位置: IT常识 - 正文

双重差分法(DID):标准化流程和stata代码实现(双重差分法(DID))

编辑:rootadmin
双重差分法(DID):标准化流程和stata代码实现 文章目录标准化流程平行假设检验效果评估安慰剂检验标准化流程

推荐整理分享双重差分法(DID):标准化流程和stata代码实现(双重差分法(DID)),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:双重差分法是什么,双重差分法解决什么问题,双重差分法did稳健型检验方法,双重差分法(DID),双重差分法did稳健型检验方法,双重差分法did稳健型检验方法,双重差分法did稳健型检验方法,双重差分法(DID),内容如对您有帮助,希望把文章链接给更多的朋友!

此前的文章介绍了双重差分法(difference-in-differences,DID)的原理,并说明了其是算法策略效果评估的有效方案之一。本文将主要描述DID的标准化流程,以及如何使用stata代码实现全流程。

先上标准化流程的全景图,然后再逐一理解。作为对比,此前文章里的代码只是实现了第二层中的“基本DID”模块。

在标准化流程中,一共包含三个模块:第一个模块是平行假设检验,主要任务是确保对照组和实验组在算法策略干预前,指标的变化趋势相同,这是DID的最基本前提;第二个模块是效果评估,旨在通过DID的演算,量化算法策略对指标的影响和显著性水平;第三个模块是安慰剂检验,其目标是检验效果评估模型中的结果是否受到了其他因素的影响。

安慰剂检验,这个名字乍一看,挺奇怪的,稍微解释一下。安慰剂多用于医学,通常是指病人虽然获得无效的治疗,但却让其 “预料” 或 “相信” 治疗有效,而让病患症状得到舒缓的现象。此处使用主要是为了避免实验组出现安慰剂效应,影响实验结果。

平行假设检验

绘制趋势图就是把对照组和实验组指标的历史变化趋势绘制出来,然后根据个人经验判断两者的变化趋势是否相同。该方法较为主观,不符合理工科的严谨习惯,因此本节主要介绍事件研究法。

先回顾一下DID的基本模型

Yit=α+δDi+λTt+β(Di×Tt)+ϵitY_{it}=\alpha+\delta D_i+\lambda T_t+\beta(D_i \times T_t)+\epsilon_{it}Yit​=α+δDi​+λTt​+β(Di​×Tt​)+ϵit​ 为了做平行假设检验,需要将模型调整为

Yit=α+δDi+λTt+β(Di×Tt)+∑μi⋅yeari×Di+ϵitY_{it}=\alpha+\delta D_i+\lambda T_t+\beta(D_i \times T_t)+\sum{\mu_i·year_i \times D_i}+\epsilon_{it}Yit​=α+δDi​+λTt​+β(Di​×Tt​)+∑μi​⋅yeari​×Di​+ϵit​ 相比基本模型,该项多了∑μi⋅yeari×Di\sum{\mu_i·year_i \times D_i}∑μi​⋅yeari​×Di​。此处,yeariyear_iyeari​为时间虚拟变量,当年观测年为1,其他年份为0;μi\mu_iμi​是对应的系数值。

做平行假设检验,主要看μi\mu_iμi​是否显著不为0:如果至少一个值显著不为0,那么认为不满足平行假设检验;反之,则满足平行假设检验。

本文使用普林斯顿大学构造的DID数据:A、B、C、D、E、F和G是非常相似的7个地区,E、F和G三地在1994年实行了一项新政策,而A、B、C和D则没有实行,目标是评估新政策对指标y的影响。

以下为政策实施前的数据:

以下代码可以实现对μi\mu_iμi​的计算,并且绘制平行检验的结果。

gen period = (year>=1994) & !missing(year) // 生成时间虚拟变量,1994年前为0,反之为1gen treat = (country>4) & !missing(country) // 生成区域的虚拟变量,干预为1,反之为0gen did = period * treat // 生成交叉项// 如果i = 1(1)4,后续绘图时,pre_i的顺序会不一致gen policy = year - 1994forvalues i = 4(-1)1{gen pre_`i' = (policy == -`i' & treat == 1)}// 回归计算xtreg y pre_*, fe r// 绘制曲线图est sto regcoefplot reg, keep(pre_*) vertical recast(connect) yline(0)

先看一下μi\mu_iμi​的结算结果:分别对应pre_4、pre_3和pre_2行、P>|t|列的数值,即0.442,0.369和0.602。这三个值均大于0.05,所以满足平行假设检验。

Fixed-effects (within) regression Number of obs = 28Group variable: country Number of groups = 7R-sq: Obs per group: within = 0.0673 min = 4 between = 0.2121 avg = 4.0 overall = 0.0118 max = 4 F(2,6) = .corr(u_i, Xb) = -0.5136 Prob > F = . (Std. Err. adjusted for 7 clusters in country)------------------------------------------------------------------------------ | Robust y | Coef. Std. Err. t P>|t| [95% Conf. Interval]-------------+---------------------------------------------------------------- pre_4 | -2.12e+09 2.58e+09 -0.82 0.442 -8.44e+09 4.19e+09 pre_3 | -2.02e+09 2.08e+09 -0.97 0.369 -7.11e+09 3.07e+09 pre_2 | -1.19e+09 2.15e+09 -0.55 0.602 -6.45e+09 4.08e+09 pre_1 | 0 (omitted) _cons | 1.69e+09 7.04e+08 2.40 0.053 -3.23e+07 3.41e+09-------------+---------------------------------------------------------------- sigma_u | 2.472e+09 sigma_e | 2.588e+09 rho | .4771219 (fraction of variance due to u_i)------------------------------------------------------------------------------

我们还可以看一下pre_4、pre_3和pre_2行,[95% Conf. Interval]两列的数据,下图绘制了这两列数据的范围。显然,都包含了0值,即通过了平行假设检验。

双重差分法(DID):标准化流程和stata代码实现(双重差分法(DID))

此处做一下额外说明:本节只使用政策干预前的数据做平行假设检验,而很多文献则是把干预前和干预后数据放在一起做平行假设检验,但是个人认为后者是不合理的,主要原因是:我们在实际操作时,需要先通过平行假设检验找出合适的对照组和实验组,然后再去做实验,此时并没有干预后数据。

接下来搞点事情:调整treat值,和之前恰好相反。然后再重新做一遍平行假设检验。

原理上来说,只是互换了实验组和对照组的身份,平行假设检验的结果应该是不变的。

gen period = (year>=1994) & !missing(year)gen treat = (country<=4) & !missing(country) // treat的数值有变化gen did = period * treat gen policy = year - 1994forvalues i = 4(-1)1{gen pre_`i' = (policy == -`i' & treat == 1)}xtreg y pre_*, fe rest sto regcoefplot reg, keep(pre_*) vertical recast(connect) yline(0)

但从计算结果上可以发现,pre2行对应的P>|t|值为0.006,小于0.05;[95% Conf. Interval]也已不包含0。即不再满足平行假设检验。

这和我们的直观认知是不符的。但是具体原因暂时并未探查到,如遇大神,望能不吝赐教。

Fixed-effects (within) regression Number of obs = 28Group variable: country Number of groups = 7R-sq: Obs per group: within = 0.3044 min = 4 between = 0.2121 avg = 4.0 overall = 0.2536 max = 4 F(3,6) = 53.56corr(u_i, Xb) = -0.1823 Prob > F = 0.0001 (Std. Err. adjusted for 7 clusters in country)------------------------------------------------------------------------------ | Robust y | Coef. Std. Err. t P>|t| [95% Conf. Interval]-------------+---------------------------------------------------------------- pre_4 | -4.00e+09 1.70e+09 -2.36 0.057 -8.16e+09 1.56e+08 pre_3 | -3.00e+09 1.33e+09 -2.26 0.064 -6.25e+09 2.47e+08 pre_2 | -3.58e+09 8.62e+08 -4.15 0.006 -5.68e+09 -1.47e+09 pre_1 | 0 (omitted) _cons | 2.63e+09 3.44e+08 7.64 0.000 1.79e+09 3.47e+09-------------+---------------------------------------------------------------- sigma_u | 1.888e+09 sigma_e | 2.235e+09 rho | .41645141 (fraction of variance due to u_i)------------------------------------------------------------------------------

效果评估

以下为政策实施后的数据。

文章中已经实现过基本DID,因此本节直接给出代码。相比之前代码,DID回归步骤使用reg方式替代了diff方式。两种方式都可以,不过reg更常用。

gen period = (year>=1994) & !missing(year) // 生成时间虚拟变量,1994年前为0,反之为1gen treat = (country>4) & !missing(country) // 生成区域的虚拟变量,干预为1,反之为0gen did = period * treat // 生成交叉项reg y period treat did, r //DID回归:reg方式

从结果看,did行、P>|t|列的值(β\betaβ)为0.088,大于0.05,即政策效果不显著。

Linear regression Number of obs = 70 F(3, 66) = 2.17 Prob > F = 0.0998 R-squared = 0.0827 Root MSE = 3.0e+09------------------------------------------------------------------------------ | Robust y | Coef. Std. Err. t P>|t| [95% Conf. Interval]-------------+---------------------------------------------------------------- period | 2.29e+09 9.00e+08 2.54 0.013 4.92e+08 4.09e+09 treat | 1.78e+09 1.05e+09 1.70 0.094 -3.11e+08 3.86e+09 did | -2.52e+09 1.45e+09 -1.73 0.088 -5.42e+09 3.81e+08 _cons | 3.58e+08 7.61e+08 0.47 0.640 -1.16e+09 1.88e+09------------------------------------------------------------------------------

除了以上的基本DID,还可以在模型中添加其他控制变量,例如:x1-x3、opinion和country

reg y period treat did x1-x3 i.opinion i.country, r

此时,β\betaβ值变为0.01,即政策效果变得显著。查看控制变量的系数后可知,变量x1x_1x1​的交叉项系数也为0.01,即对政策影响较大。

Linear regression Number of obs = 70 F(14, 55) = 3.32 Prob > F = 0.0007 R-squared = 0.3800 Root MSE = 2.7e+09------------------------------------------------------------------------------ | Robust y | Coef. Std. Err. t P>|t| [95% Conf. Interval]-------------+---------------------------------------------------------------- period | 1.63e+09 8.16e+08 2.00 0.050 -970567.3 3.27e+09 treat | -5.13e+08 2.51e+09 -0.20 0.839 -5.54e+09 4.52e+09 did | -3.67e+09 1.37e+09 -2.67 0.010 -6.42e+09 -9.13e+08 x1 | 2.86e+09 1.07e+09 2.67 0.010 7.12e+08 5.00e+09 x2 | 3021459 2.43e+09 0.00 0.999 -4.88e+09 4.88e+09 x3 | 3.17e+08 3.09e+08 1.03 0.310 -3.03e+08 9.37e+08 | opinion | Agree | -1.08e+09 1.27e+09 -0.86 0.396 -3.63e+09 1.46e+09 Disag | 1.10e+09 7.85e+08 1.40 0.167 -4.73e+08 2.67e+09 Str disag | 7.90e+08 7.93e+08 1.00 0.324 -7.99e+08 2.38e+09 | country | B | -1.10e+09 5.72e+09 -0.19 0.848 -1.26e+10 1.04e+10 C | -2.02e+09 1.82e+09 -1.11 0.270 -5.67e+09 1.62e+09 D | 2.89e+09 6.28e+09 0.46 0.647 -9.69e+09 1.55e+10 E | 2.07e+09 7.97e+09 0.26 0.797 -1.39e+10 1.80e+10 F | 4.79e+09 3.40e+09 1.41 0.164 -2.02e+09 1.16e+10 G | 0 (omitted) | _cons | -1.26e+09 2.10e+09 -0.60 0.552 -5.48e+09 2.96e+09------------------------------------------------------------------------------安慰剂检验

先看第一种方法:改变事件发生时间。该方法假设政策干预时间提前,重新判断政策虚拟变量的系数是否显著。如果不显著,则可以说明原政策效果的稳健性。

以下代码中,假设政策发生事件变为1992年:

gen period = (year>=1992) & !missing(year) // 1994->1992gen treat = (country>4) & !missing(country)gen did = period * treatreg y period treat did x1-x3 i.opinion i.country, r

β\betaβ值变为0.107<0.05,即政策效果不显著。这个结果是比较理想的,因为这表明:除去政策影响后,指标变化是不显著的。

Linear regression Number of obs = 70 F(14, 55) = 2.89 Prob > F = 0.0025 R-squared = 0.3464 Root MSE = 2.7e+09------------------------------------------------------------------------------ | Robust y | Coef. Std. Err. t P>|t| [95% Conf. Interval]-------------+---------------------------------------------------------------- period | 2.21e+09 9.84e+08 2.25 0.029 2.40e+08 4.18e+09 treat | 7.49e+08 2.79e+09 0.27 0.789 -4.84e+09 6.33e+09 did | -2.06e+09 1.25e+09 -1.64 0.107 -4.57e+09 4.58e+08 x1 | 1.59e+09 9.57e+08 1.66 0.102 -3.27e+08 3.51e+09 x2 | 7.80e+08 2.80e+09 0.28 0.781 -4.82e+09 6.38e+09 x3 | 1.48e+08 2.83e+08 0.52 0.604 -4.20e+08 7.16e+08 | opinion | Agree | -9.49e+08 1.30e+09 -0.73 0.468 -3.55e+09 1.66e+09 Disag | 9.84e+08 7.85e+08 1.25 0.215 -5.89e+08 2.56e+09 Str disag | 7.90e+08 7.91e+08 1.00 0.322 -7.95e+08 2.38e+09 | country | B | -2.98e+09 6.55e+09 -0.45 0.651 -1.61e+10 1.02e+10 C | -6.99e+08 1.95e+09 -0.36 0.721 -4.60e+09 3.21e+09 D | 5.84e+08 7.13e+09 0.08 0.935 -1.37e+10 1.49e+10 E | -1.69e+09 9.19e+09 -0.18 0.855 -2.01e+10 1.67e+10 F | 2.92e+09 3.59e+09 0.81 0.421 -4.29e+09 1.01e+10 G | 0 (omitted) | _cons | -7.66e+08 2.48e+09 -0.31 0.759 -5.73e+09 4.20e+09------------------------------------------------------------------------------

但如果我们仅将政策发生时间提前一年:

gen period = (year>=1993) & !missing(year) // 1994->1993gen treat = (country>4) & !missing(country)gen did = period * treatreg y period treat did x1-x3 i.opinion i.country, r

结果为:β=0.015\beta=0.015β=0.015,政策效果依然显著。此种情况下,不再能证明原政策效果的稳健性。出现该现状的原因可能是时间提前过少,导致1993年的效果被1994-1999的效果掩盖了。为了避免该尴尬局面的出现,更推荐使用即将介绍的第二种方法:随机化实验组。

Linear regression Number of obs = 70 F(14, 55) = 3.47 Prob > F = 0.0005 R-squared = 0.3826 Root MSE = 2.7e+09------------------------------------------------------------------------------ | Robust y | Coef. Std. Err. t P>|t| [95% Conf. Interval]-------------+---------------------------------------------------------------- period | 2.57e+09 8.35e+08 3.08 0.003 9.00e+08 4.25e+09 treat | 1.18e+09 2.67e+09 0.44 0.662 -4.18e+09 6.54e+09 did | -2.94e+09 1.17e+09 -2.52 0.015 -5.27e+09 -6.00e+08 x1 | 1.60e+09 9.21e+08 1.73 0.088 -2.48e+08 3.44e+09 x2 | 9.67e+08 2.67e+09 0.36 0.719 -4.38e+09 6.32e+09 x3 | 1.92e+08 2.91e+08 0.66 0.511 -3.91e+08 7.76e+08 | opinion | Agree | -6.80e+08 1.33e+09 -0.51 0.612 -3.35e+09 1.99e+09 Disag | 9.45e+08 7.39e+08 1.28 0.206 -5.35e+08 2.43e+09 Str disag | 6.35e+08 7.55e+08 0.84 0.404 -8.77e+08 2.15e+09 | country | B | -3.44e+09 6.24e+09 -0.55 0.583 -1.59e+10 9.06e+09 C | -7.09e+08 1.83e+09 -0.39 0.700 -4.38e+09 2.96e+09 D | 1.14e+08 6.71e+09 0.02 0.987 -1.33e+10 1.36e+10 E | -2.18e+09 8.76e+09 -0.25 0.804 -1.97e+10 1.54e+10 F | 2.77e+09 3.40e+09 0.81 0.419 -4.05e+09 9.59e+09 G | 0 (omitted) | _cons | -6.54e+08 2.25e+09 -0.29 0.772 -5.16e+09 3.85e+09------------------------------------------------------------------------------

在随机化实验组的方法中,一般是随机选取个体作为处理组,重复500次或者1000次,看看“伪政策虚拟变量”的系数是否显著。如果不显著,可以说明原政策效果的稳健性。

以下是实现代码,因为我自己也不太理解每一步的逻辑,只需要知道该代码能把图绘制出来即可,哈哈~

cap erase "simulations.dta"permute did beta = _b[did] se = _se[did] df = e(df_r), reps(500) seed(2) ///saving("simulations.dta"):reg y did, vce(robust)use "simulations.dta", cleargen t_value = beta / segen p_value = 2 * ttail(df, abs(beta/se))dpplot beta, xtitle("Estimator", size(*0.8)) xlabel(, format(%4.3f) labsize(small))ytitle("Density", size(*0.8)) ylabel(, nogrid format(%4.3f) labsize(small))note("")caption("")graphregion(fcolor(white))

以下是β\betaβ的统计图。从图上可以看出,β\betaβ值大部分都都在0附近,平均值为−3.7×17-3.7\times10^7−3.7×107。回顾效果评估模块中的β\betaβ计算结果,为1910^9109量级,即随机化的实验组相比原实验组,β\betaβ降低了2个数量级,政策效果不再显著。

本文链接地址:https://www.jiuchutong.com/zhishi/294532.html 转载请保留说明!

上一篇:ERR_FAILED 200 解决方案(err03 failed to)

下一篇:vue的脚手架安装及安装失败问题解决(vue脚手架安装命令)

  • 荣耀平板v7pro怎么开启多屏协同(荣耀平板V7Pro怎么设置横屏全屏)

    荣耀平板v7pro怎么开启多屏协同(荣耀平板V7Pro怎么设置横屏全屏)

  • 苹果13怎么设置小圆点(苹果13怎么设置壁纸和锁屏)

    苹果13怎么设置小圆点(苹果13怎么设置壁纸和锁屏)

  • 迅雷无法验证app(迅雷beta无法验证应用)

    迅雷无法验证app(迅雷beta无法验证应用)

  • 苹果11三款区别(苹果11三款手机区别)

    苹果11三款区别(苹果11三款手机区别)

  • 抖音护眼模式怎么开(抖音护眼模式怎么调)

    抖音护眼模式怎么开(抖音护眼模式怎么调)

  • 拼多多黑卡怎么用(拼多多黑卡怎么开通)

    拼多多黑卡怎么用(拼多多黑卡怎么开通)

  • 软件一直在安装中也不能删怎么办(软件一直在安装中怎么删除)

    软件一直在安装中也不能删怎么办(软件一直在安装中怎么删除)

  • mi note lte是什么型号(mi notr lte)

    mi note lte是什么型号(mi notr lte)

  • 计算机系统中必不可少的软件是(计算机系统必不可少的输出设备)

    计算机系统中必不可少的软件是(计算机系统必不可少的输出设备)

  • 开了权限qq没有声音(开了权限qq没有了怎么办)

    开了权限qq没有声音(开了权限qq没有了怎么办)

  • 小米6x手机耳机孔在哪(小米6x手机耳机孔在哪里)

    小米6x手机耳机孔在哪(小米6x手机耳机孔在哪里)

  • 怎么发imessages(怎么发imessege给外国号码)

    怎么发imessages(怎么发imessege给外国号码)

  • 抖音一直在运行怎么关闭(抖音一直卡在)

    抖音一直在运行怎么关闭(抖音一直卡在)

  • 抖音上怎么扫一扫(抖音怎么扫一扫关注别人)

    抖音上怎么扫一扫(抖音怎么扫一扫关注别人)

  • 为什么快手一直显示无网络(为什么快手一直推荐可能认识的人)

    为什么快手一直显示无网络(为什么快手一直推荐可能认识的人)

  • word文档打字后面的字消失是怎么回事(word文档打字后面的字消失怎么办)

    word文档打字后面的字消失是怎么回事(word文档打字后面的字消失怎么办)

  • 打电话嘟嘟嘟然后没了(打电话嘟嘟嘟然后没了是拉黑了吗)

    打电话嘟嘟嘟然后没了(打电话嘟嘟嘟然后没了是拉黑了吗)

  • 电子发票默认导出路径(电子发票手动导出默认路径是哪)

    电子发票默认导出路径(电子发票手动导出默认路径是哪)

  • vivo手机开机界面循环(vivo手机开机界面循环无法进入)

    vivo手机开机界面循环(vivo手机开机界面循环无法进入)

  • vivo怎么把内存移到sd卡(vivo怎么把内存卡导入手机)

    vivo怎么把内存移到sd卡(vivo怎么把内存卡导入手机)

  • 苹果手机密码忘了(苹果手机密码忘记了怎么重置)

    苹果手机密码忘了(苹果手机密码忘记了怎么重置)

  • vivoud是什么意思(vividred是什么意思)

    vivoud是什么意思(vividred是什么意思)

  • qq耳朵一样的标志是什么意思(qq耳朵一样的标志是不是被删了)

    qq耳朵一样的标志是什么意思(qq耳朵一样的标志是不是被删了)

  • 快手怎么和别人同框视频(快手怎么和别人聊天发信息)

    快手怎么和别人同框视频(快手怎么和别人聊天发信息)

  • 英雄联盟登录失败怎么办?有效解决办法(英雄联盟登录失败7502013)

    英雄联盟登录失败怎么办?有效解决办法(英雄联盟登录失败7502013)

  • 驱动开发函数详解之Wdm(驱动开发函数详解)

    驱动开发函数详解之Wdm(驱动开发函数详解)

  • Parcel 中文文档 | Parcel 中文网

    Parcel 中文文档 | Parcel 中文网

  • 自查补缴增值税的会计处理
  • 投资过程中的相关税费
  • 印花税的应税凭证名称怎么填写
  • 红字发票的数电票号码是啥
  • 出租固定资产的折旧额是什么意思
  • 库存现金账务处理
  • 销售免税产品是什么意思
  • 2021年超市发票税率是多少
  • 税金及附加有啥
  • 库存盘亏的原因
  • 租金收入摊销
  • 开出支票支付属于什么会计科目
  • 购买的商品赠送如何做账
  • 委托加工物资的账务处理例题
  • 个税手续费返还会计分录
  • 建筑劳务公司收到劳务费会计分录
  • 自产自销税点
  • 销售返点的账务处理及税务处理
  • 什么叫抵免
  • 应收账款质押账户被冻结
  • 委托加工物资是一级科目吗
  • win10系统的任务栏
  • 新准则交易性金融资产
  • 联想小新Air15如何进入bois
  • 冲销上月多记收入
  • 在建工程完工后转入哪里
  • Win10 (21H1)Build 19043.1266更新补丁KB5005611正式版发布:附修复更新内容
  • 高德地图定位获取用户手机号码
  • 建筑行业怎么做职业生涯规划
  • 劳务派遣公司账目如何做
  • vue中如何使用weboffice
  • 增值税专用发票有几联?
  • 实际成本法核算会计分录
  • 社保缴费基数差1000一般差多少?
  • 现金支票应记入什么账户
  • 驾校属于什么行业分类类别
  • 挂靠设计公司费用标准 怎么记账
  • vscode写前端代码,如何运行
  • less命令怎么用
  • -mtime命令
  • 应收账款收不回来的情况说明
  • 产权转移书据是什么印花税
  • 现金流量表第四个期初现金余额怎么填
  • 增值税销项税红字应如何报税
  • 2022年最新装修风格
  • db2with
  • 购销合同印花税税率
  • 小规模纳税人出租不动产优惠政策
  • 评估价值高于账面价值怎么账务处理
  • 该商品不可进行有物流发货
  • 销售退货成本如何计算
  • 公司配股对股价的影响
  • 子公司如何向母公司开户
  • 如何审计主营业务收入的真实性问题
  • 445端口 关闭
  • win8windows设置在哪里
  • 解析包出现错误无法安装怎么办
  • linux系统中的脚本文件一般以什么开头
  • 怎样升级智慧中小学版本软件
  • 苹果Mac系统怎么切换输入法
  • win7旗舰版开机
  • macbook截
  • windows 8
  • window10如何修改电脑名称
  • windows7库功能
  • window10添加虚拟网卡
  • win7不能自动启动
  • cocos2dx开发鸿蒙app
  • 【Cocso2d-x Lua笔记五】quick中的display
  • 汤姆猫arcode
  • ie11滚动条样式
  • css网页布局方式
  • vue3官方文档
  • bootstrap-
  • android主流分辨率
  • unity视频播放
  • javascript toggle
  • jQuery插件是什么
  • 国家对供暖企业更换主管道有没有年限?
  • 福建电子税务局社保缴费操作
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设