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)

  • 浅谈一个有想法的推广员所具备的五点素质(浅谈一个有想法的人作文)

    浅谈一个有想法的推广员所具备的五点素质(浅谈一个有想法的人作文)

  • 荣耀30pro支持多屏协同吗(荣耀30pro支持多少瓦快充?)

    荣耀30pro支持多屏协同吗(荣耀30pro支持多少瓦快充?)

  • 华为p40pro+充电功率是多少呢(华为p40pro充电器66w和40w有什么区别)

    华为p40pro+充电功率是多少呢(华为p40pro充电器66w和40w有什么区别)

  • 三星I9100 Galaxy S2上市时间(三星折叠屏手机最新款2022)

    三星I9100 Galaxy S2上市时间(三星折叠屏手机最新款2022)

  • 什么是录屏(什么是录屏类微课)

    什么是录屏(什么是录屏类微课)

  • 微博怎么看谁转发了我的微博(微博怎么看谁转发过)

    微博怎么看谁转发了我的微博(微博怎么看谁转发过)

  • 抖音极速版不能发作品吗(抖音极速版不能切换账号吗)

    抖音极速版不能发作品吗(抖音极速版不能切换账号吗)

  • 微博下载的安装包怎么删(微博下载的安装包怎么找)

    微博下载的安装包怎么删(微博下载的安装包怎么找)

  • 抖音取消点赞会降低播放量吗(抖音取消点赞会怎样)

    抖音取消点赞会降低播放量吗(抖音取消点赞会怎样)

  • 被删除的文件或文件夹存放在(电脑上删除的文件怎么找回)

    被删除的文件或文件夹存放在(电脑上删除的文件怎么找回)

  • 快手申请退款几天自动退款(快手申请退款几个小时商家没反应怎么办)

    快手申请退款几天自动退款(快手申请退款几个小时商家没反应怎么办)

  • oppoa11手机呼吸灯在哪(oppo手机呼吸灯一直闪烁怎么关闭)

    oppoa11手机呼吸灯在哪(oppo手机呼吸灯一直闪烁怎么关闭)

  • 朋友圈显示三天可见是被屏蔽了吗(朋友圈显示三天可见怎么解除)

    朋友圈显示三天可见是被屏蔽了吗(朋友圈显示三天可见怎么解除)

  • vivoz5x支不支持无线充电(vivoz5x支不支持5g)

    vivoz5x支不支持无线充电(vivoz5x支不支持5g)

  • 拼多多购物用实名吗(拼多多购物实名卖家能看到吗)

    拼多多购物用实名吗(拼多多购物实名卖家能看到吗)

  • 米兔定位电话怎么解绑(米兔定位电话怎么使用教程)

    米兔定位电话怎么解绑(米兔定位电话怎么使用教程)

  • 华为怎么给苹果反向充电(华为怎么给苹果传视频)

    华为怎么给苹果反向充电(华为怎么给苹果传视频)

  • 电子保修卡有什么用(电子保修卡什么时候激活好)

    电子保修卡有什么用(电子保修卡什么时候激活好)

  • 花呗怎么添加到我的应用(花呗怎么添加到手机桌面)

    花呗怎么添加到我的应用(花呗怎么添加到手机桌面)

  • 酷狗扫描本地音乐在哪里(酷狗扫描本地音乐屏蔽60秒以下)

    酷狗扫描本地音乐在哪里(酷狗扫描本地音乐屏蔽60秒以下)

  • ios截图编辑怎么关闭(iphone截图编辑功能)

    ios截图编辑怎么关闭(iphone截图编辑功能)

  • mt122ch/a是什么型号({

    mt122ch/a是什么型号({"ch":"mt122m"})

  • 今日新开传世sf 产品介绍(今日新开传世传奇世界)

    今日新开传世sf 产品介绍(今日新开传世传奇世界)

  • ipada1674是哪个系列(ipada1673是哪个系列)

    ipada1674是哪个系列(ipada1673是哪个系列)

  • 苹果手机影音先锋怎么验证应用(苹果手机影音先锋下载文件位置)

    苹果手机影音先锋怎么验证应用(苹果手机影音先锋下载文件位置)

  • TP-Link TL-WR841N管理员密码(初始密码)是多少

    TP-Link TL-WR841N管理员密码(初始密码)是多少

  • 文本生成图像工作简述2--常用数据集分析与汇总(文本生成图像前景怎么样)

    文本生成图像工作简述2--常用数据集分析与汇总(文本生成图像前景怎么样)

  • 基于Java+SpringBoot+vue+elementui药品商城采购系统详细设计实现

    基于Java+SpringBoot+vue+elementui药品商城采购系统详细设计实现

  • 企业所得税减免税额包括哪些
  • 港资企业定义
  • 包工包料怎么开税票合适
  • 货没出,发票先开
  • 股权转让1元转让
  • 增值税一般纳税人税率是多少?
  • 用现金购买办公设备会计分录
  • 基金收入交增值税吗
  • 机器设备预付的费用计入
  • 以前年度损益调整会计分录
  • 奖金属于应付职工薪酬
  • 流动性比率小于3说明什么
  • 即征即退增值税需要缴纳所得税吗
  • 增值税清单模板样例导出
  • 三证合一后没有去税务局登记会怎么样
  • 水电费差价收入计算增值税公式是怎样的?
  • 一般纳税人销售自己使用过的物品
  • 红字冲回上月收入
  • 股东以资产入股公司
  • 高新企业职工食堂承包方案
  • pos机刷卡手续费谁承担
  • Windows10如何切换中英文输入法
  • 发生固定资产了怎么做账
  • 跨越红字专用发票开票流程
  • 白醋洗脸有什么好处
  • 联想e430安装win7
  • PHP:session_set_save_handler()的用法_Session函数
  • 编制收款凭证的有哪些
  • 君子兰的养殖方法
  • numba报错
  • phpsessid是什么
  • 峡谷的人
  • php执行sh脚本
  • 经营租入固定资产
  • 土增税清算时怎么做会计分录
  • 行人检测技术
  • vue 父组件调用子组件效果
  • 购买土地需要缴纳增值税吗
  • 汽车以旧换新怎么操作
  • 无法收回的应收账款怎么做分录
  • 劳务派遣应如何签合同
  • 劳务费个税申报流程
  • 经营一家淘宝店铺,自然就应该做好
  • 完税凭证是
  • 小规模纳税人是个体户吗
  • 利润表利息费用怎么填
  • 企业不需要交残保金吗
  • mysql中where的用法
  • 存货的盘盈
  • 工商营业执照变更网上怎么操作
  • 应收账款转营业外支出
  • 损益类科目如何结转本年利润
  • 建筑行业总产值占我国GDP的比重
  • 赡养老人扣除标准个税
  • 建账需要准备什么东西
  • 利用MySQL统计一列中不同值的数量方法示例
  • bios设置电脑定时启动
  • 如何使用光盘做启动盘
  • linux系统输入法锁定了怎么解开
  • Red Hat Enterprise Linux 4+Nginx 0.7.47+PHP5.2+MYSQL5.0+Memcache+eAccelerator收
  • fan.error是什么意思
  • win7操作系统安装日期
  • win10如何动态桌面
  • win8怎么共享电脑
  • Win7系统如何打开磁盘管理工具
  • win8 系统设置
  • win10重置系统快捷键
  • 桌面预览怎么设置
  • opengl csdn
  • opengl es 3.2
  • easyui下拉列表
  • 什么是批处理模式
  • android屏幕尺寸适配
  • linux使用文本编辑器
  • jquery-easyui-1.3.3
  • 获取手机信息的渠道
  • 集资房税收问题
  • 北京市地方税务局2015第10号文件
  • 缴纳车辆购置税的会计处理
  • 深圳税务服务大厅电话
  • 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