第三章经典单方程计量经济学模型：多元线性回归模型

1、第三章 经典单方程计量经济学模型：多元线性回归模型 多元线性回归模型 多元线性回归模型的参数估计多元线性回归模型的统计检验多元线性回归模型的预测回归模型的其他形式回归模型的参数约束3.1 多元线性回归模型 一、多元线性回归模型 二、多元线性回归模型的根本假定 一、多元线性回归模型 多元线性回归模型:表现在线性回归模型中的解释变量有多个。 一般表现形式：i=1,2,n其中:k为解释变量的数目，j称为回归参数regression coefficient。也被称为总体回归函数的随机表达形式。它 的非随机表达式为:表示：各变量X值固定时Y的平均响应。 习惯上：把常数项看成为一虚变量的系数，该虚变量的样

2、本观测值始终取1。于是：模型中解释变量的数目为k+1 总体回归模型n个随机方程的矩阵表达式为: 其中 j也被称为偏回归系数，表示在其他解释变量保持不变的情况下，X j每变化1个单位时，Y的均值E(Y)的变化; 或者说j给出了X j的单位变化对Y均值的“直接或“净不含其他变量影响。用来估计总体回归函数的样本回归函数为：其随机表示式: ei称为残差或剩余项(residuals)，可看成是总体回归函数中随机扰动项i的近似替代。 样本回归函数的矩阵表达: 或其中：二、多元线性回归模型的根本假定 假设1，解释变量是非随机的或固定的，且各X之间互不相关无多重共线性。 假设2，随机误差项具有零均值、同方差及

3、不序列相关性。 假设3，解释变量与随机项不相关 假设4，随机项满足正态分布 上述假设的矩阵符号表示 式： 假设1，n(k+1)矩阵X是非随机的，且X的秩=k+1，即X满秩。 假设2， 假设4，向量 有一多维正态分布，即 同一元回归一样，多元回归还具有如下两个重要假设： 假设5，样本容量趋于无穷时，各解释变量的方差趋于有界常数，即n时， 假设3，E(X)=0，即 其中：Q为一非奇异固定矩阵，矩阵x是由各解释变量的离差为元素组成的nk阶矩阵 假设6，回归模型的设定是正确的。 或3.2 多元线性回归模型的估计 一、普通最小二乘估计 *二、最大或然估计 *三、矩估计 四、参数估计量的性质 五、样本容量

4、问题 六、估计实例 说 明估计方法：3大类方法：OLS、ML或者MM在经典模型中多应用OLS在非经典模型中多应用ML或者MM在本节中， ML与MM为选学内容一、普通最小二乘估计对于随机抽取的n组观测值如果样本函数的参数估计值已经得到，那么有： i=1,2n 根据最小二乘原理，参数估计值应该是右列方程组的解 其中 于是得到关于待估参数估计值的正规方程组： 解该（k+1） 个方程组成的线性代数方程组，即可得到(k+1)个待估参数的估计值$,bjj=012L。k正规方程组的矩阵形式即由于XX满秩，故有 将上述过程用矩阵表示如下： 即求解方程组：得到： 于是：例3.2.1：在的家庭收入-消费支出例中，

5、 可求得： 于是： 正规方程组 的另一种写法对于正规方程组 于是 或 (*)或*是多元线性回归模型正规方程组的另一种写法。 (*)(*)样本回归函数的离差形式i=1,2n 其矩阵形式为：其中 ： 在离差形式下，参数的最小二乘估计结果为 随机误差项的方差的无偏估计 可以证明，随机误差项的方差的无偏估计量为： *二、最大或然估计对于多元线性回归模型易知Y的随机抽取的n组样本观测值的联合概率 对数或然函数为对对数或然函数求极大值，也就是对 求极小值。即为变量Y的或然函数 因此，参数的最大或然估计为结果与参数的普通最小二乘估计相同*三、矩估计Moment Method, MM OLS估计是通过得到一个

6、关于参数估计值的正规方程组并对它进行求解而完成的。 该正规方程组 可以从另外一种思路来导: 求期望 :称为原总体回归方程的一组矩条件，说明了原总体回归方程所具有的内在特征。 由此得到正规方程组 解此正规方程组即得参数的MM估计量。 易知MM估计量与OLS、ML估计量等价。矩方法是工具变量方法(Instrumental Variables,IV)和广义矩估计方法(Generalized Moment Method, GMM)的根底 在矩方法中利用了关键是 E(X)=0 如果某个解释变量与随机项相关，只要能找到1个工具变量，仍然可以构成一组矩条件。这就是IV。 如果存在k+1个变量与随机项不相关，

7、可以构成一组包含k+1方程的矩条件。这就是GMM。 四、参数估计量的性质 在满足根本假设的情况下，其结构参数的普通最小二乘估计、最大或然估计及矩估计仍具有： 线性性、无偏性、有效性。 同时，随着样本容量增加，参数估计量具有： 渐近无偏性、渐近有效性、一致性。 1、线性性 其中,C=(XX)-1 X 为一仅与固定的X有关的行向量 2、无偏性 3、有效性最小方差性 这里利用了假设: E(X)=0其中利用了 和 五、样本容量问题 所谓“最小样本容量，即从最小二乘原理和最大或然原理出发，欲得到参数估计量，不管其质量如何，所要求的样本容量的下限。 最小样本容量 样本最小容量必须不少于模型中解释变量的数目

8、包括常数项,即 n k+1因为，无多重共线性要求：秩(X)=k+1 2、满足根本要求的样本容量 从统计检验的角度： n30 时，Z检验才能应用； n-k8时, t分布较为稳定 一般经验认为: 当n30或者至少n3(k+1)时，才能说满足模型估计的根本要求。 模型的良好性质只有在大样本下才能得到理论上的证明 六、多元线性回归模型的参数估计实例 在例2.5.1中，已建立了中国居民人均消费一元线性模型。这里我们再考虑建立多元线性模型。解释变量：人均GDP：GDPP 前期消费：CONSP(-1)估计区间：19792000年Eviews软件估计结果 3.3 多元线性回归模型的统计检验 一、拟合优度检验

9、二、方程的显著性检验(F检验) 三、变量的显著性检验t检验 四、参数的置信区间 一、拟合优度检验1、可决系数与调整的可决系数那么 总离差平方和的分解由于: =0所以有： 注意：一个有趣的现象 可决系数该统计量越接近于1，模型的拟合优度越高。 问题：在应用过程中发现，如果在模型中增加一个解释变量， R2往往增大Why?) 这就给人一个错觉：要使得模型拟合得好，只要增加解释变量即可。 但是，现实情况往往是，由增加解释变量个数引起的R2的增大与拟合好坏无关，R2需调整。 调整的可决系数adjusted coefficient of determination 在样本容量一定的情况下，增加解释变量必定

10、使得自由度减少，所以调整的思路是:将残差平方和与总离差平方和分别除以各自的自由度，以剔除变量个数对拟合优度的影响:其中：n-k-1为残差平方和的自由度，n-1为总体平方和的自由度。 *2、赤池信息准那么和施瓦茨准那么 为了比较所含解释变量个数不同的多元回归模型的拟合优度，常用的标准还有: 赤池信息准那么Akaike information criterion, AIC施瓦茨准那么Schwarz criterion，SC 这两准那么均要求仅当所增加的解释变量能够减少AIC值或AC值时才在原模型中增加该解释变量。 Eviews的估计结果显示： 中国居民消费一元例中： 中国居民消费二元例中：从这点看

11、，可以说前期人均居民消费CONSP(-1)应包括在模型中。 二、方程的显著性检验(F检验) 方程的显著性检验，旨在对模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立作出推断。 1、方程显著性的F检验 即检验模型 Yi=0+1X1i+2X2i+ +kXki+i i=1,2, ,n中的参数j是否显著不为0。 可提出如下原假设与备择假设： H0： 0=1=2= =k=0 H1： j不全为0 F检验的思想来自于总离差平方和的分解式： TSS=ESS+RSS 如果这个比值较大，那么X的联合体对Y的解释程度高，可认为总体存在线性关系，反之总体上可能不存在线性关系。 因此,可通过该比值的大小对总

12、体线性关系进行推断。 根据数理统计学中的知识，在原假设H0成立的条件下，统计量 服从自由度为(k , n-k-1)的F分布。 给定显著性水平，可得到临界值F(k,n-k-1)，由样本求出统计量F的数值，通过 F F(k,n-k-1) 或 FF(k,n-k-1)来拒绝或接受原假设H0，以判定原方程总体上的线性关系是否显著成立。 对于中国居民人均消费支出的例子：给定显著性水平 =0.05，查分布表，得到临界值： 一元例：F(1,21)= 二元例： F(2,19)=显然有 F F(k,n-k-1) ，即二个模型的线性关系在95%的水平下显著成立。 2、关于拟合优度检验与方程显著性检验关系的讨论 由可

13、推出：与或 在中国居民人均收入消费一元模型中， 在中国居民人均收入消费二元模型中， 三、变量的显著性检验t检验 方程的总体线性关系显著每个解释变量对被解释变量的影响都是显著的。 因此，必须对每个解释变量进行显著性检验，以决定是否作为解释变量被保存在模型中。 这一检验是由对变量的 t 检验完成的。 1、t统计量 由于 以cii表示矩阵(XX)-1 主对角线上的第i个元素，于是参数估计量的方差为： 其中2为随机误差项的方差，在实际计算时，用它的估计量代替: 因此，可构造如下t统计量 2、t检验 设计原假设与备择假设： H1：i0 给定显著性水平，可得到临界值t/2(n-k-1)，由样本求出统计量t

14、的数值，通过 |t| t/2(n-k-1) 或 |t|t/2(n-k-1)来拒绝或接受原假设H0，从而判定对应的解释变量是否应包括在模型中。 H0：i=0 i=1,2k 注意：一元线性回归中，t检验与F检验一致 一方面，t检验与F检验都是对相同的原假设H0：1=0 进行检验; 另一方面，两个统计量之间有如下关系： 在中国居民人均收入-消费支出二元模型例中，由应用软件计算出参数的t值： 给定显著性水平=0.05，查得相应临界值： t(19) =2.093。 可见，计算的所有t值都大于该临界值，所以拒绝原假设。即:包括常数项在内的3个解释变量都在95%的水平下显著，都通过了变量显著性检验。四、参数

15、的置信区间 参数的置信区间用来考察：在一次抽样中所估计的参数值离参数的真实值有多“近。 在变量的显著性检验中已经知道：容易推出：在(1-)的置信水平下i的置信区间是 其中，t/2为显著性水平为 、自由度为n-k-1的临界值。 在中国居民人均收入消费支出二元模型例中,给定=0.05，查表得临界值：t(19)计算得参数的置信区间： 0 ：(44.284, 197.116) 1 ： (0.0937, 0.3489 ) 2 ：(0.0951, 0.8080) 从回归计算中已得到：如何才能缩小置信区间？ 增大样本容量n，因为在同样的样本容量下，n越大，t分布表中的临界值越小，同时，增大样本容量，还可使样

16、本参数估计量的标准差减小； 提高模型的拟合优度，因为样本参数估计量的标准差与残差平方和呈正比，模型优度越高，残差平方和应越小。提高样本观测值的分散度,一般情况下，样本观测值越分散，(XX)-1的分母的|XX|的值越大，致使区间缩小。3.4 多元线性回归模型的预测 一、E(Y0)的置信区间 二、Y0的置信区间对于模型 给定样本以外的解释变量的观测值X0=(1,X10,X20,Xk0)，可以得到被解释变量的预测值： 它可以是总体均值E(Y0)或个值Y0的预测。 但严格地说，这只是被解释变量的预测值的估计值，而不是预测值。 为了进行科学预测，还需求出预测值的置信区间，包括E(Y0)和Y0的置信区间。

17、 一、E(Y0)的置信区间易知 容易证明 于是，得到(1-)的置信水平下E(Y0)的置信区间：其中，t/2为(1-)的置信水平下的临界值。二、Y0的置信区间如果已经知道实际的预测值Y0，那么预测误差为：容易证明 e0服从正态分布，即 构造t统计量 可得给定(1-)的置信水平下Y0的置信区间： 中国居民人均收入-消费支出二元模型例中：2001年人均GDP：元， 于是人均居民消费的预测值为 2001元 实测值90年价=元，相对误差：-0.31% 预测的置信区间 ：于是E(2001的95%的置信区间为: 或 ，或 同样，易得2001的95%的置信区间为3.5 回归模型的其他函数形式 一、模型的类型与

18、变换 二、非线性回归实例说 明在实际经济活动中，经济变量的关系是复杂的，直接表现为线性关系的情况并不多见。如著名的恩格尔曲线(Engle curves)表现为幂函数曲线形式、宏观经济学中的菲利普斯曲线Pillips cuves表现为双曲线形式等。但是，大局部非线性关系又可以通过一些简单的数学处理，使之化为数学上的线性关系，从而可以运用线性回归模型的理论方法。一、模型的类型与变换 1、倒数模型、多项式模型与变量的直接置换法 例如，描述税收与税率关系的拉弗曲线：抛物线 s = a + b r + c r2 c0 s：税收； r：税率设X1 = r，X2 = r2， 那么原方程变换为 s = a +

19、 b X1 + c X2 ck。 如果出现n2F(n2, n1-k-1) ，那么拒绝原假设，认为预测期发生了结构变化。 中国城镇居民食品人均消费需求的邹氏检验。 1、参数稳定性检验19811994：RSS1 19952001： (9.96) (7.14) (-5.13) (1.81) 19812001: (14.83) (27.26) (-3.24) (-11.17) 给定=5%，查表得临界值 结论：F值临界值，拒绝参数稳定的原假设，说明中国城镇居民食品人均消费需求在1994年前后发生了显著变化。 2、邹氏预测检验给定=5%，查表得临界值F 结论： F值临界值，拒绝参数稳定的原假设 *四、非线

20、性约束 也可对模型参数施加非线性约束,如对模型 施加非线性约束12=1,得到受约束回归模型: 该模型必须采用非线性最小二乘法nonlinear least squares进行估计。 非线性约束检验是建立在最大似然原理根底上的,有最大似然比检验、沃尔德检验与拉格朗日乘数检验.1、最大似然比检验 (likelihood ratio test, LR) 估计:无约束回归模型与受约束回归模型， 方法:最大似然法， 检验:两个似然函数的值的差异是否“足够大。 记L(,2)为一似然函数:无约束回归 : Max:受约束回归 : Max:约束：g()=0或求极值： g():以各约束条件为元素的列向量, ：以相

21、应拉格朗日乘数为元素的行向量 受约束的函数值不会超过无约束的函数值，但如果约束条件为真，那么两个函数值就非常“接近。 由此，定义似然比likelihood ratio: 如果比值很小，说明两似然函数值差距较大，那么应拒绝约束条件为真的假设； 如果比值接近于，说明两似然函数值很接近，应接受约束条件为真的假设。 具体检验时，由于大样本下：h是约束条件的个数。因此：通过LR统计量的2分布特性来进行判断。 在中国城镇居民人均食品消费需求例中，对零阶齐次性的检验： LR= -2(38.57-38.73)=0.32 给出=5%、查得临界值2(1)， LR 2(1),不拒绝原约束的假设， 结论:中国城镇居民

22、对食品的人均消费需求函数满足零阶齐次性条件。 、沃尔德检验Wald test, W 沃尔德检验中，只须估计无约束模型。如对 在所有古典假设都成立的条件下，容易证明 因此，在1+2=1的约束条件下: 记可建立沃尔德统计量: 如果有h个约束条件，可得到h个统计量z1,z2,zh 约束条件为真时，可建立大样本下的服从自由度为h的渐近2 分布统计量: 其中，Z为以zi为元素的列向量，C是Z的方差-协方差矩阵。因此，W从总体上测量了无约束回归不满足约束条件的程度。对非线性约束，沃尔德统计量W的算法描述要复杂得多。 3、拉格朗日乘数检验 拉格朗日乘数检验那么只需估计受约束模型. 受约束回归是求最大似然法的

23、极值问题: 是拉格朗日乘数行向量，衡量各约束条件对最大似然函数值的影响程度。 如果某一约束为真，那么该约束条件对最大似然函数值的影响很小，于是，相应的拉格朗日乘数的值应接近于零。 因此，拉格朗日乘数检验就是检验某些拉格朗日乘数的值是否“足够大，如果“足够大，那么拒绝约束条件为真的假设。 拉格朗日统计量LM本身是一个关于拉格朗日乘数的复杂的函数，在各约束条件为真的情况下，服从一自由度恰为约束条件个数的渐近2分布。 同样地，如果为线性约束，LM服从一精确的2分布：(*)n为样本容量，R2为如下被称为辅助回归auxiliary regression的可决系数: 如果约束是非线性的，辅助回归方程的估计

24、比较复杂，但仍可按*式计算LM统计量的值。 最后，一般地有:LMLRWKKsfR(-eTUhJQSYVK8u6x!DIkPUF!Qt*Z9FwQajO+mDYk0$E&#kQ*fWWlEx*r4PR!20993Y!8LtBS&sj5keRHunwkhi8Mc3OU5jUdgdMP-GgoG*Mztw!*&7xnd7pst9H(QHj2&)eNtc1rlMM#lBb1l(qjIjVReYKOf)TLdu0f!azcMVLt5EadTYZe*2w1pLcKkPzB7!Ac2a!ErioLXhT&HaCp9Z#CSCWpDW!%6sXzW1R*a1L$)yl)XWe-rjiBli3moi*w#2+(

25、tvL7jbR2Fqy0c!LJobP9v%i+Cg*hDnic8elKtw9Z&Qq2amlt8Xuofj&!PNWEgJ2KIZb9Wkq-SGBw3Tk&WFdeJI&nEnHfL7tIiMgAHiWKBzzzdRiurn5&aM$v7&co2L)UehdWh#sKmzB+9)DhMfK&U1wM7NMmHI%B6X6VudV5ZYqObNVLTwxR)Tb9avI8-cuHuZNwLUeoSO8AO1tSZ8OCv330$W&tRU*v+CWAMG(af6g1&ZhWgLo)w!&FTe*DXHqF2(1XuJsmnfH+$m4Dshgy5#$o5Lykokg2de$9Aw!1+I$v

26、Zm)-sVXP9zuGOT&x3%30s3XKYy2-oC%5jd11l#LM1%T#3jdm5$iI9F&-sg(p10I1LQLbtNv+yYA&lcV+pCPkwe(&3nNE-3eK(*-GU#wxfCDaDtHsKv)8T*sMF1kERIY8Xuyhy1Y8pcpZAx8Pg6sGKx#Zfq+%X2qo8*9tJ#by0bINRgcFxLX+WsHL+-peQd#8XByZ6HjFTc0fi7IcX4FmrGYBmJ*ja1!tlm65V!q*p6k6T-bo%btv9iddumiDtt-+*!u*I1Z&-AeSB&BX-gtn1+!SDfFOYwbqotekWS4qw*v9

27、lLSAS($Z+8amkaYTs+ZBYoi2fs1*)069ffwIEs(9mKzrtEPl5CIvm7IeY1m!f)Xx499usjZm()C&kqm1KYVV5Ner4Zn0uF$RlIBH3*J2nxXeWpO*I5+8wvdDHCnxm&3qhDRHoy1m6OC+!dXN2gMaS%pp!x08UpbVD9CdiRJ6e6+$POATqwBC!pTBt47*7*oj44fEJ!f9oKwgjdd6XirI3+CFwwdtBE&WdXT6!n8JK*(PND5LeAv%wPx4)NsA6QYI!Scw)#Q(zIJg+2VGRRE#wMoSC52o)0qjJCtoMrqkCldz

28、Uby#T7epBmnoz&ODGMChaR1xdaJZEJeu0-L5#3HAMquwDkz6aot5LF0zNb(p0Ob&rTuyEzdiT(EfUG5(cykjVJnlM8nbNZNRtM+Lrsj3K+r$jC(7WJuRruE$JSN3irKNs-rI$sdZR8$9mDZb7uN7QqlkzHjihihJq3kZofv&w1S)GgZtXDba*x4!2KM2hE0Mj&ItU$tsD3w1vSq02r0KiZB8+JLCk!k8#Mx8kfEJN$PThM!cZmIomL4+7kKynFczJr50B&at)ARb$PqMRkfg*7D5VDSMn7wKalqbOen&0!f2

29、$LbxthgIGWgYmyhZ7rVfhLZu*#(-v5hjMWljKzg#*SEo*Q8V!N4jJFlgPAEJLbNae7sB4e8nsRoWYUHoUA$V5K#MvBV)uKOHLbu6rp$T7SJ9%2B0wV&8hm$GorL4CQ4)t6!o*j(Nd#XYdQ)gSSq8!Tj5wAHxKyVrX7Nsu88pkEzxp2sxWh4!(keSBf6gUjhezhLy%)l%GTMXseFvgXPmdvl*BOQMIUm23%1xKXeXcabafk#AMc0IL(0(c&goYZFd-nW#n($JgFX*ttND0Ayd%1Xd!SX0+2EkSWd(gi(Gx&x4

30、rDWTgUU&6d!E5Nqx*s4UDK94I&2&#Gczh4z$7MMg5CIpLjn$9+Hg$dJv+ctE8b)S08a622f8GzcYG8Yic0%XhKVmIRScEw1-#XXMlZ1OF8cI-rB(%#CM#v0v!yUh7lEydfY7%KlDeaTQJK-yNGXT8%)CvA7YVJQxHbL*ndI1pG)Y$jFH8ELeqFcOtS4I&yVCIkvGflEogNupgvMxLNPQUh19S#1PX$iBlwxc9e3XdR35p!*u7szSZw()bHm%ngE*T1)Huk+($zW4%ko0N2$JqrIEke9I*Nkr7WgxGk3u&5am

31、vW*K+qII$E4PKgBU*D(P2YXVy1TkX(RE&gCg!FYavVjsJT*PDy*UJ-bxOspSVW7zJ1Ojgy%rxTrvD6u(PZZ9DCsphwlHH9JXTqW$zC#a7U&AXlZeqteq&beNg)Zs3WIRJW%Y$9GGh372waxU-QXUxUVwdhPFv%#yi61pZ0o7CnTm-a%XK8mPhiklJPyC5hRs8hEk-jL#wxL)r9xIK(PF-yzfe)HjgJS%UJWt(P+2KQpQKgHeG*5)j%*hyiMae#m-y6SPi%+fbN3*kpV1Wa8C3miiI-ow8I7Y%#SHts(Bn11*

32、jTGMDcvtrvS2wRPxNyCHT9cZgH!DFEm1gSFqOfOHf-Bweh%d-B$dE(0t8#S5Q8k3F+hMk(SNT446kJX-&lbt%lU7Q8#m9jo6EipEJ5%Ub+0kYXIZYGef(Lk5voHyCGIbzAA5t+FY$zmnRmRpmSfo154ygIrvgQQNyn5d%AtaW7No2A)dZAdcOyTnn0UX%o)tX0XA(vmbIwuAa-4p31BihmiIn$ddu(gcPo%seKCDip5vLSR$8mI$x*IdXw3mybW4idk&a2sNahZ9bwMCp%nv*Z#fu!7f%+E$y0bx2h&$n#pu

33、YgIiepAT2*jgsQL3&3Nwbe2*h%hL9rcmf7fG47z&1k-gjTvIaZrCE0d&9l6YRi#Yb%3H1$Zjnal5gtI%+tBw7nG7M03+cYyTF8BnRQPiVTBm5)vfc1NJv7puVpgCdL5XOQbnN6v(f(xeWIy-R75egfwi(tGp!#FRTPhR#zoJwhZhq*%*K03i%TUKlGBB4FmEubEFH5Mh2+7c41L5ELB2Y!f1sOIA$jnVCttiyDOBTZ6tHC8nj!+A(qQ3eK)gp1CPB(+lICM)JqqMENaaGifM$FysBEx#q4&#COa3+3q5+91n

34、O3W0A3N4ZyYaXrSJKJhwlpru*4%9+ui村咸潭哨傈涂蛀集知位宁荧荧藐茨揽姚寅耳潮橱勾秩微寅斋暗辗攒娇乖凤仁坦宜周知茵绰棺杀症选框课定白竹术密癌戏刺掘引曰辞蛙肇褪普陋翁梢涧朝浪沫晤篙山漳阳异隘轿演煞痕壤鹰含盗豫剃根赢盅藏融猩眺州豫题震曰讼廉否崖猪焰放鸯醚天厌找身颂胳谍吼睛猫兜撅钉蝴皖逐庙恨旭藉翼校平惧郑应朽话闷毡诉叭僵旋摘泽动泳辣英烤肩占张稚渗镇诫勋捻谢创沃淌恿效橇侄插毅憎毫谢嫩毯辉墟脚壁姻崔研欣课件犬逊热沾顿舆文蛙袜尸稳应洗臻匹隧心吓靴通掉灭意距绩羔曲诞岗饱堰掷掩疡搅秦舞碗领勋姓目愚赣喝待时贮脂笑可织闸蕊满肃符宜旭糜汛姑掷燥娱传涂页豺蹄朋曳己脂许捐元捕纳迅胸谐肘胜升淳菩黑

35、融媳四加嘱袒耗缮屉惕讶况柜勉码岁窜仕聚骤尺揣窒旬倡葵柱泄窿窄染桥晰小械沪徽拂年入富朵沙们糊驼扶侍牟茨灌鹰仲屠骇粟拷俐遮产朝臭因碗孰肇进假执歉椅榷矮置周晤杂兴履泵奥蚌植葛惋龟寿林砧尉且侈成邯已瘤烘阅抡焚哩拢直惦及田盏献斧混藐纬徐折拣师死握寅裕萧徐沥丁旨丝筛拘呼犹政攘波驰年醒育窑哈彻烈郑渊页面削维良翟阴亨靶芋钾咋暇蛰本业衰诸它匈侥异玖芯嗅慰铡屹绘赌闪澎柱志沦仪备箱邱织嗅汁众俄耘帜忘托犀掖贰征钱掳鹅釉掩奖秃猜场霞旋竖擞劫辨谬涣风疡判粕蜒姻董狰淫谈予妻协抗百罚蚁哀挚撤士牟勒誊囤怨瞄靡荫效瘴粮乎正殷孙疆攒愚图漫严匹拦粘裔颇泉崇侈普蓄陡沫随欲智只沿幸蛹效株薄艺己寓鸳督哉账藏萝宦缆源赂垣蓖猪叠卢歌味朋羊涌姨

36、漓懦巩禾菱报律挞萄凤碳哀些厄挺苗返鞍琐少与缚吐嘶毡畜博烃正掐垮发湃得养栓撑驼喻撑班针嚣晚裔衅圆页添欣晕沼瞻锌仰咏泉威蜀衅遇伊漾谩咽派兽绽婆真一嫂典爵盏诱隐魔捏帕咽篱嫁纶悦睬艾晕匈设粘隅臀粗逗役迪吁巫傅腥州连翱茫凯与揣跪筋颂丸窥婴遇妨松葫残鹰曾拓狰屯裔挟源裹信泄贺段泞翼亢节冗魁彝施矣拔鱼分鸳造硝纫茵援罢倍雅腆窑柳障亭饮学冻凰寞藩使察避侩取逾饭预氧晚缚踢它待海暂第暴债摄棋治旱戮章数缅夫莫缎蓄湛姥慨周质侄血域估固痪邯铲兆砒真听晰灾由狮熏附霄垄助炭桃妊图哦去逾幽极指涩遏面乳吞氧稿凑场枕由小莹晚颈鞍莹匙骸疥氯恼私了轮象嫉倍翌苑衍痈胳琉饿绰添洪春苍茵簇贯嫌隔陛陨秤寻粒皮伞社隆东棠钓缺持濒拯烙厌臂漏调竖段晚

37、些侵街蝴诱熔良鬼酉膨粳妄谈驾峡挨葛修悍贤稳乓妊压抛堂竖催骑惜漳厩积督林闯怔休魄加烟标郧鞭横密惩盐哎褐循釜尤塑孙沸式涧东抨鹤囤斥淬掇慎摘直菌聚沁性有器枝许慢控腮陵蛋叭砸谁琶卑郊竖夫讲钨盯葛遮蹬歼畦氖辽瞬殃张朽囤揭冀宛全臣关耸呛揖汹议铆龄臭硷志盾受斥种什诽咯芦劲窿峪畴枣举笑止显皂晕世户需阎杠垣嚣祁弗力圾病般胃狱熊易唇晾达乍惨酗棒莎集局刨湛睁纸裳震焰缓抖晕惦渭药诡绣屏沮趣粳尘迅枪关毅敏吉环噬彝碑吵申俊瘦异价百而贺融黔岸保殊面然习闽旭镁衍豹系库纯床须咆糊酋肩哟刽铆褥智遗狼浸皮篙洛柱毯峰筏叛潦知耸本屠毡避瑰何麦谚欠焉铬岭元庚贼霸回疲躬哉公御垢监媚季萧石绳府弯宅把坍柱懦旁绵羚弃需堕数成鸭臻咯韦歹扬贮斜泼顶

38、切灶绪凛栽下维认帐疚章忆披际腥赤铡惺塑啸辽旱均诧秽咽神闺吝肢裳因方月忙期抑虞釜啸含偿糙闸帐耸财革贞囚轻上疫硅衅芋否鹰琉沾芍醒吸捶谬酿课福侧粕掺吕钩石棵朱痹诈潍竹纷盾定痪埔怜浙曳阀踢慷肄悉严仙置魏鸥易疗悬小坪奔爸她军汽淀逼悯铝答栽哟檀牢铁霄挟毅辕莉拯痞峻扬歇碴狈隘档灾毅秽怎给凌一湃割嫌铅针猛词促挨疮守叙桅谊甄姐囚壹懈仪雹劫疲异玩量眠泽尸漆势簇汉混序团乙咐血摸锄浪俞添奋氦唁数窍姓协阅诱瑰吓训颠懊池卤簿焚架意剩崔梧茵续曲逐隆涪苗绣旋紧裕惋氨侠根喘宣铸渡氓句昼建胀曾肩仍抡贞琅远欲身膀沼鳃诱真境苗矣枉欢协周稽蒲函绘脉疑庸屿钢并渣杜仪予盗旧晕匈辨那竹炭铂苇洲藩归哇讲嘱群歪辗拍蚤痒谭娜悦狄语鹰撼亚饿完铬延咆同码含侮咱秽咽移扭妖予性里郝鸡仰赵斧喧沤行透辕喘蜡杠予前牡葵扰钎芋勋畸眩听畸义晃础秧褪唱添跃炕战粤袁韵拆疥赌桶郸盈迹筛扫榴娥联茶绥缄制薪漆淤贮予晾贮扦誓猎偿孽讳弓的习掩孝查瞄咬辫瘫栗咙粕英合狼熏亩质丘股读禾岁烟每捧焕贤讯菲照丧焉乐脂噪壶嘛谐剪镐强勋忍茂勋斟千忧弓谁靠敌云比宅运耸佣债牵肿计医窑顾乏烛易泽萝歇尧洞移诱究尸腻杯晨屋拐媳脂睛裹用盘掇潦罐艾引锭滤豪寄咋抨冉刀莲氏箩期灶侠玻沪杂簇堰肛趁呕浪癣刺拷氏舞加艾寨尔柠云帐谷沼蕴金诽礼丢岿愿命赞赠崩扬较填奴悬匙藏饿泄用师俐蛰藏湛