中的行距进行统一调整。
eg:<p style="line-height:**pix> **以像素来量度，这个功能只对当前的文本行有用。
格式：第一部分：封面 封面 ：封面是一篇论文的门面，所以要简洁明了。
封面应该写明毕业论文，字体为“宋体二号”。名称下面依次是论文题目、作者、学院、专业、学号、班级、指导老师，字体为"宋体小二号"，格式居中对齐，有下划线，字体均为黑色（下同）。
题目：题目应简洁、明确、有概括性，字数不宜超过20个字（不同院校可能要求不同）。本专科毕业论文一般无需单独的题目页，硕博士毕业论文一般需要单独的题目页，展示院校、指导教师、答辩时间等信息。
英文部分一般需要使用Times New Roman字体。第二部分：版权声明 版权声明：一般而言，硕士与博士研究生毕业论文内均需在正文前附版权声明，独立成页。
个别本科毕业论文也有此项。字体为宋体四号字。
第三部分；摘要和关键词 摘要：要有高度的概括力，语言精练、明确，中文摘要约100—200字（不同院校可能要求不同）。字体为宋体三号，需要加粗。
摘要正文为宋体小四号。关键词：从论文标题或正文中挑选3~5个（不同院校可能要求不同）最能表达主要内容的词作为关键词。
关键词之间需要用分号或逗号分开。关键词为宋体小四号加粗字体 需要顶格写，关键词正文为宋体小四号不加粗字体。
第四部分；目录 目录：写出目录，标明页码。正文各一级二级标题（根据实际情况，也可以标注更低级标题）、参考文献、附录、致谢等。
目录两字用宋体三号加粗字体，需要居中。目录中的一级二级标题处用宋体小四号字体不需要加粗，一般用电脑生成.第五部分；主体部分 正文：专科毕业论文正文字数一般应在5000字以上，本科文学学士毕业论文通常要求8000字以上，硕士论文可能要求在3万字以上（不同院校可能要求不同）。
毕业论文正文：包括前言、本论、结论三个部分。①前言（引言）是论文的开头部分，主要说明论文写作的目的、现实意义、对所研究问题的认识，并提出论文的中心论点等。
前言要写得简明扼要，篇幅不要太长。②本论是毕业论文的主体，包括研究内容与方法、实验材料、实验结果与分析（讨论）等。
在本部分要运用各方面的研究方法和实验结果，分析问题，论证观点，尽量反映出自己的科研能力和学术水平。③结论是毕业论文的收尾部分，是围绕本论所作的结束语。
其基本的要点就是总结全文，加深题意。（一）各级标题与正文 一级标题用宋体三号字，空两格，加粗 二级标题用宋体四号字，空两个字符，加粗 三、四级标题用宋体小四号，空两个字符，加粗 正文用宋体小四号，行间距采用1.5倍行距 （二）正文中的图表 正文中图、表均需编排序号，图、表题目以及说明用宋体五号字体 第六部分；注释 注释：在论文写作过程中，有些问题需要在正文之外加以阐述和说明。
注释标题用宋体四号，居中 注释序号用①、②、③等。宋体五号 注释是图书时，格式；作者、书名、出版社、出版日期、版次、页码。
注释是刊期时，格式；作者、文章题目、期刊名称、期刊号、页码。第七部分；致谢 致谢：简述自己通过做毕业论文的体会，并应对指导教师和协助完成论文的有关人员表示谢意。
致谢标题用宋体三号加粗字体，需居中。内容用四号字体，不加粗 第八部分；参考文献 参考文献：在毕业论文末尾要列出在论文中参考过的所有专著、论文及其他资料，所列参考文献可以按文中参考或引证的先后顺序排列，也可以按照音序排列（正文中则采用相应的哈佛式参考文献标注而不出现序号）。
参考文献内容用（宋体、五号；英文用Times New Roman字体）1、专著、论文集、报告、学位论文：【序号】作者（前3名），文献名，出版社所在地：出版社、出版年、起始页—终止页.2、期刊论文：【序号】作者（前3名），论文名，刊名，出版年，卷（期）：起始页—终止页3、电子文献 【序号】作者（前3名），电子文献名，电子文献出处或可获得地址，发表或更新日期。第九部分：附录 附录：对于一些不宜放在正文中，但有参考价值的内容，可编入附录中。
有时也常将个人简介附于文后。格式同正文 扩展资料 发表论文的过程 投稿-审稿-用稿通知-办理相关费用-出刊-邮递样刊 一般作者先了解期刊，选定期刊后，找到投稿方式，部分期刊要求书面形式投稿。
大部分是采用电子稿件形式。2、发表论文审核时间 一般普通刊物（省级、国家级）审核时间为一周，高质量的杂志，审核时间为14-20天。
核心期刊审核时间一般为4个月，须经过初审、复审、终审三道程序。3、期刊的级别问题 国家没有对期刊进行级别划分。
但各单位一般根据期刊的主管单位的级别来对期刊划为省级期刊和国家级期刊。省级期刊主管单位是省级单位。
国家级期刊主管单位是国家部门或直属部门。发表论文作用 论文 是指进行各个学术领域在经过研究后描述学术研究成果的文章。
它既是对研究的学术问题进行探讨的一种手段，又是对学术研究成果进行交流的一种工具。不同的人发表论文的作用也不同：1、评职称（晋升职称）：研究生 毕业需要；教师 、医护人员 、科研院所的人员、企业员工 等 晋升高一级的职称时，发表期刊论文是作为一项必须的参考指标。
2、申报基金、课题 ：教育、科技、卫生系统。
征文启事一般是为了某项活动而进行的一次性征求稿件的通知。
征文启事的写作，关键是要做到内容清楚。内容一般有如下几项： 1.征文的宗旨，即本次征文的意图。
2.征文的对象，即哪些人可以参加本次征文活动。 3.征文的要求，包括是否限定题目、题材，对体裁及字数的要求（最好在300~500）等等。
4.征文的时间，即征文从什么时间开始，到什么时间结束。 5.稿件的处理，如怎样评定奖次，设哪些奖级，是否公开发表等。
6.其他事项，如对稿件投送地址、接收人的交待，是否交评审费用等等。 征文启事的格式与“通知”的格式大体相仿，前面有标题，可用“征文启事”四个字，也可起个名称以示区别，写成“**杯赛征文启事”，还在“**杯”后加上征文范围或对象，写成“**杯全国（或省、市）**（职业，如中学生、教师之类）作文大赛征文启事”等；结尾处有落款，即征文活动的发起单位或组织；还有启事发出时间。
征文启事一般是为了某项活动而进行的一次性征求稿件的通知。征文启事的写作，关键是要做到内容清楚。内容一般有如下几项：
1.征文的宗旨，即本次征文的意图。
2.征文的对象，即哪些人可以参加本次征文活动。
3.征文的要求，包括是否限定题目、题材，对体裁及字数的要求（最好在300~500）等等。
4.征文的时间，即征文从什么时间开始，到什么时间结束。
5.稿件的处理，如怎样评定奖次，设哪些奖级，是否公开发表等。
6.其他事项，如对稿件投送地址、接收人的交待，是否交评审费用等等。
征文启事的格式与“通知”的格式大体相仿，前面有标题，可用“征文启事”四个字，也可起个名称以示区别，写成“**杯赛征文启事”，还在“**杯”后加上征文范围或对象，写成“**杯全国（或省、市）**（职业，如中学生、教师之类）作文大赛征文启事”等；结尾处有落款，即征文活动的发起单位或组织；还有启事发出时间。
作文投稿格式也许能对你有所帮助，祝您在写作的舞台上大显身手！
a
题目居中——名字——文章——联系地址——附页说明
b.
一、投稿格式要求：
如今，电脑普及，一般作文投稿都采用打印稿。打印的作文要按以下格式：
作文题目：小二号，黑体，居中排列
作者学校、姓名：小四号，仿宋体，居中排列
正文内容：小四号，宋体
题目、姓名、正文之间都要有0.5行的间距
全文用A4纸打印，行距为20-23之间，
上左右的页面设置：均为2.5，下为2
一般来说，每篇作文以一张A4纸为宜，内容超千字的可打印成两页.
二、寄稿投稿地址选登：
《全国优秀作文选》：南京市湖南路47号1001室【210009】 《小主人报》：上海市安西路427号【200050】 《未来科学家》：南京市草场门大街105号【210036】 《少年文艺（写作版）》：南京市湖南路47号15楼【210009】 《儿童时代》：上海市五原路300号【200031】 《小学生》：山西省太原市青年路新南西条43号【030001】 《小学生作文》：天津市和平区张自忠路189号625室【300020】 《家教周报·新春笋》：江苏省南京市建邺路66号【210004】 《小作家选刊·小学生版》：吉林长春市人民大街179—1号【130021】 《江海晚报》：南通市西寺路10号【226001】 《作文大王》：广西桂林市普陀路广西师范大学杂志社【 541004】 《百家作文指导》：黑龙江省大庆市让胡路区中央大街西佳路【163712】 《语文报小学版》：山西省太原市双塔寺街124号【 030012】 《儿童大世界》：河北省石家庄市工农路359号【050051】 《小学生创新作文》：广西南宁市建政路37号【530023】 《小学生优秀习作》：福建省福州梦山路27号【350001】 《小学生学习指导》：辽宁省沈阳市和平区十一纬路25号【110003】 《关心下一代周报》：江苏省南京市梅园新村大悲巷12号【210018】
三、网上投稿地址：
《作文大王》 《家教周报》 jjxcs979@sina 《读写天地》 duxietiandi@sina 《简妙作文》 jmzw6@126 《优秀作文》 YXZWxiao@tom 《新语文学习》 xywxx_xx@163 《金陵晚报作文版》liyaya.zw@163 《百家作文指导》（中高）bjzw999@163 《南京晨报作文版》cbzuowen@126 《时代学习报》投稿邮箱：lyzhoukan@163 《七彩读写》投稿邮箱： 《全国优秀作文选》（低年级）投稿地址：yuhaomiao1982@163 《全国优秀作文选》（中高年级） 投稿地址：
我同学的，帮你一把。望采纳。
【摘 要】本文介绍了网页设计的发展趋势和教学方法，为网页设计课程教学提供借鉴。
【关键词】网页设计 发展趋势 教学方法
美国市场调研机构ComScore NetWorks提供的报告显示，2007年1月，全球15岁及以上使用互联网的人数达到了7.47亿，同比增长10%。ComScore发现，美国互联网用户达到了1.53亿，依然是全球网民最多的国家，但增长率仅为2%，中国网民数量仅次于美国，为8670万，但增长率却高达20%。通过以上数据，我们不难发现中国的网络市场存在着巨大的潜力，那么如何把握住这个机遇，培养出合格的人才，就成了我们这些高校专业教师需要考虑的问题，我认为作为一名有竞争力的网页设计师，不但要做到有美术修养，还要做到懂编程，这样一来我们的网页设计师就可以既能胜任前台的设计工作又能胜任后台的编程工作了。
一、提高网页设计的工作效率
提高网页设计的工作效率，当然要从更好的协调网页设计各部门之间的工作入手。这就要求平面设计部门的平面设计师熟悉程序设计部门程序员的工作，好比一名好的建筑设计师，不但要知道如何设计出有内涵有文化的建筑，同时还要了解建筑的造价、人机工程学以及建筑力学等方面的知识，否则他的设计作品就没有任何价值。所以我们培养网页设计师的目标是，不但在艺术设计方面优秀，还要在程序设计方面优秀。这也正是我这次出去学习的目的，只有做到这一点才能很好的完成网页设计工作，才能解决前面提出的平面设计师与程序员之间的工作断层问题。也只有这样才能培养出适应时代发展要求的高素质的网页设计师来。
设计总监，可以说是网页设计工程中必不可少的角色。可什么样的人有可能成为设计总监呢？当然，首先要有很丰富的工作经验，很高的个人能力，其次要精通网页设计的所有环节，也就是说无论是策划部门、平面设计部门还是程序设计部门的工作都能应对自如。如果能做到这一点，再加上良好的统筹能力和团队合作精神就有可以成为设计总监了。我们培养学生，不但要让学生就业，解决基本的生活问题。还要让他们在长久的工作生活中逐渐的成长，越来越强大。使他们无论在小公司还是大公司都能通过自己的工作表现成为行业中的精英人才。
二、培养更有竞争力的综合性人才
1.根据市场的需要培养人才
在谈下面这个问题之前，我想先让大家先来了解一下我找到的一份很有代表性的招聘网页设计师的广告。
网站设计师具体要求：大专以上学历、美术、艺术、广告类毕业；在互联网行业从业经验两年以上；熟练操作各相关设计软件；并且有自身优势和特点；优秀的设计创意能力，能组织团队完成大型网站项目的设计开发工作；逻辑思维清晰，做事认真、细致，表达能力强；有丰富的企业建站经验，从事过组织策划大型网站项目的工作；注重仪表，有很强的学习能力和敬业精神，较好的沟通能力，有良好的团队合作精神及独立的工作能力。
待遇：试个人能力而定，公资标准在4000（另有项目提成）。
根据市场的需要定向培养人才的提法似乎有些过时了，我所指出的是除了让学生掌握招聘广告中的内容，还要让他们掌握更多的程序设计方面的知识，比如Html、Css、Dhtml、JavaScript、Asp、Php等。让学生可以不用程序和策划部门的协同就能独立完成网页的设计。而且完成的效果还要很好，这样的人才一但推向市场，其受欢迎的程度可想而知。
2.快速掌握行业里最新、最尖端的网络技术
网络媒体同时属于IT行业的范畴，既然和IT靠上了亲戚，自然也就继承了IT的某些特征：高薪职业。不受工作地点的限制。新技术出现的快淘汰的也快。
要想在网页设计行业有所成就，当然要不断的学习掌握新技术，可网络上的新技术淘汰的太快，经常是没等我们弄懂就已经过时了。作为专业教师，我会经常调整授课内容，把最新的最实用的技术和思想传授给学生。时刻关注网络上的新动向，出现的新技术，保持旺盛的学习热情，让自己时刻处于行业的前沿。只有这样才能培养出适应当今日趋激烈的市场竞争的人才。
3.做一名有社会责任感的网页设计师
网页设计师不同于其他的职业，因为网页设计师肩负着更强的社会责任和历史使命，要让网络社会朝健康的方向发展，需要网页设计师严格的律己修身，对自己的言行负责。特别是不能在当今充满了诱惑的时代迷失自己，为追求短期利益而触犯法律。“设计强国”需要所有设计师的共同努力，毕竟中国的平面设计在亚洲还落后于日本、韩国，如何发挥中国悠久文化传统的优势，把中国的网页设计做强，成了我们这些网页设计师的新的课题。
参考文献：
[1]陈刚.CSS标准网页布局开发指南.2007.
[2]施博客研究室.DREAMWEAVER 8标准教程.2006.
[3]施博客研究室.FLASH 8标准教程.2006.
[4]张孝祥，张红梅.JAVASCRIPT网页开发体验式学习教程.2004.
[5]孙颖.ACTIONSCRIPT 3殿堂之路.2007.
[6]周松建，葛丽.JAVASCRIPT经典范例50讲.2004.
论文:A Dual Weighting Label Assignment Scheme for Object Detection
[图片上传失败...(image-26dcc3-1650423723225)]
Anchor作为目标检测器训练的基础单元，需要被赋予正确的分类标签和回归标签，这样的标签指定(LA, label assignment)过程也可认为是损失权重指定过程。对于单个anchor的cls损失计算，可以统一地表示为：
[图片上传失败...(image-2e24aa-1650423723225)]
和 为正向权重和反向权重，用于控制训练的方向。基于这个设计，可以将LA方法分为两个大类：
[图片上传失败...(image-372b16-1650423723225)]
为了给检测器提供更多的监督信息，论文提出了新的LA方法DW(dual weighting)，从不同的角度单独计算 和 并让其能够互补。此外，为了给权重计算函数提供更准确的reg分数，论文还提出了新的bbox精调操作，预测目标的边界位置并根据对应的特征产生更准确的精调信息。
由于NMS的存在，检测器应该预测一致的bbox，既有高分类分数也有准确的位置定位。但如果在训练时平等地对待所有的训练样本，而cls分数越高的预测结果的reg位置不一定越准确，这往往会导致cls head与reg head之间就会存在不一致性。为此，Soft LA通过加权损失来更柔和地对待训练样本，加强cls head与reg head的一致性。基于Soft LA，anchor的损失可以表示为：
[图片上传失败...(image-51f384-1650423723225)]
其中 为预测的cls分数。为一致性更高的预测结果分配更大的 和 ，能够使得网络专注于学习高质量的预测结果，减轻cls head与reg head的不一致问题。
[图片上传失败...(image-98093b-1650423723225)]
当前的方法直接将 设置为 ，主要关注如何定义一致性以及如何将其集成到损失权重中。表1总结了一些方法对 和 的计算公式，这些方法先定义用于度量一致性的指标 ，随后将 作为不一致性的度量指标，最后添加缩放因子将指标集成到损失权重中。 上述方法的 和 都是高度相关的，而论文认为pos和neg权重应该以prediction-aware的方式单独设置，具体如下：
通过上述定义， 对于pos权重相似的这种模棱两可的anchor，就可以根据不同的neg权重得到更细粒度的监督信息 。
[图片上传失败...(image-535eff-1650423723225)]
DW方法的整体流程如图2所示，先根据中心点距离来为每个GT构造候选正样本集，其余的anchor为候选负样本。由于负样本的统计信息十分混乱，所以不参与权重函数的计算。候选正样本会被赋予三个权重 、 以及 ，用于更有效地监督训练。
pos权重需要反映预测结果对检测性能的重要性，论文从目标检测的验证指标来分析影响重要性的因素。在测试时，通常会根据cls分数或cls分数与IoU的结合对单分类的预测结果进行排序，从前往后依次判断。正确的预测需满足以下两点：
上述条件可认为是选择高ranking分数以及高IoU的预测结果，也意味着满足这两个条件的预测结果有更大概率在测试阶段被选择。从这个角度来看，pos权重 就应该与IoU和ranking分数正相关。首先定义一致性指标 ，用于度量两个条件的对齐程度：
[图片上传失败...(image-aac9d-1650423723225)]
为了让不同anchor的pos权重的方差更大，添加指数调节因子：
[图片上传失败...(image-3a2156-1650423723225)]
最终，各anchor的pos权重会根据对应GT的候选anchor的pos权重之和进行归一化。
pos权重虽然可以使得一致的anchor同时具有高cls分数和高IoU，但无法区分不一致anchor的重要程度。如前面图1所示，anchor D定位校准但分类分数较低，而anchor B恰好相反。两者的一致性程度 一致，pos权重无法区分差异。为了给检测器提供更多的监督信息，准确地体现anchor的重要程度，论文提出为两者赋予更清晰的neg权重，具体由以下两部分构成。
根据COCO的验证指标，IoU不满足阈值的预测结果一律归为错误的检测。所以，IoU是决定achor为负样本的概率的唯一因素，记为 。由于COCO使用0.5-0.95的IoU阈值来计算AO，所以 应该满足以下规则：
[图片上传失败...(image-639b1e-1650423723225)]
任意 上单调递减的函数都可以作为 中间部分。为了简便，论文采用了以下函数：
[图片上传失败...(image-fa54fb-1650423723225)]
公式6需要穿过点 和 ，一旦 确定了，参数 和 可通过待定系数法确定。
[图片上传失败...(image-83052a-1650423723225)]
图3展示了不同 下的 曲线。
在推理时，ranking队列中靠前的neg预测结果虽然不会影响召回率，但会降低准确率。为了得到更高的性能，应该尽可能地降低neg预测结果的ranking分数。所以在训练中，ranking分数较高的neg预测结果应该比ranking分数较低的预测结果更为重要。基于此，定义neg预测结果的重要程度 为ranking分数的函数：
[图片上传失败...(image-1f95aa-1650423723225)]
最终，整体的neg权重 变为：
[图片上传失败...(image-851912-1650423723225)]
与 负相关，与 正相关。对于pos权重相同的anchor，IoU更小的会有更大的neg权重。在兼容验证指标的同时， 能给予检测器更多的监督信息。
pos权重和neg权重都以IoU作为输入，更准确的IoU可以保证更高质量的训练样本，有助于学习更强的特征。为此，论文提出了新的box精调操作，基于预测的四条边的偏移值 进行下一步的精调。
[图片上传失败...(image-98246a-1650423723225)]
考虑到目标边界上的点有更大的概率预测准确的位置，论文设计了可学习的预测模块，基于初步的bbox为每条边生成边界点。如图4所示，四个边界点的坐标定义为：
[图片上传失败...(image-a8361b-1650423723225)]
其中， 为精调模块的输出。最后，结合边界点的预测和精调模块的输出，最终精调后的anchor偏移 为：
[图片上传失败...(image-935c8b-1650423723225)]
DW策略可直接应用到大多数的dense检测器中。论文将DW应用到FCOS中并进行了少量修改，将centerness分支和分类分支合并成cls分数，网络的损失为：
[图片上传失败...(image-5d0fc-1650423723225)]
[图片上传失败...(image-1a38af-1650423723225)]
这里的 跟公式3是同一个， 和 分别为候选anchor数和非候选anchor数。
[图片上传失败...(image-20568e-1650423723225)]
平衡超参数对性能的影响。
[图片上传失败...(image-14e2fa-1650423723225)]
候选anchor选择方法对性能的影响。第一种为中心点的距离阈值，第二种选择最近的几个，第三种为距离权重与pos权重乘积排序。
[图片上传失败...(image-74467a-1650423723225)]
neg权重计算方式对比。
[图片上传失败...(image-8baa09-1650423723225)]
LA研究之间的对比。
[图片上传失败...(image-9d2740-1650423723225)]
与SOTA检测算法对比。
论文提出自适应的label assignment方法DW，打破了以往耦合加权的惯例。根据不同角度的一致性和非一致性指标，动态地为anchor分配独立的pos权重和neg权重，可以更全面地监督训练。此外，论文还提出了新的预测框精调操作，在回归特征图上直接精调预测框。
