帮我做一下这个数据的eviews检验，要ADF，协整检验和格兰杰因果检验吧，因为对eviews实在不精通 求高手帮我用eviews分析下数据，要有ADF检验，协整检验...

\u8c01\u5e2e\u6211\u7528eviews\u5bf9\u4ee5\u4e0b\u6570\u636e\u505a\u4e0bADF\u68c0\u9a8c \u534f\u6574\u68c0\u9a8c\u548c\u683c\u5170\u6770\u56e0\u679c\u68c0\u9a8c

\uff08\u4e00\uff09\u3001ADF\u662f\u5355\u4f4d\u6839\u68c0\u9a8c\uff0c\u7b2c\u4e00\u5217\u6570\u636ey\u505aADF\u68c0\u9a8c\uff0c\u7ed3\u679c\u5982\u4e0b
Null Hypothesis: Y has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on SIC, MAXLAG=10)


t-Statistic Prob.*


Augmented Dickey-Fuller test statistic -3.820038 0.0213
Test critical values: 1% level -4.098741
5% level -3.477275
10% level -3.166190

\u57281%\u6c34\u5e73\u4e0a\u62d2\u7edd\u539f\u5047\u8bbe\uff0c\u5e8f\u5217y\u5b58\u5728\u5355\u4f4d\u6839\uff0c\u4e3a\u4e0d\u5e73\u7a33\u5e8f\u5217\u3002\u4f46\u57285%\u300110%\u6c34\u5e73\u4e0a\u5747\u63a5\u53d7\u539f\u5047\u8bbe\uff0c\u8ba4\u4e3ay\u5e73\u7a33\u3002
\u5bf9y\u8fdb\u884c\u4e00\u9636\u5dee\u5206\uff0c\u5dee\u5206\u540e\u8fdb\u884cADF\u68c0\u9a8c\uff1a
Null Hypothesis: Y has a unit root
Exogenous: None
Lag Length: 0 (Automatic based on SIC, MAXLAG=10)


t-Statistic Prob.*


Augmented Dickey-Fuller test statistic -9.328245 0.0000
Test critical values: 1% level -2.599934
5% level -1.945745
10% level -1.613633


\u53ef\u89c1\uff0c\u5728\u5404\u6c34\u5e73\u4e0ay\u90fd\u662f\u5e73\u7a33\u7684\u3002\u56e0\u6b64\uff0c\u53ef\u4ee5\u628a\u539f\u5e8f\u5217y\u770b\u505a\u4e00\u9636\u5355\u6574\u3002
\u7b2c\u4e8c\u5217xADF\u68c0\u9a8c\u5982\u4e0b\uff1a
Null Hypothesis: X has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on SIC, MAXLAG=10)


t-Statistic Prob.*


Augmented Dickey-Fuller test statistic -3.216737 0.0898
Test critical values: 1% level -4.098741
5% level -3.477275
10% level -3.166190


\u57281%\u30015%\u6c34\u5e73\u4e0a\u62d2\u7edd\u539f\u5047\u8bbe\uff0c\u5e8f\u5217x\u5b58\u5728\u5355\u4f4d\u6839\uff0c\u4e3a\u4e0d\u5e73\u7a33\u5e8f\u5217\u3002\u4f46\u572810%\u6c34\u5e73\u4e0a\u5747\u63a5\u53d7\u539f\u5047\u8bbe\uff0c\u8ba4\u4e3ax\u662f\u5e73\u7a33\u7684\u3002
\u5bf9y\u8fdb\u884c\u4e00\u9636\u5dee\u5206\uff0c\u5dee\u5206\u540e\u8fdb\u884cADF\u68c0\u9a8c\uff1a
Null Hypothesis: X has a unit root
Exogenous: None
Lag Length: 0 (Automatic based on SIC, MAXLAG=10)


t-Statistic Prob.*


Augmented Dickey-Fuller test statistic -7.627041 0.0000
Test critical values: 1% level -2.599934
5% level -1.945745
10% level -1.613633


\u53ef\u89c1\uff0c\u5728\u5404\u6c34\u5e73\u4e0ax\u90fd\u662f\u5e73\u7a33\u7684\u3002\u56e0\u6b64\uff0c\u53ef\u4ee5\u628a\u539f\u5e8f\u5217x\u770b\u505a\u4e00\u9636\u5355\u6574\u3002

\uff08\u4e8c\uff09\u3001\u53ea\u6709\u4e00\u9636\u5355\u6574\u7684\u5e8f\u5217\u624d\u53ef\u4ee5\u8fdb\u884c\u534f\u6574\u68c0\u9a8c\uff1a
\u5229\u7528engle\u548cgranger\u63d0\u51fa\u7684\u4e24\u6b65\u68c0\u9a8c\u6cd5\uff1a
\u9996\u5148\u5efa\u7acb\u6a21\u578b\uff1ay=ax+c+e\uff0c\u7ed3\u679c\u4e3aY = 0.720902361403*X + 788.046309221
\u518d\u5bf9\u65b9\u7a0b\u7684\u6b8b\u5dee\u8fdb\u884cADF\u68c0\u9a8c\uff1a
Null Hypothesis: E has a unit root
Exogenous: None
Lag Length: 0 (Automatic based on SIC, MAXLAG=10)


t-Statistic Prob.*


Augmented Dickey-Fuller test statistic -4.093534 0.0001
Test critical values: 1% level -2.599413
5% level -1.945669
10% level -1.613677
\u4ece\u68c0\u9a8c\u7ed3\u679c\u53ef\u4ee5\u770b\u51fa\u6b8b\u5dee\u5e8f\u5217\u662f\u5e73\u7a33\u7684\uff0c\u56e0\u6b64x\u548cy\u4e4b\u95f4\u5b58\u5728\u534f\u6574\u5173\u7cfb\u3002

\uff08\u4e09\uff09\u3001granger\u56e0\u679c\u68c0\u9a8c\uff1a
Pairwise Granger Causality Tests
Date: 03/13/11 Time: 14:15
Sample: 1 69
Lags: 2


Null Hypothesis: Obs F-Statistic Prob.


Y does not Granger Cause X 67 1.11304 0.3350
X does not Granger Cause Y 5.72061 0.0052


\u4ece\u7ed3\u679c\u53ef\u77e5\u62d2\u7eddy\u4e0d\u80fdgranger x\u7684\u5047\u8bbe\uff0c\u5373y granger\u5f15\u8d77x\uff1b\u4f46\u662f\u4e0d\u80fd\u62d2\u7eddx\u4e0d\u80fdg\u5f15\u8d77y\uff0c\u5373\u63a5\u53d7x\u4e0d\u80fdgranger\u5f15\u8d77y\u3002

\u6709\u53c2\u8003\u8bba\u6587\u6ca1\u6709
\u4f60\u7684\u6570\u636e\u8981\u53d6\u5bf9\u6570\u540e\u5206\u6790\u7ed3\u679c\u624d\u53ef\u4ee5\u5408\u7406
\u53ef\u4ee5\u628a\u6570\u636e\u548c\u53c2\u8003\u8bba\u6587\u53d1\[email protected]
\u6211\u770b\u770b\u5982\u4f55\u5904\u7406

运用2001-2007年的我国进口额和GDP季度数据进行两变量之间相关关系的实证检验。之所以采用2001年后的数据，主要是因为我国2001年加入世界贸易组织后，随着我国履行人世承诺及过渡期的结束，我国无论是被迫的还是主动的都适度加大了进口力度，2003年和2004年的进口增长速度还超过了出口增长速度(见表1)。我国的进口商品结构相对入世前发生了很大的变化，2001年后我国经济没有经历较大的外部冲击(如亚洲金融危机)，经济高速平稳增长，检验数据的样本区间针对性较强，检验方法采用计量经济学中的协整技术。 　　1　变量及样本数据的处理 　　我国2001～2007年进口额与GDP的季度数据，IM和GDP分别表示进口额和国内生产总值，数据来源于中国商务部及国家统计局的季度数据。由于中国商务部统计的季度进口额是以美元计价的，而国家统计局的国内生产总值季度值却是以人民币计价的，我们将中国人民银行的月度汇率均价换算成季度均价，再将进口额由美元单位换算为人民币。 　　2　进口IM与国内生产总值GDP的相关性分析 　　根据统计数据计算我国IM与GDP两个变量的相关系数，两变量相关系数为0.8208，这说明他们之间可能存在较强的依存关系。另从图2中可以看出，我国GDP与IM之间的关系较为密切，两个变量有不断增长的趋势，且变动方向基本一致，表明进口贸易与经济增长之间存在正相关性。 　　3　进口IM与GDP的格兰杰因果关系检验 　　由于时间序列常出现伪相关现象，为消除伪相关性并确立IM与GDP之间的因果关系，本文进一步采用格兰杰因果检验作进一步分析。 　　由格兰杰因果检验结果(见表4)，我们可以看出，对于IM不是GDP的格兰杰成因的原假设，拒绝它犯第一类错误的概率是0.000039，这表明至少在99.5%的置信水平下，可以认为IM是GDP的格兰杰成因。同理，对于第二个原假设，同样可以得出，至少在97.5%的置信水平下，认为GDP增长是进口的格兰杰成因。因此。IM、GDP之间互为因果关系。 　　4　ADF检验及协整检验 　　按照协整的定义，若两个变量时间序列之间存在协整关系，它们必须是同阶单整的，故在进行协整检验之间必须首先进行序列的平稳性检验。这里对GDP和IM的平稳性检验采用ADF法，其检验结果如表5所示。 　，GDP和IM都是非平稳的变量，而它们的一阶差分序列是平稳的，所以它们是一阶单整序列。 采用EG两步法对变量进行协整分析。由于变量GDP、IM都是一阶单整序列，可以用OLS进行协整回归，得到的方程如下： 　　GDP=6874.753+2.795842IM　(2) 　　t=　(1.525999)　(6.892257)　R2=0.673774DW=2.215435 　　模型拟合优度较好，且在a=0.10水平下，不存在异方差和自相关。变量GDP和IM是否存在协整关系，还需对以上模型的残差序列E进行平稳性检验。对E作ADF单位根检验，其结果见表6。 残差序列E的检验统计量为-3.700016，小于1%、5%和10%的显著性水平，认为估计残差为平稳序列，这表明GDP和IM之间存在协整关系，且是唯一的。协整关系所对应的长期关系方程为式(2)所表示。它表示我国进口每增长1元，则GDP增长2.795842元。 　　5　误差修正模型 　　根据格兰杰代表定理，如果两变量是协整的，则它们之间存在长期均衡关系。但是，在短期内，这些变量可以是不均衡的，两变量间这种短期不均衡关系的动态结构可以由误差修正模型(ECM)来描述。即，变量之间存在协整关系时，这些变量必存在误差修正模型的表达式，它能够将变量的短期关系和长期关系包含在同一个方程内。因gdp、im～I(1)存在协整关系，则误差修正模型表达式为： 　　△gdp=a+p0△imt+β1e(t-1)+ut (3)其中，△gdp、△im为GDP和IM的一阶差分，e等于方程(2)的残差，用OLS法对(3)进行估计得到以下方程： 　　△gdp=2755.355-2.973652△imt-1.402549 e(t-1) (4) 　　t=(1.424614) (-1.236919) (-6.150921) 　　R2=0.676236 DW=1.912867 　　检验结果揭示了两层含意：在短期内，进口变动对国内生产总值存在负向影响，这与开放经济条件下的国民经济核算公式Y=C+I+G+(x-M)中进口是一国经济增长的漏出项相一致。长期来看，进口与经济增长之间互为因果关系，即进口贸易的长期供给效应是存在的，进口能促进经济的增长。当然，经济的增长也能带动进口贸易的增加。 　　6　进口供给效应的商品结构分析 　　为了说明进口贸易的供给效应，我们对2001至2007年我国进口商品结构作进一步的分析。根据联合国的国际贸易标准(SITC)将所有商品分为10类，前5类是初级产品，后3类是工业制成品，最后2类是杂项制品和未分类制品。表7是我国2001～2007年进口商品所占进口总额的百分比(不含杂项和未分类制品)。我国加入世界贸易组织以来，进口总额中初级产品平均占到了20.6%，而工业品平均占到了71%，杂项制品和未分类制品占到了8.4%。在初级产品中，食品、饮料及烟类的进口比重持续下降，原料和燃料比重持续上升；在工业制成品中，化学成品及按原料分类制成品的比例略有下降但基本保持在11%以上，机械及运输设备所占比例最高，一直保持进口总额的45%左右。 　　我国初级产品的进口特别是原料和燃料的进口比重的增加，有利于缓解我国经济发展的供给瓶颈。我国人口众多，人均资源严重不足，资源瓶颈成为制约我国经济发展的一个重要因素，增加初级产品进口，可以充分利用国外丰裕而国内稀缺的自然资源，为国内产业的发展提供丰富的原料(燃料)来源，直接产生资源要素增加的供给效应。我国工业制成品的进口比重特别是机械设备的进口比重较高，对提高我国相关行业的技术水平有重要意义。进口技术含量较高的工业制成品可以降低国内自主研发的成本，避免许多重复劳动，尤其是通过引进先进的技术设备和产品，边干边学，消化吸收，加速人力资本积累，从而形成内生供给增长能力，推动本国经济的长期增长。同时，工业制成品的进口特别是工业元器件、零部件的进口可以进一步深化产业内贸易，提高产品的生产效率，从而形成规模经济，促进潜在总供给能力的扩张。 　　五、结论与政策建议 　　理论分析和实证研究表明，进口贸易的总供给效应是存在的，进口贸易有助于推动潜在总供给的扩张和经济长期稳定增长。我国加入世贸组织后进口规模的适度扩大不仅没有损害经济增长，反而对近年来的持续高速增长有强大的推动作用。鉴于此，我国外贸政策应当适时转型，由过去单纯强调出口，转向出口与进口并重的进出口平衡发展战略。解决当前外贸顺差过多的问题，让人民币急剧升值不是好办法，日本已有教训在先；抑制出口更不是好办法，理论和经验都证明出口对经济增长的作用不能忽视；实施“走出去”战略要谨慎，我国目前东西部发展很不平衡，农村劳动力的转化和就业问题仍然很突出，鼓励外商直接投资特别是到中西部投资的政策不能变。减少顺差唯一可行的办法就是扩大进口，只要进口增长速度高于出口增长速度，巨额的顺差是可以逐步降下来的。目前有效实施进出口平衡发展战略的重点是刺激国内需求；其次是完善进口环节税收政策，争取在世贸组织框架内通过多边协商进一步降低我国关税水平，同时考虑给予发展中国家有关优惠待遇，推进自由贸易区谈判进程；再次，扩大从美国和欧盟等顺差来源地的进口，敦促美国、欧盟等发达国家放宽对华高新技术出口限制，减少贸易摩擦；最后，加强进口贸易战略的研究和规划，完善进口信息发布制度，发挥进口大国的优势，争取国际大宗商品进口定价权；同时，也要注意防止盲目进口和无序进口，建立健全进口对产业损害的预警机制。

这是什么数据啊
有参考论文吗

你的模型设计的不行啊，按你的模型来看不成线性关系， 这是一群离散的点

EVIEW鍑烘潵鐨鏁版嵁鍚湁E鏄粈涔堝惈涔,渚嬪:5.09E+11绛変簬澶氬皯,鍏朵腑鐨凟鏄粈 ...
绛旓細涓鑸岃█锛5.09E+11 杩欑鍐欐硶琛ㄧず鐨勬槸绉戝璁版暟娉曪紝5.09E+11锛5.09*10^11=509,000,000,000 鏄剧劧锛屽湪琛ㄧず缁濆鍊奸潪甯稿ぇ鐨勬暟鏃讹紝杩欑鍐欐硶鍏锋湁浼樺娍銆傛湁鍏崇瀛﹁鏁版硶鐨勪粙缁嶈浠ヤ笅閾炬帴锛歨ttp://baike.baidu.com/view/793477.htm

鍋氭暟鎹鍒嗘瀽姣旇緝濂界敤鐨勮蒋浠舵湁鍝簺
绛旓細Excel锛氭櫘閬嶉傜敤锛屾棦鏈夊熀纭锛屽張鏈変腑楂樼骇銆侲xcel閫忚琛細涓骇涓鑸敤Excel閫忚琛ㄣ俬ihidata锛氭瘮杈冨皬浼楃殑鏁版嵁鍒嗘瀽宸ュ叿锛屼笁鍒嗛挓灏卞彲浠ュ浼氱洿鎺ヤ笂鎵嬶紝鏃犻渶涓嬭浇瀹夎锛岀洿鎺ュ湪绾垮氨鍙互浣跨敤銆Eview锛氭瘮杈冨皬浼楋紝寤虹珛涓浜涚粡娴庣被鐨勬ā鍨嬭繕鏄緢鏈夌敤鐨勶紝璁￠噺缁忔祹瀛︿腑缁忓父鐢ㄥ埌銆係PSS锛氶噰鐢ㄧ被浼糆XCEL琛ㄦ牸鐨勬柟寮忚緭鍏ヤ笌绠＄悊鏁版嵁锛...

...涓嬮潰杩欎釜鍥炬槸鎬庝箞鍋氬嚭鏉ョ殑,EVIEW7.0鐨,姹傝В,濡傛灉瀵规寰堜簡瑙ｈ繕鑳藉姞鍒...
绛旓細鎴戞渶鏂扮殑鐢ㄧ殑鏄6.0銆傛搷浣滄柟娉曞簲璇ュ樊涓嶅鍚э紝浠ュ墠鐢3.0鐨勩傚湪宸ヤ綔鏂囦欢涓紝鎵撳紑浣犺緭鍏ュソ鐨凣DP鏃堕棿搴忓垪鐨鏁版嵁绐楀彛銆傜偣鍑籚iew锛岄夋嫨鑿滃崟椤笹raph锛屽湪瀵硅瘽妗咷raph Options涓夋嫨Line锛哠ymbol绫诲瀷锛屽彲寰桮DP搴忓垪鍥撅紙缁撴灉搴旇鏄杩涓や釜鍥剧殑绗1涓級銆備粠Eviews涓昏彍鍗曚腑鐐瑰嚮Quick锛岄夋嫨Graph鑿滃崟椤癸紝鍦ㄩ殢鍚庡脊鍑虹殑瀵硅瘽...

鎬ョ敤鍟,楂樻墜甯府蹇!!eview涓 棰勬祴鍊,涓婇檺,涓嬮檺鍜屾爣鍑嗗樊鎬庝箞鍑烘潵鐨
绛旓細鏁版嵁瀵煎叆鍚庡湪View閲岋紝STATISTICS灏辨湁浜

鏁版嵁澶勭悊杞欢鏈夊摢浜
绛旓細4. hihidata锛氳繖鏄竴涓浉瀵硅緝灏戜汉鐭ラ亾鐨鏁版嵁鍒嗘瀽宸ュ叿锛屼絾瀹冩槗浜庝笂鎵嬶紝鐢ㄦ埛鍙互鍦ㄤ笁鍒嗛挓鍐呭浼氬苟鐩存帴寮濮嬪伐浣溿傛棤闇涓嬭浇瀹夎锛岄氳繃鍦ㄧ嚎骞冲彴鍗冲彲浣跨敤銆5. MARLAB锛杩欎釜杞欢涓昏鐢ㄤ簬寤虹珛缁熻涓庢暟瀛︽ā鍨嬶紝浣嗗畠鐨勫涔犻棬妲涜緝楂橈紝涓嶅お瀹规槗涓婃墜銆6. Eview锛氬浜庝粠浜嬬粡娴庣被妯″瀷鏋勫缓鐨勭敤鎴锋潵璇达紝杩欐槸涓涓湁鐢ㄧ殑...

EVIEW瑙︽懜灞忕殑绠浠
绛旓細鏄绉戠數姘旀彁渚涚殑浜烘満鐣岄潰锛屼篃鏄簲鐢ㄤ簬鍚勫ぇ鑷姩鍖栬涓氫腑杈冨鐨勪竴娆捐Е鎽稿睆锛eView瑙︽懜灞忓畠鑳藉鐞嗘兂銆佺敓鍔ㄥ湴鏄剧ずPLC銆佸崟鐗囨満銆丳C鏈轰笂鐨鏁版嵁淇℃伅锛屽苟鐩存帴鏀寔甯傞潰涓婂ぇ澶氭暟鐨凱LC浜у搧锛屽姛鑳藉己澶э紝浣跨敤鏂逛究銆

鍋氭暟鎹鍒嗘瀽,姣旇緝濂界敤鐨勮蒋浠舵湁鍝簺
绛旓細1.鏁版嵁澶勭悊杞欢Excel鍜孧ySQL Excel锛氬湪Excel锛岄渶瑕侀噸鐐逛簡瑙ｆ暟鎹鐞嗙殑閲嶈鎶宸у強鍑芥暟鐨勫簲鐢紝鐗瑰埆鏄暟鎹竻鐞嗘妧鏈殑搴旂敤銆杩椤硅繍鐢ㄨ兘瀵规暟鎹幓浼瓨鐪燂紝鎺屾彙鏁版嵁涓诲姩鏉冿紝鍏ㄩ潰鎺屾帶鏁版嵁锛孍xcel鏁版嵁閫忚琛ㄧ殑搴旂敤閲嶅湪鎸栨帢闅愯棌鐨勬暟鎹环鍊硷紝杞绘澗鏁村悎娴烽噺鏁版嵁锛屽悇绉嶅浘琛ㄧ被鍨嬬殑鍒朵綔鎶宸у強Power Query銆丳ower Pivot鐨勫簲鐢ㄥ彲...

Eview銆丼PSS銆丼TATA銆丼AS绛夌粺璁¤蒋浠跺垎鍒湪鍥藉唴鍝簺琛屼笟閲屾瘮杈冩祦琛...
绛旓細Stata鐨勫彟涓涓壒鐐规槸浠栫殑璁稿楂樼骇缁熻妯″潡鍧囨槸缂栫▼浜哄憳鐢ㄥ叾瀹忚瑷鍐欐垚鐨勭▼搴忔枃浠讹紙ADO鏂囦欢锛夛紝杩欎簺鏂囦欢鍙互鑷淇敼銆佹坊鍔犲拰涓嬭浇銆傜敤鎴峰彲闅忔椂鍒癝tata缃戠珯瀵绘壘骞朵笅杞芥渶鏂扮殑鍗囩骇鏂囦欢銆備簨瀹炰笂锛孲tata鐨杩欎竴鐗圭偣浣垮叾鎴愪负浜嗗嚑澶х粺璁¤蒋浠朵腑鍗囩骇鏈澶氥佹渶棰戠箒鐨勪竴涓係tata鏈澶х殑缂虹偣搴旇鏄鏁版嵁鎺ュ彛澶畝鍗曪紝瀹為檯涓...

鏁版嵁鍒嗘瀽杞欢鏈夊摢浜
绛旓細鏁版嵁鍒嗘瀽杞欢鏈塃xcel銆丼AS銆丷銆丼PSS銆乀ableau Software銆1銆丒xcel 涓篍xcel寰蒋鍔炲叕濂楄杞欢鐨勪竴涓噸瑕佺殑缁勬垚閮ㄥ垎锛屽畠鍙互杩涜鍚勭鏁版嵁鐨澶勭悊銆佺粺璁″垎鏋愬拰杈呭姪鍐崇瓥鎿嶄綔锛屽箍娉涘湴搴旂敤浜庣鐞嗐佺粺璁¤储缁忋侀噾铻嶇瓑浼楀棰嗗煙銆2銆丼AS SAS鐢辩編鍥絅ORTH CAROLINA宸炵珛澶у1966骞村紑鍙戠殑缁熻鍒嗘瀽杞欢銆係AS鎶婃暟鎹瓨鍙栥佺鐞嗐...

甯歌鐨鏁版嵁鍒嗘瀽杞欢鏈夊摢浜?
绛旓細鍥涖丅I宸ュ叿 BI宸ュ叿鏄晢涓氭櫤鑳(Busines Inteligence)鍒嗘瀽宸ュ叿鐨勮嫳鏂囩缉鍐欍傚畠鏄竴涓畬鏁寸殑澶鏁版嵁鍒嗘瀽瑙ｅ喅鏂规锛屽彲浠ユ湁鏁堝湴鏁村悎浼佷笟涓幇鏈夌殑鏁版嵁锛屽揩閫熷噯纭湴鎻愪緵鎶ヨ〃鍜甯姪棰嗗浣滃嚭鍐崇瓥鐨勬暟鎹緷鎹紝甯姪浼佷笟鍋氬嚭鏄庢櫤鐨勪笟鍔″喅绛栥侭I宸ュ叿鏄牴鎹暟鎹垎鏋愯繃绋嬭璁＄殑銆傞鍏堟槸鏁版嵁澶勭悊锛屾暟鎹竻鐞嗭紝鐒跺悗鏄暟鎹缓妯★紝鏈鍚庢槸...

扩展阅读：考勤表自动生成日期 ... everycircuit ... excel十字交叉有颜色 ... excel表日期自动填充 ... 输入一个数据自动带出内容 ... excursion和journey ... 表格里输入0后0会消失 ... excel自动生成周数 ... 表格自动生成每天日期 ...