第七章 SPSS方差分析1

合集下载

SPSS操作—方差分析

SPSS操作—方差分析
• 常用方法备选:
– LSD法:t检验的变形,在变异和自由度的计算上利用了整个样本信息。 – Duncan 新复极差测验法 – Tukey 固定极差测验法 – Dunnett最小显著差数测验法 等
• 实现手段:
– 方差分析菜单中的“Post hoc test…”按钮
步骤一: 同one-way ANOVA
• Gabriet(盖比理法):用正态标准系数进行配对比较,在单元 数较大时,这种方法较自由;
• Waller-Duncan(瓦尔-邓肯法):用t统计量进行多重比较检验。 使用贝耶斯接近;
• Dunnett(邓尼特法):最小显著差数测验法,进行各组与对照 组的均值,默认的对照组是最后一组;选定此方法后,激活 下面的Control Catetory参数框,展开小菜单,选择对照组
• Tukey’s-b(图基s-b法):用student range分布进行组间均 值的配对比较。其精确值为前两种检验相应值的平均值;
• Duncan(邓肯法) :新复极差测验法,指定一系列的的 Range值,逐步进行计算比较得出结论;
• Hochberg’s GT2(霍耶比GT2法):用正态最大系数进行多 重比较
df Mean Square F 36846.231357.467
15 43.477 18
Sig. .000
• 第一栏:方差来源
• 第二栏:离均差平方和
• 第三栏:自由度
• 第四栏:均方(第二栏与第三栏之比)
• 第五栏:F值(组间均方与组内均方之比)
• 第六栏:F值对应的概率即P值
存在问题与解决方法
方差相等时可选 择的比较方法
方差不等时可选 择的比较方法
用t检验完成各组 均值的配对比较

第七章 SPSS方差分析1

第七章 SPSS方差分析1

其中:
k ni
SST (xijx)2 i1 j1
k ni
k
SSA (xix)2 ni(xix)2
i1j1
i1
k ni
SSE
(xij xi)2
i1 j1
各离差平方和的计算-例题
问题:学历是否对基本工资影响是否显著
学历
1
1
1
1
2
2
2
2
2
2
基本工资 1,014 8480 827 889 984 859 1,014 989 879 879
响,那么它和随机变量共同作用必然使得观测变量
值显著变动;反之,如果控制变量的不同水平没有
对观测变量产生显著影响,那么观测变量值的变动
就不明显,其变动可以归结为随机变量影响造成的

• 在观测变量各总体服从正态分布和同方差的假设之
上,方差分析的问题就转化为控制变量不同水平上
的观测变量均值是否存在显著差异的推断问题。
1、先验对比检验
如果发现某些水平与另一些水平的均值差距显 著,就可以进一步比较这两组总的均值是否存在显 著差异。在检验中,SPSS根据用户确定的各均值的 系数,再对其线性组合进行检验,来判断各相似性 子集间均值的差异程度。
2、趋势检验
当控制变量为定序变量时,趋势检验能够分析 随着控制变量水平的变化,观测变量值变化的总体 趋势是怎样的。
3、Post Hoc选项用来实现多重比较检验
提供了18种多重比较检验的方法。其中Equal Variances Assumed框中的方法适用于各水平方差齐性 的情况; Equal Variances Not Assumed框中的方法适 用于各水平方差不齐的情况。在方差分析中,由于其前提 所限,应用中多采用Equal Variances Assumed框中的 方法。多重比较检验中,SPSS默认的显著性水平为 0.05,可以根据实际情况修改Significance level后面的 数值以进行调整。

《SPSS数据分析教程》方差分析

《SPSS数据分析教程》方差分析

方差分析的术语



试验中的实验结果是需要分析的变量,称为响应变量, 或者因变量。方差分析的因变量必须为尺度类型的数 据(即连续数据)。 影响试验结果的因素即为影响响应变量的变量,称为 自变量或者因子。根据试验中这些因素的处理方式, 因素可以分为控制因素、随机因素和协变量。 因子的不同取值称为因子的不同水平。 控制因素一般要求为分类变量,而协变量要求为尺度 数据。


误差之间相互独立,并且也独立于模型中的其 他变量。一般好的试验设计都可以避免违反该 条件。 不同处理的误差为常数。 误差服从均值为0的正态分布。
举例

一家连锁零售商店对它们客户的购买习惯进行 了一项调查,它记录了客户性别,购买模式、 上一个月的购买金额等信息。该商店需要了解 在控制客户性别的条件下,是否客户购买的频 率和花费的金额有关系,以此来决定是否采取 相应的促销活动。
轮廓图
轮廓图为各个总体的均值的折线图,从中可以直观 的看出各个总体均值的趋势。
多因素方差分析

如果影响试验结果的因素有两个或者两个以上, 是否不同的处理对试验结果有显著性影响,不 同的因素是否有交互作用?可以应用SPSS的 一般线性模型(GLM)来完成多因素的方差 分析。
SPSS GLM过程假设条件
Bonferroni和Tamhane多重比较的结果是一致的。即培训2天和培训 3天没有显著的区别,而培训1天与另外两种培训都有显著区别。
同质子集
Tukey B两两比较输出的结果,它把在5%的显著性 水平下没有区别的总体放在同一列,作为同类子集。 这里,培训2天和培训3天没有显著区别,它们作为 一类。而培训1天单独作为1类。
协方差分析的数学模型

协方差分析的数学模型为

SPSS试验方差分析

SPSS试验方差分析

SPSS试验方差分析方差分析是一种用于检验多组数据之间差异是否显著的方法。

在SPSS软件中,方差分析的主要功能实现在“分析-方差”菜单项下,包括单因素方差分析、方差分析比较两个或多个均值以及重复测量方差分析等。

单因素方差分析单因素方差分析适用于只有一个自变量的情况。

单因素方差分析的目的是确定这个变量不同水平之间的差异是否显著,如果显著则可以得出结论,这个自变量对因变量有显著影响。

为了进行单因素方差分析,需要输入数据并选择相应的分析选项。

例如,假设有两个班级,每个班级有10个学生。

这些学生分别接受了两个不同的课程,然后根据每个班级的平均成绩,我们想测试课程是否有显著差异。

在SPSS中进行单因素方差分析,需要先添加数据并确定自变量和因变量。

步骤:1. 打开SPSS,导入数据文件。

2. 选择“分析”菜单,并在“方差”子菜单下选择“单因素方差分析”。

3. 将自变量和因变量放入相应的输入框中。

4. 点击“设置”按钮,设置所需的分析选项。

在输出窗口中,可以看到方差分析表,其中包括相关参数的显著性水平(P值),以及F值和相应的自由度。

根据F值和P值,可以得出结论,即该自变量对因变量是否有显著影响。

方差分析比较两个或多个均值方差分析比较两个或多个均值的目的是确定两个或多个独立样本(平均值)之间的差异是否显著。

通常,此类数据需要存储在两个或多个变量中。

为了进行方差分析比较两个或多个均值,需要选择适当的分析选项。

重复测量方差分析重复测量方差分析用于比较两个或多个组的平均值,其中每个组都接受了多次测量。

这种方法通常适用于测试同一组受试者在不同时间或不同条件下的表现,并检测差异是否显著。

为了进行重复测量方差分析,需要选择适当的分析选项。

第七章 SPSS的相关分析

第七章  SPSS的相关分析

单因素方差分析

当一个变量为定类变量,另一变量为定距 变量时,两变量间是否有关,通常以分组 平均数比较的方法来考察。即按照定类变 量的不同取值来分组,看每个分组的定距 变量的平均数是否有差异。不同组间的平 均数差异越小,两个变量间的关系越弱; 相反,平均数差异越大,变量间关系越强。
单因素方差分析的基本步骤

最后,对不同看法进行分析。如果显著性 水平设为0.05,则概率值小于0.05,拒绝原 假设,认为本市户口和外地户口对未来三 年是否打算买房的看法是不一致的。

在列联表中,这一定理就具体转化为:若 两变量无关,则两变量中条件概率应等于 各自边缘的概率乘积。反之,则两变量有 关,或称两变量不独立。
由此可见,期望值(独立模型)与观察值 的差距越大,说明两变量越不独立,也就 越有相关。因此,卡方的表达式如下:
X
2


j i
( O ij E ij ) 2 E ij
第七章
相关分析与检验
主要内容
方差分析回顾 相关分析的概念
列联分析
简单相关分析
偏相关分析
方差分析回顾
概念:方差分析是从因变量的方差入手,研究诸 多自变量中哪些变量是对因变量有显著影响的变 量,对因变量有显著影响的各个自变量其不同水 平以及各水平的交互搭配是如何影响因变量的。 方差分析认为因变量的变化受两类因素的影响: 第一,自变量不同水平所产生的影响; 第二,随机变量所产生的影响。这里的随机变量指 那些人为很难控制的因素,主要指试验过程中的 抽样误差。
卡方的取值在0~∞之间。卡方值越大,关 联性越强。在SPSS中,有Pearson X2和 相似比卡方(Likelihood Ratio X2 )两种。

《SPSS数据分析教程》方差分析

《SPSS数据分析教程》方差分析

《SPSS数据分析教程》方差分析方差分析是一种常用的统计方法,用于比较三个或三个以上组之间的均值差异是否显著。

它用于探究不同组别的因素对所研究的因变量的影响是否具有统计显著性。

在SPSS数据分析教程中,方差分析是一个非常重要的分析方法。

本文将介绍方差分析的原理、SPSS中的操作步骤以及结果的解读。

方差分析的原理是基于三个或三个以上不同组别之间的方差之间的比较来判断均值之间的差异是否显著。

方差分析的核心思想是通过比较组内方差与组间方差的大小来判断均值的差异是否显著。

方差分析的原假设是所有组别的均值相等,而备择假设是至少存在一个组别的均值与其他组别的均值不相等。

在SPSS中进行方差分析的操作步骤如下:步骤1:打开SPSS软件,点击“变量视图”页面。

在第一栏输入不同组别的名称,例如“组别1”、“组别2”、“组别3”。

步骤2:在第二栏输入待分析的因变量名称,并设置其测量类型为“比例”。

步骤3:点击“数据视图”页面,输入各组别的数据。

确保每个组别的数据都在同一列中,并且分组的数据之间用“空格”或“逗号”隔开。

步骤4:点击菜单栏上的“分析,—比较手段,—单因素方差分析”。

步骤5:在方差分析的对话框中,将因变量移入因变量方框,将分组变量移入因子方框。

步骤6:点击“选项”按钮,出现选项对话框。

可以选择计算哪些统计量,如均值、标准差、总和平方和等。

步骤7:点击“确定”按钮,SPSS将得出方差分析的结果。

方差分析的结果包括了多个统计量,如SS(组间平方和)、SS(组内平方和)、MS(组内均方和)、MS(组间均方和)、F值和P值。

-SS(组间平方和)反映了组间差异的大小,SS(组内平方和)反映了组内差异的大小。

-MS(组间均方和)是SS(组间平方和)除以自由度(组间)得到的,反映了组间差异的平均大小。

-MS(组内均方和)是SS(组内平方和)除以自由度(组内)得到的,反映了组内差异的平均大小。

-F值是MS(组间均方和)除以MS(组内均方和)得到的,是判断组间差异是否显著的依据。

SPSS中的方差分析法(1)

SPSS中的方差分析法(1)

方差分析(多因素,协方差)一、方法名称单因素二、定义(方法及结果)三、用途四、实现过程1、格式数据整理2、提交显示3、分析变量处理:自变量、因变量ANOVA检验:显示表,是否齐次1 方差分析法方差分析是一种是一种假设检验,它把观测总变异的平方和自由度分解为对应不同变异来源的平方和自由度,将某种控制性因素所导致的系统性误差和其他随机性误差进行对比,从而判断各组样本之间是否存在显著性差异,以分析该因素是否对总体存在显著性影响。

2 样本数据要求方差分析法采用离差平法和对变差进行度量,从总离差平方分解出可追溯到指定来源的部分离差平方和。

方差分析要求样本满足以下条件:2.1 可比性样本数据各组均数本身必须具有可比性,这是方差分析的前提。

2.2 正态性方差分析要求样本来源于正态分布总体,偏态分布资料不适用方差分析。

对偏态分布的资源要考虑先进行对数变换、平方根变换、倒数变换、平方根反正弦变换等变量变换方法变换为正态或接近正态后再进行方差分析。

2.3 方差齐性。

方差分析要求各组间具有相同的方差,满足方差齐性。

3 单因素分析法实验操作单因素分析用于分析单一控制变量影响下的多组样本的均值是否存在显著性差异。

单因素分析法的原理,单因素方差分析也称为一维方差分析,用于分析单个控制因素取不同水平时因变量的均值是否存在显著差异。

单因素方差分析基于各观测量来自于相互独立的正态样本和控制变量不同水平的分组之间的方差相等的假设。

单因素方差分析将所有的方差划分为可以由该因素解释的系统性偏差部分和无法由该因素解释的随机性偏差,如果系统性偏差明显超过随机性偏差,则认为该控制因素取不同水平时因变量的均值存在显著差异。

3.1 实验数据描述某农业大学对使用不同肥料的实验数据对比。

产量(千克/亩产)施肥类型864 普通钾肥875 普通钾肥891 普通钾肥873 普通钾肥883 普通钾肥859 普通钾肥921 控释肥944 控释肥986 控释肥929 控释肥973 控释肥963 控释肥962 复合肥941 复合肥985 复合肥974 复合肥977 复合肥在SPSS的变量视图中建立变量“产量”和“施肥类型”,分别表示实验田产量和实验田的施肥类型。

《SPSS的方差分析》课件

《SPSS的方差分析》课件
总结词
数据来源与格式
详细描述
介绍如何新建数据文件,以及如何导入不同格式的数据文件,如Excel、CSV等。同时说明数据的基本 格式和要求。
SPSS数据的基本操作与整理
总结词
数据清洗与整理技巧
VS
详细描述
介绍SPSS中常见的数据清洗和整理操作 ,如缺失值处理、异常值检测与处理、数 据排序与分组等。同时提供实际操作案例 和技巧。
03
对于非数值型数据或分类数据,需要进行 转换或处理,较为繁琐。
04
对于大规模数据集,计算量大,需要较长 时间才能得出结果。
方差分析的未来发展方向
结合机器学习算法
01
利用机器学习算法对方差分析进行优化,提高分析的效率和准
确性。
拓展到多因素分析
02
将方差分析拓展到多因素分析领域,对方差分析进行更深入的
06
总结与展望
方差分析的优缺点总结
01
优点
02
适用于多组数据的比较,能够快速准确地判断各组 之间的差异。
03
可用于不同类型的数据,如计数数据、计量数据等 ,具有广泛的适用性。
方差分析的优缺点总结
• 能够考虑多种影响因素,进行多因素分析 。
方差分析的优缺点总结
01
缺点
02
对数据的要求较高,需要满足一定的假设 条件,如正态分布、方差齐性等。
双因素方差分析
总结词
用于比较两个分类变量各自所划分的不同组 之间的总体均值是否存在显著差异。
详细描述
双因素方差分析是单因素方差分析的扩展, 用于比较两个分类变量各自所划分的不同组
之间的总体均值是否存在显著差异。在 SPSS中,可以通过“分析”菜单中的“一 般线性模型”选项进行双因素方差分析。
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

二、多重比较检验
1、作用:判别控制变量的不同水平对观测变量的影响 程度如何,其中哪个水平的作用明显大于其它水平, 哪些水平的作用是不显著的。 2、原理:多重比较检验就是分别对每个水平下的观测 变量均值进行逐对比较,判断两均值之间是否存在显 著差异。其零假设是相应组的均值之间无显著差异。 注意:依据方差齐次性检验结果,选择多重比较方法。
第七章
SPSS方差分析
本章内容
•7.1 方差分析概述 •7.2 单因素方差分析 •7.3 多因素方差分析 •7.4 协方差分析
7.1方差分析概述
7.1.1 方差分析及类型 7.1.2 方差分析对变量要求 7.1.3 方差分析的原理
7.1.1方差分析及类型
• 方差分析( ANOVA ;analysis of variance)

进行统计推断:将给定显著性水平与p值做比较 ,如果p值小于显著性水平,则应该拒绝原假设 ,反之就不能拒绝原假设。
7.2.3 在SPSS中的操作步骤
在利用SPSS进行单因素方差分析时,应注意数据的组织形式。SPSS 要求定义两个变量分别存放观测变量值和控制变量的水平值。基本操作步骤 如下: 1、选择菜单Analyze-Compare means-One-Way ANOVA,出现窗口
Test of Homogeneity of Variances 销售额 Levene Statistic .765 df1 3 df2 140 Sig. .515
2、多重比较检验 总体上讲,不同广告形式对产品的销售额有 显著影响,那么究竟哪种广告形式的作用较明显 哪种不明显,这些问题可通过多重比较检验实现 。(采用LSD,Bonferroni,Tukey, Scheffe,S-N-K五种方法) 检验结果
3、Post Hoc选项用来实现多重比较检验
提供了18种多重比较检验的方法。其中Equal Variances Assumed框中的方法适用于各水平方差齐性 的情况; Equal Variances Not Assumed框中的方法适 用于各水平方差不齐的情况。在方差分析中,由于其前提 所限,应用中多采用Equal Variances Assumed框中的 方法。多重比较检验中,SPSS默认的显著性水平为 0.05,可以根据实际情况修改Significance level后面的 数值以进行调整。
类或定序型变量; • 协方差分析:控制变量为定类或定序型变量 ,协变量为定距型变量;
二、对观测变量要求
• 观测变量为定距型变量;
• 对观测变量各总体分布要求:服从正态分布
和同方差的假设。
7.1.3 方差分析的原理
• 观测变量的变动来源于两部分:控制变量影响和随
机因素(抽样误差)影响; • 如果控制变量的不同水平对观测变量产生了显著影 响,那么它和随机变量共同作用必然使得观测变量 值显著变动;反之,如果控制变量的不同水平没有 对观测变量产生显著影响,那么观测变量值的变动 就不明显,其变动可以归结为随机变量影响造成的 。 • 在观测变量各总体服从正态分布和同方差的假设之 上,方差分析的问题就转化为控制变量不同水平上 的观测变量均值是否存在显著差异的推断问题。
例一、请利用某企业数据,分析在该企业中学历是否对基本工 资有显著影响。 例子二、某企业在制订某商品的广告策略时,需要对不同广告 形式的广告效果(销售额)进行了评估。请单因素方差分 析方法帮助其进行分析。 注意分析步骤: • 明确观测变量和控制变量; • 明确原假设; • 利用数据在SPSS中进行单因素方差分析,解读结果。
SPSS提供的多重比较检验的方法比较多,有些方法适 用在各总体方差相等的条件下,有些适用在方差不相等的条 件下。其中: LSD方法适用于各总体方差相等的情况,特点是比较 灵敏; Tukey方法和S-N-K方法适用于各水平下观测变量个 数相等的情况; Scheffe方法比Tukey方法不灵敏。
三、其他检验及操作
7.2.6 单因素方差分析进一步分析应用举 例 例二(续1)、前面例子中已用单因素方差 分析方法分析了广告形式对销售额的影响 ,结论是不同的广告形式对销售额有显著 影响。问题: 1、该例子是否满足方差分析条件? 2、如果还希望知道具体是哪种广告形式影 响明显呢?
分析: 1、方差齐性检验:不同广告形式下销售额总体方差 是否相同,是否满足单因素方差分析的前提要求, 是应首先检验的问题。
SSA /( k 1) MSA F ~ F (k 1, n k ) SSE /( n k ) MSE
7.2.2 单因素方差分析的基本步骤
体的均值无显著差异 • 计算检验统计量和概率P值
• 提出原假设:控制变量不同水平下观测变量各总
SSA /( k 1) MSA F SSE /( n k ) MSE
初中
9 879.33
total
30 885.83
•5、比较观测变量总离差平方和各部分的比例
在观测变量总离差平方和中,如果组间离差平方 和所占比例较大,则说明观测变量的变动主要是由于 控制变量引起的,可以主要由控制变量来解释,即控 制变量给观测变量带来了显著影响。据此可构造F统 计量来表示这种比例关系。
从观测变量的方差入手,研究一个或多个控制 变量对观测变量是否有显著影响的一种分析 方法。
• 方差分析类型:单因素、多因素和协方差分
析。
7.1.2方差分析对变量要求
一、对控制变量要求 • 单因素方差分析:控制变量为一个定类或定 序型ห้องสมุดไป่ตู้量。
注:控制变量的不同取值或水平,称为控制变量 的不同水平。
• 多因素方差分析:控制变量为两个或以上定
结论:不同广告形式对销售额产生了显著影响。
7.2.5 单因素方差分析的进一步分析及操 作
一、方差齐性检验
1、方差齐次性检验:对控制变量不同水平下各观测变量不 同总体方差是否相等进行分析。 2、检验的原因:方差分析的前提是各水平下的总体服从正 态分布并且方差相等,因此有必要对方差齐性进行检验,
SPSS单因素方差分析中,方差齐性检验采用了方差同质性( Homogeneity of Variance)的检验方法,其零假设是各水平下观 测变量总体方差无显著性差异,实现思路同SPSS两独立样本t检验中的 方差齐性检验(即判断不同水平下,各组的平均绝对离差是否相等)。
i 1 j 1 i 1
SSE ( xij xi )
i 1 j 1
k
ni
2
各离差平方和的计算-例题 问题:学历是否对基本工资影响是否显著
学历 1 1 8480 1 827 1 889 2 984 2 859 2 1,014 2 989 2 879 2 879 基本工资 1,014
• 问题:
如果方差不具备齐次性,能否进行方差分析?
--------张文彤《spss统计分析基础教程》,p262
当方差不具备齐次性时,可采用非参数检验方法检 验不同组样本均值是否存在差异,或进行变量变换 使其满足方差分析条件。
3、方差齐次性检验的操作--设置Option选项 Option选项用来对方差分析的前提条件进行检验, 并可输出其他相关统计量和对缺失数据进行处理。其中: Homogeneity of variance test选项实现方差齐性检验; Descriptive选项输出观测变量的基本描述统计量; Brown-Forsythe、Welch选项可计算其统计量以检验各组 均值的相等性,当方差齐性不成立时应选择使用这两个统 计量而不是F统计量。 Means Plot选项输出各水平下观测变量均值的折线图; Missing Values框中提供了两种缺失数据的处理方式。
3、Contrasts选项用来实现先验对比检验和趋势检验
如果进行趋势检验,则应选择Polynomial选项,然后在 后面的下拉框中选择趋势检验的方法。其中Linear表示线性 趋势检验;Quadratic表示进行二次多项式检验;Cubic表 示进行三次多项式检验,4th和5th表示进行四次和五次多项 式检验。 如果进行先验对比检验,则应在Coefficients后依次输 入系数ci,并确保∑ci=0。应注意系数输入的顺序,它将分 别与控制变量的水平值相对应。
1、先验对比检验 如果发现某些水平与另一些水平的均值差距显 著,就可以进一步比较这两组总的均值是否存在显 著差异。在检验中,SPSS根据用户确定的各均值的 系数,再对其线性组合进行检验,来判断各相似性 子集间均值的差异程度。 2、趋势检验 当控制变量为定序变量时,趋势检验能够分析 随着控制变量水平的变化,观测变量值变化的总体 趋势是怎样的。
结论:不同学历对基本工资影响不显著。
例二的ANOVA
销售额
Sum of Squares Mean Square 3 140 143 1955.361 145.023
df
F 13.483
Sig. .000
Between Groups Within Groups Total
5866.083 20303.222 26169.306
例一
ANOVA
基 工 本资 Sum of Squares 11640.292 101337.9 112978.2 df 3 26 29 Mean Square 3880.097 3897.611 F .996 Sig . .410
Between Groups Within Groups Total
多重比较检验分析的结论: 从获得最高销售额角度来看,宣传品 的效果最差,报纸、广播和体验差异不 明显。
3、趋势检验 通过上面的分析,可以清楚地掌握不同地区的销售情况 。这里,如果假定不同地区的差异表现在人口密度方面(地 区编号小的人口密度高,地区编号大的人口密度低),那么 进一步可分析不同地区销售额总体上是否会随着地区人口密 度的减少而呈现出某种趋势性的变化规律,进而为市场细分 提供依据。 4、先验对比检验 通过对不同广告形式的多重比较分析可知,在四种广告 形式中,宣传品广告的效果是最差的,而其余三种略有差异 。这里,可采用先验对比检验方法,进一步对报纸广告的效 果与广播和体验的整体效果进行对比分析。
相关文档
最新文档