第一篇:第4章 单位根检验(讲稿)
第4章
单位根检验
4.1 DF分布
由于虚假回归问题的存在,在回归模型中应避免直接使用非平稳变量。因此检验变量的平稳性是一个必须解决的问题。在第二章中介绍用相关图判断时间序列的平稳性。这一章则给出严格的统计检验方法,即单位根检验。1)检验模型
在介绍检验方法之前,先讨论所用统计量的分布。给出三个简单的自回归数据生成过程(d.g.p.),yt = yt-1 + ut ,(4.1)
yt = + yt-1 + ut ,(4.2)
yt = + t + yt-1 + ut ,(4.3)
y0 = 0, ut IID(0, )其中 称作位移项(漂移项), t称为趋势项。显然,对于以上三个模型:
当 < 1时,yt 是平稳的,当 = 1时,yt 是非平稳的。2)检验统计量分布 以模型(4.1)为例,(1)若 = 0,统计量,2ˆ0ˆ)t(t~(T1)
(4.4)
ˆs()的极限分布为标准正态分布。
(2)若 < 1,统计量,ˆˆ)t(
ˆ)
(4.5)s(渐进服从标准正态分布。根据中心极限定理,当T 时,ˆ) N(0, 2(1- 2))
(4.6)T(Tˆ)t((3)那么在 = 1条件下,统计量服从什么分布呢?当 = 1时,变量非平稳,上述极限分布发生退化(方差为零)。
①DF统计量
检验单位根的一个统计量是DF统计量。DF统计量的表达式与通常意义的t统计量完全相同。
ˆ1ˆ1ˆ)DFt(Tˆs()s(y2)1/2
ut1t1 2
(yt1)t1T21/2uytt1Tt1Tt12suT yt1utyt
1= 当T 时,DF =
ˆ1ˆ)s(su(yt12)1/2t1t1T
(4.16)
(1/2)(W(1)21)(W(i)di)0121/
2(4.17)同理,对于模型(4.2)和(4.3)的DF统计量的极限分布也是Wiener过程的函数。由于这些极限分布无法用解析的方法求解,一般都是用模拟和数值计算的方法进行研究。
=-1时的DF的分布是 = 1时的DF分布的镜像,所以只研究 = 1条件下DF的分布即可。对于经济问题,很少出现 =-1的情形。
②DF统计量分布图形
蒙特卡罗模拟方法得到的DF统计量的分布见图4.11。
图4.11 DF统计量分布图形
4.2 百分位数表
Full(1976)用蒙特卡罗模拟方法得到DF统计量的百分位数表,分别见附表5和6。以模型(4.2), = 1为条件,取样本容量T = 100,用蒙特卡罗方法模拟10000次得到的ˆ,DF的分布分别见图4.11。ˆ的分布是左偏的,峰值小于1。DF分布近似于t分布,但整体向左大约移动了1.6个单位。4.3 单位根检验 1)自回归检验模型(1)检验模型
对于时间序列yt可用如下自回归模型检验单位 根。
yt = yt-1 + ut ,(4.24)(2)零假设和备择假设分别是,H0: = 1,(yt非平稳)
H1: < 1,(yt平稳)(3)统计量
在零假设成立条件下,用DF统计量进行单位根检验。
ˆ1ˆ1DFTˆs()s(y2)1/2
(4.25)
ut1t1其中
1T2ˆt
(4.26)u
s(u)T1t2(4)检验
以附表6中a部分的相应百分位数作为临界值,若用样本计算的
DF > 临界值,则接受H0,yt 非平稳;
DF < 临界值,则拒绝H0,yt是平稳的。
注意
(1)因为用DF统计量作单位根检验,所以此检验称作DF检验(由Dickey-Fuller提出)。(2)DF检验采用的是OLS估计。
(3)DF检验是左单端检验。因为 > 1意味着强非平稳, < 1意味着平稳。当接受 < 1,拒绝 = 1时,自然也应拒绝 > 1。
(4)用模型(4.24)检验单位根,临界值应从附表6的a部分查找。
2)差分检验模型
上述DF检验还可用另一种形式表达。(4.24)式两侧同减yt-1,得
yt =(-1)yt-1 + ut ,(4.27)令 = -1,代入上式, yt = yt-1 + ut ,(4.28)与上述零假设和备择假设相对应,用于模型(4.27)的零假设和备择假设是
H0: = 0,(yt非平稳)
H1: < 0,(yt平稳)
这种变化并不影响DF统计量的值,所以检验规则仍然是
若DF > 临界值,则yt是非平稳的;
若DF < 临界值,则yt是平稳的。这种检验方法是DF检验的常用方法。(便于在计算机上实现)
注意
(1)(4.28)式中 yt 和 yt-1的下标分别为t和t-1,计算时不要用错!
(2)当模型中含有位移项和趋势项 t,yt = + yt-1 + ut
(4.32)
yt = + t + yt-1 + ut
(4.33)检验用临界值应分别从附表6的b, c部分中查找。
ˆt不能存在自相关。如(3)(4.28)式的残差序列u存在自相关,说明yt不是一个AR(1)过程,则不能使用DF检验。
3)ADF检验
以上方法只适用于AR(1)过程的单位根检验。当时间序列为AR(p)形式,或者由以上形式检验得到的残差序列存在自相关时,应采用如下形式检验单位根。
ˆy +
yt =t-1ˆt ,(4.34)ˆ yt-i +vi1k因为上式中含有 yt的滞后项,所以对于 = 0(yt非平稳)的检验称为增项DF检验或ADF检验。
注意
(1)(4.34)式中 yt 滞后项个数k的选择准则是 a尽量小,以保持更大的自由度;
ˆt内的自相关。b充分大以消除v
(2)在4.1节中已经证明,上式中检验单位根的统计量近似服从标准的DF分布,所以检验用临界值可以从附表6 a部分中查找。
(3)当(4.34)式中含有位移项 和趋势项 t时,相应ADF检验用临界值应分别从附表6 b, c 部分中查找。
(4)因为实际经济时间序列一般不会是一个AR(1)过程,所以最常用的单位根检验方法是ADF检验(增项DF检验)。
实际中并不知道被检验序列的d.g.p.属于哪一种形式,(4.1)、(4.2)还是(4.3)式。怎样选择单位根检验式呢?一般方法是当被检验序列中存在趋势项时,则应该采用(4.3)式和(4.2)式。如不存在趋势项时,则应该采用(4.1)式。4)单整阶数的检验过程
(1)一阶单整检验
在单整检验中,若H0不能被拒绝,说明yt是非平稳序列(起码为一阶非平稳序列),但不能确定yt是一阶单整还是高阶单整,接下来应该继续检验 yt 的平稳性。检验模型为
yt = yt-1 + ut ,(4.31)检验过程与单位根检验一样。
若 yt是平稳的,说明yt是一阶单整的,若 yt
2非平稳,再重复上述过程,检验
yt的平稳性。(1)二阶单整检验 若 yt非平稳,2 yt是平稳的,说明yt是二阶单23整的,若
yt非平稳,再重复上述过程,检验
yt的平稳性。
重复以上过程,直至结论为平稳为止。从而获知 yt 为几阶单整序列。
第二篇:第4章 单位根检验(讲稿)
第4章
单位根检验
4.1 DF分布
由于虚假回归问题的存在,在回归模型中应避免直接使用非平稳变量。因此检验变量的平稳性是一个必须解决的问题。在第二章中介绍用相关图判断时间序列的平稳性。这一章则给出严格的统计检验方法,即单位根检验。
在介绍检验方法之前,先讨论所用统计量的分布。给出三个简单的自回归数据生成过程(d.g.p.),yt = yt-1 + ut , y0 = 0, ut IID(0, )
(4.1)yt = + yt-1 + ut , y0 = 0, ut IID(0, )(4.2)yt = + t + yt-1 + ut , y0 = 0, ut IID(0, 2)
(4.3)其中 称作位移项(漂移项), t称为趋势项。显然,对于以上三个模型,当 < 1时,yt 是平稳的,当 = 1时,yt 是非平稳的。以模型(4.1)为例,若 = 0,统计量,ˆˆ)t(
=s(ˆ) t(T-1),(4.4)
22的极限分布为标准正态分布。
若 < 1,统计量,ˆ)t(=
ˆ)(ˆ)s(
(4.5)渐进服从标准正态分布。根据中心极限定理,当T
时,T2 2 ˆ(T-) N(0, (1-))
(4.6)
ˆ)服从什么分那么在 = 1条件下,统计量t(布呢?当 = 1时,变量非平稳,上述极限分布发生退化(方差为零)。首先观察 = 1条件下,数据生成系统(4.1),(4.2)和(4.3)的变化情况。
= 1条件下的(4.1)式是随机游走过程。 =1条件下的(4.2)式是含有随机趋势项的过程。将(4.2)式作如下变换则展示的更清楚。
yt = + yt-1 + ut = +( + yt-2 + ut-1)+ ut = …
ui= t + ui
(4.7)= y0 + t + i1i1tt 2 10y=y(-1)+u50-5-***0140160180200
图4.1 由yt = yt-1+ ut生成的序列
22002000***0120050100***0
图4.2深圳股票综合指数(file:stock)
这是一个趋势项和一个随机游走过程之和。所以称作随机趋势过程,见图 4.2,虽然总趋势向上,但漂移项上下漂动。因为对yt作一次差分后,序列就平稳了。
yt = yt0.1+ yt-1+ ut生成的序列(file:simu2)
下面的随机过程
yt = + t + ut
(4.8)称作趋势平稳过程或退势平稳过程,即减去趋势后,为平稳过程。yt(1+2 +…+ t)+ui
i1
2t 5
ui = y0 + t + t-(1+ t)t +2i12
t2 tui
(设定y=0)=(-2)t +2t +0i1含有随机趋势和确定性趋势的混合随机过程实际上是随机游走加上一个时间t的2次方过程。这种过程在经济问题中非常少见。
检验单位根的一个统计量是DF统计量。DF统计量的表达式与通常意义的t统计量完全相同。
ˆ)t(DF ==ˆ1ˆ)s(ˆ1=
su(yt12)1/2t1T
(yt1)T21/2utyt1t1T2yt1t1T=
=
t1su
utyt1su(yt1)t1t1T21/2T
(4.16)利用结论(4.11)和(4.13)式,当T 时,DF =
ˆ1ˆ)s(
(1/2)(W(1)21)(W(i)2di)1/20
1(4.17)同理,对于模型(4.2)和(4.3)的DF统计量的极限分布也是Wiener过程的函数。由于这些极限分布无法用解析的方法求解,一般都是用模拟和数值计算的方法进行研究。
=-1时的DF的分布是 = 1时的DF分布的镜像,所以只研究 = 1条件下DF的分布即可。对于经济问题,很少出现 =-1的情形。
蒙特卡罗模拟方法得到的DF统计量的分布见图4.11。
4.2 百分位数表
Full(1976)用蒙特卡罗模拟方法得到DF统计量的百分位数表,分别见附表5和6。以模型(4.2), = 1为条件,取样本容量T = 100,用蒙特卡罗方法模拟10000次得到的ˆ,DF的分布分别见图4.11。ˆ的分布是左偏的,峰值小于1。DF分布近似于t分布,但整体向左大约移动了1.6个单位。
4.3 单位根检验
对于时间序列yt可用如下自回归模型检验单位根。
yt = yt-1 + ut ,(4.24)零假设和备择假设分别是,H0: = 1,(yt非平稳)
H1: < 1,(yt平稳)
在零假设成立条件下,用DF统计量进行单位根检验。
DF = 其中
s(u)=
1T1ˆ1ˆ)= s(ˆ1s(u)yt2Tt12
(4.25)
t2Tˆt2u
(4.26)以附表6中a部分的相应百分位数作为临界值,若用样本计算的
DF > 临界值,则接受H0,yt 非平稳;
DF < 临界值,则拒绝H0,yt是平稳的。
注意
1.因为用DF统计量作单位根检验,所以此检验称作DF检验(由Dickey-Fuller提出)。2.DF检验采用的是OLS估计。
3.DF检验是左单端检验。因为 > 1意味着强非平稳, < 1意味着平稳。当接受 < 1,拒绝 = 1时,自然也应拒绝 > 1。
4.用模型(4.24)检验单位根,临界值应从附表6的a部分查找。
上述DF检验还可用另一种形式表达。(4.24)式两侧同减yt-1,得
yt =(-1)yt-1 + ut ,(4.27)令 = 0.0250 yt-1 +0.2098 yt-1 + ut
(3.6)
(3.1)
(-2.6)
(2.3)
DW=2.0, t =1,(1876年), DF=-2.6 > DF0.05=-3.44
2 yt = 0.002970.3848 2yt-1-0.2364 2 yt-2 + ut
(3.1)
(-3.6)
(-3.5)
(-2.6)
DW=2.0, t =1,(1876年), DF=-3.6 < DF0.05=-2.9
例3 深圳股票综合指数序列是无趋势项、无漂移项的单位根过程。
700SZ******
深圳股票综合指数(file:stock)
***GDP******000000
美国GDP序列(file:consump)
例4 美国GDP序列(file:consump)是无趋势项、无漂移项的单位根过程。
怎样做单位根检验?
从工作文件(Work File)中打开序列数据(Series)窗口。点击View键,选Unit root test功能。这时会打开一个对话框。其中有四项选择。(1)ADF检验还是PP检验(缺省状态是ADF检验)。
(2)检验对象是当前序列(Level),还是其一阶差分序列(1st difference),二阶差分序列(2nd difference)?缺省状态是当前序列。***496980002(3)检验式中应包括的附加项。有三种选择,“漂移项”(Intercept),“趋势项和漂移项”(Trend and Intercept),“无附加项”(None)。缺省状态是加漂移项。
(4)检验式中滞后差分项的个数。显示的数字随样本容量的不同而不同。
第三篇:单位根的一些小结
1、考虑到单整与协整之间的关系,我们可以得到这样的逻辑关系:两个时间序列变量必须同阶单整,才有可能是协整的,同阶单整是协整的必要条件
2.3、DF统计量的分布特征
三个简单的自回归模型:
yt=yt1ut,y0 = 0,ut IID(0, 2)
(13.1)yt=yt1ut,y0 = 0,ut IID(0, 2)
(13.2)yt=tyt1ut,y0 = 0,ut IID(0, 2)
(13.3)
其中是漂移项,t是趋势项。当真值 < 1时,yt 是平稳的,当 = 1时,yt 是非平稳的。(i)对于AR(p)过程
yt=1yt-1+2yt-2+…+pyt-p+ ut 都可以将其转换成如下方程,因此差分可将数列平稳化,并且进行单位根检验
yt=yt-1+jytj+ ut
j1p
14、一个ARIMA(2,1,2)时间序列在它成为平稳序列之前先得差分一次,然后用一个ARMA(2,2)模型作为它的生成模型的。
5、yt = + yt-1 + ut , y0 = 0, ut IID(0, 2)
因为对yt作一次差分后,序列就平稳了, yt = yt-yt-1 = + ut
(平稳过程)
所以也称yt为差分平稳过程(difference-stationary process)。是 yt序列的均值,原序列yt的增长速度
6、Granger解决了 x 是否引起 y 的问题,主要看现在的 y能够在多大程度上被过去的 x 解释,加入 x 的滞后值是否使解释程度提高。如果 x 在 y 的预测中有帮助,或者 x 与 y 的相关系数在统计上显著时,就可以说“ y 是由 x Granger引起的”。
注意到“x Granger引起y”这种表达方式并不意味着 y 是 x 的效果或结果。Granger因果检验度量对 y 进行预测时 x 的前期信息对均方误差MSE的减少是否有贡献,并以此作为因果关系的判断基准。
Granger因果关系检验实质上是检验一个变量的滞后变量是否可以引入到其他变量方程中。一个变量如果受到其他变量的滞后影响,则称它们具有Granger因果关系。
7、在分析VAR模型时,往往不分析一个变量的变化对另一个变量的影响如何,而是分析当一个误差项发生变化,或者说模型受到某种冲击时对系统的动态影响,这种分析方法称为脉冲响应函数方法(impulse response function,IRF)。
8、如果所考虑的时间序列具有相同的单整阶数,且某种线性组合(协整向量)使得组合时间序列的单整阶数降低,则称这些时间序列之间存在显著的协整关系。
所谓协整关系可理解为两变量间具有长期稳定关系。
协整关系存在的条件是:只有当两个变量的时间序列{x}和{y}是同阶单整序列即I(d)时,如果一个时间序列经过一次差分变成平稳的,就称原序列是一阶单整(integrated of 1)序列,记为I(1)。才可能存在协整关系(这一点对多变量协整并不适用)。因此在进行y和x两个变量协整关系检验之前,先用ADF单位根检验对两时间序列{x}和{y}进行平稳性检验。平稳性的常用检验方法是图示法与单位根检验法。
9、平稳化处理后,若偏自相关函数是截尾的,而自相关函数是拖尾的,则建立AR模型;若偏自相关函数是拖尾的,而自相关函数是截尾的,则建立MA模型;若偏自相关函数和自相关函数均是拖尾的,则序列适合ARMA模型。
10.自回归AR(p)模型
滑动平均MA(q)模型
ARMA(p,q)模型
ARMA(p,q)模型中包含了p个自回归项和q个移动平均项,ARMA(p,q)模型可以表示为:
ARMA滞后算子表示法
有时ARMA模型可以用滞后算子(Lag operator)L 来表示,LiXt = Xt − i。这样AR(p)模型可以写成为:
MA(q)模型可以写成为:
最后,ARMA(p,q)模型可以表示为:
或者
11、时间序列变量的特征
(1).非平稳性(nonstationarity,也译作不平稳性,非稳定性):即时间序列变量无法呈现出一个长期趋势并最终趋于一个常数或是一个线性函数(2).波动幅度随时间变化(Time-varying Volatility):即一个时间序列变量的方差随时间的变化而变化
这两个特征使得有效分析时间序列变量十分困难。
12、ARCH模型内涵
以表示收益或者收益残差,假设,此处
建模为
(即独立同分布,均符合期望为0,方差为1的正态分布)此处序列
(其中数。),即各期收益以非负数线性组合,常数项为正GARCH模型
如果方差用ARMA模型表示,则ARCH模型变形为GARCH模型(波勒斯勒夫(Bollerslev),1986年)。GARCH(p,q)模型为
13、模型的残差序列是否为白噪声的检验是用Box-Pierce(1970)提出的Q统计量完成的。
。Q统计量主要是检验序列是否为白噪声过程,由残差序列的自相关系数计算而得,服从卡方分布。如果Q统计量小于临界值,则接受原假设,认为序列不存在自相关。
如果Q统计量里的自相关系数由回归残差的平方序列计算而得,则可以用于检验自回归条件异方差性是否存在
原假设是残差是白噪声过程
Box-Pierce(1970)的Q统计量公式为,服从自由度为s的卡方分布。但是Box-Pierce(1970)的Q统计量的问题在于,及时对湿度大的样本,其效果也较差。Ljung-Box(1978)提出了更优且对小样本同样适用的修正Q统计量,它的构造为,其中T代表样本量,s代表滞后期,服从自由度为s的卡方分布。
Q检验属于平稳性检验的一种方式。
1、如果时间序列由白噪声过程生成,则对所有的k>0,样本自相关系数近似地服从以0为均值,1/n 为方差的正态分布,其中n为样本数。
2、也可检验对所有k>0,自相关系数都为0的联合假设,这可通过如下QLB统计量进行:
第四篇:1糖的呈色反应和还原糖的检验(讲稿)
糖的呈色反应和还原糖的检验(讲稿)
本次实验目的是了解鉴定糖和还原糖的原理以及方法,并通过实验操作予以验证。2人一组,前1-18组1个实验室。
二、实验原理。
糖的鉴定:糖经浓无机酸处理,脱水产生糠醛或糠醛衍生物。戊糖形成糠醛,己糖则形成羟甲基糠醛。这些糠醛和糖醛衍生物在浓无机酸作用下,能与酚类化合物缩合生成有色物质。与一元酚如α-萘酚作用,形成三芳香环甲基有色物质。与多元酚如间苯二酚作用,则形成氧杂蒽有色物质。
通常使用的无机酸为硫酸。如用盐酸,则必须加热。常用的酚类为α-萘酚、甲基苯二酚、间苯二酚和间苯三酚等,有时也用芳香胺、胆酸、某些吲哚衍生物和一些嘧啶类化合物等。
还原糖和非还原糖的鉴别:含有自由醛基(-CHO)或酮基(>C=O)的单糖和二糖为还原糖。在碱性溶液中,还原糖能将金属离子(铜、铋、汞、银等)还原,糖本身被氧化成酸类化合物,此性质常用于检验糖的还原性,并且常成为测定还原糖含量的各种方法的依据。
三、实验内容
本次实验一共采用了6种糖液作为测试糖液,2%葡萄糖,果糖,麦芽糖,蔗糖,1%淀粉溶液和1种未知糖液,每种糖液均有专门的移液管移取(贴有标签,有些实验可能只需加几滴,可以在移液管头部套上胶头滴加),不要弄混,所有试剂都有相应的移液管移取(大概4个组公用1套),用后请放回原位,方便别的同学使用。实验包括2个部分,共7个实验。
(一)糖的呈色反应
1.Molish反应(α-萘酚反应)本实验是鉴定糖类最常用的颜色反应。糖在浓酸作用下形成的糠醛及其衍生物与α-萘酚作用,形成红紫色复合物。在糖溶液与浓硫酸两液面间出现紫环,因此又称紫环反应。自由存在和结合存在的糖均呈阳性反应。此外,各种糠醛衍生物、葡萄糖醛酸、丙酮、甲酸、乳酸等皆呈颜色近似的阳性反应。因此,阴性反应证明没有糖类物质的存在;而阳性反应,则说明有糖存在的可能性,需要进一步通过其他糖的定性试验才能确定有糖的存在。
步骤:取6支已标号的试管,分别加入各种测试糖液lmL(约15滴),再各加入Molish试剂2滴,摇匀。逐一将试管倾斜,分别沿管壁慢慢加入浓硫酸l mL,然后,小心竖直试管,使糖液和硫酸清楚地分为两层,观察交界处颜色变化。如几分钟内无呈色反应,可在热水浴中温热几分钟。记录各管出现的颜色,说明原因,检定未知糖液。
该实验希望大家注意:
1、按书上步骤操作,尽量不要让糖液和浓硫酸混合,以方便观察出现的紫环。
2、该实验阳性只能说明有糖的存在。
3、Molisch反应非常灵敏,0.001%葡萄糖和0.0001%蔗糖即能呈现阳性反应。因此,不可使碎纸屑或滤纸毛混入样品中。过浓的果糖溶液,由于硫酸对它的焦化作用,将呈现红色及褐色而不呈紫色。需稀释糖溶液后重做。2.蒽酮反应
糖经浓酸水解,脱水生成的糠醛及其衍生物与蒽酮(10-酮-9,10-二氢蒽)反应生成蓝-绿色复合物。
步骤:取6支标号的试管,分别加入lmL蒽酮溶液,再将测试糖液分别滴加到各试管内,混匀,观察颜色变化,鉴定未知糖液。
注意:加入糖液的量会影响颜色的变化,本次实验加入量不要太多,几滴即可,(太多形成的颜色不再是蓝绿色)
3.Seliwanoff反应(间苯二酚反应)该反应是鉴定酮糖的特殊反应。在酸作用下,己酮糖脱水生成羟甲基糠醛。后者与间苯二酚结合生成鲜红色的化合物,反应迅速,仅需20-30s。在同样条件下,醛糖形成羟甲基糠醛较慢。只有糖浓度较高时或需要较长时间的煮沸,才给出微弱的阳性反应。蔗糖被盐酸水解生成的果糖也能给出阳性反应。
步骤:取试管6支,编号,各加人Seliwanoff试剂ImL。再依次分别加入测试糖液各4滴,混匀,同时放人沸水浴中,比较各管颜色变化及出现颜色的先后顺序,分析说明原因。注意:
1、该反应注意观察颜色出现(反应)的先后顺序,并记录下来。可将出现颜色的试管及时取出,避免干扰。
2、这是鉴别醛糖和酮糖的反应,注意蔗糖比较特殊,为什么?
4.Bial反应(甲基间苯二酚反应)戊糖与浓盐酸加热形成糠醛,在有Fe3+存在下,它与甲基间苯二酚(地衣酚)缩合,形成深蓝色的沉淀物。此沉淀物溶于正丁醇。己糖也能发生反应,但产生灰绿色甚至棕色的沉淀物。
步骤:将2滴测试糖液加到装有1ml Bial试剂的试管中,沸水浴中加热,观察颜色变化。如遇到未知糖呈色不明显,可以3倍体积水稀释,并加入1ml戊醇,摇动,醇液呈蓝色,即为阳性反应。注意:
本次实验提供的已知糖液全为己糖
(二)还原糖的鉴定
(课堂上讲的那些糖属于还原糖?)1.Fehling反应
费林试剂是含有硫酸铜与酒石酸钾钠的氢氧化钠溶液。硫酸铜与碱溶液混合加热,则生成黑色的氧化铜沉淀。若同时有还原糖存在,则产生黄色或砖红色的氧化亚铜沉淀。
在碱性条件下,糖不仅发生烯醇化、异构化等作用。也能发生糖分子的分解、氧化、还原或多聚作用等。由这些作用所形成的复杂混合物具有强烈的还原作用,因此企图用简单的氧化还原作用来写出反应平衡式是不可能的。
为了防止铜离子和碱反应生成氢氧化铜或碱性碳酸铜沉淀,Fehling试剂中加入酒石酸钾钠,它与Cu2+形成的酒石酸钾钠络合铜离子是可溶性的络离子,该反应是可逆的。平衡后溶液内保持一定浓度的氢氧化铜。费林试剂是一种弱的氧化剂,它不与酮和芳香醛发生反应。
步骤:取8支试管,各加Fehling试剂A和B各lmL。摇匀后,分别加人测试糖液各4滴,沸水浴煮2—3min,取出冷却,观察沉淀和颜色的变化。2.Benedict反应
Benedict试剂是Fehling试剂的改良。它利用柠檬酸作为Cu2+的络合剂,其碱性比Fehling试剂弱,灵敏度高,干扰因素少,因而在实际应用中有更多的优点。
步骤:于8支试管中先各加入Benedict试剂2ml,再分别加入测试糖各4滴,沸水浴中煮2-3min,冷却后,观察颜色变化。
3.Barfoed反应
该反应的特点是在酸性条件下进行还原作用。在酸性溶液中,单糖和还原二糖的还原速度有明显差异。单糖在3min内就能还原Cu2+而还原二糖则需20min。所以,该反应可用于区别单糖和还原二糖。当加热时间过长,非还原性二糖被水解也能呈现阳性反应,如蔗糖在10 min内水解而发生反应。还原二
糖浓度过高时,也会很快呈现阳性反应,若样品中含有少量氯化钠也会干扰此反应。步骤:分别加入测试糖液2-3滴到含有1ml Barfoed试剂的试管中,煮沸约3min,放置20min以上,比较各管颜色变化及红色出现的先后顺序。
注意:
1、本实验需要比较红色出现的先后顺序,因此在20分钟的放置过程中,需不时拿起试管观察底部。
2、理论上是出现Cu2O红色沉淀,但试剂反应时若反应速度快则生成的Cu2O颗粒较小,呈黄绿色;反应慢时,生成的Cu2O颗粒较大,呈红色。有保护胶体存在时,常生成黄色沉淀。实际生成的沉淀含有大小不同的Cu2O颗粒,因而每次观察到颜色可能略有不同。溶液中还原糖的浓度可以从生成沉淀的多少来估计,而不能依据沉淀的颜色来区别。
三、实验试剂的配制
以上实验中,有4种试剂需要在临用前配制: ①Molish 氏试剂
称取α-萘酚2克,溶于95%乙醇中并定容到100ml。注意临用前,新鲜配制,贮于棕色瓶中。
②蒽酮(Anthrone)试剂
溶解0.2g蒽酮于100mL浓硫酸(A.R.,比重1.84,含量95%)中。当日配制、使用。③Seliwanoff氏试剂
溶解50mg间苯二酚(resorcin01)于100rnl,盐酸(盐酸:水=1:2V/V)中。临用前配制。盐酸浓度不宜超过12%,否则,它将导致糖形成糠醛或其衍生物。以上3种以实验室为单位配置。④Barfoed 试剂
溶解33.3g中性结晶的乙酸铜与约400ml蒸馏水中,加3ml冰乙酸,以蒸馏水定容至500ml,临用时配制。
以上2个班共配置1份。
另外,Fehling试剂已经配好A液和B液,临用时,将试剂A和B等量混合。
四、其他注意事项
1、注意水浴加热时烧杯里面水不要太满;烧杯底部外壁不要沾上水,否则容易被烧裂。
2、实验过程中使用移液管移取试剂后及时用水清洗,切忌乱甩。
3、取用硫酸时可以使用镊子开内盖。
4、不要乱动实验室其他仪器。
5、实验完成后等待老师检查签字,经允许后方可离开。
6、值日安排。
五、实验报告要求以及思考题
1、判断实验结果,推测未知糖液。
2、应用Molish反应和Seliwanoff反应分析未知样品时应注意那些问题?
3、运用本实验的方法,设计一个鉴定未知糖的方案。
第五篇:让脱贫攻坚成效经得起历史和人民检验——党课讲稿
让脱贫攻坚成效经得起历史和人民检验——党课讲稿
在3月6日召开的决战决胜脱贫攻坚座谈会上强调,“要严把退出关,坚决杜绝数字脱贫、虚假脱贫”“从下半年开始,国家要组织开展脱贫攻坚普查,对各地脱贫攻坚成效进行全面检验”“要为...适时宣布打赢脱贫攻坚战、全面建成小康社会提供数据支撑,确保经得起历史和人民检验”的重要讲话对高质量完成脱贫攻坚目标任务提出了明确要求,为我们坚决夺取脱贫攻坚战全面胜利,确保脱贫攻坚成效经得起历史和人民检验,指明了努力方向、提供了根本遵循。
一、脱贫攻坚成效能否经得起历史和人民检验的重大意义
坚决打赢脱贫攻坚战是中国共产党的执政宗旨、政治优势的充分彰显。坚决打赢脱贫攻坚战,解决好贫困群众生产生活问题,满足贫困群众追求幸福生活的基本需求,这是我们的目标,也是我们的庄严承诺,我们一定要兑现这一承诺。
消除贫困、改善民生、实现共同富裕,是社会主义的本质要求。中华人民共和国成立后特别是改革开放以来,减贫成就举世瞩目,体现出我们党集中力量办大事的制度优势。如果到兑现承诺的时候,脱贫攻坚成效有水分,不能向人民交上一份满意的答卷,社会主义制度的优越性就会受到置疑。
经过艰苦奋斗,全面建成小康社会已经到了决战决胜的关键时刻。全面建成小康社会目标能否如期实现,关键取决于脱贫攻坚战能否打赢。没有农村贫困人口全部脱贫,就没有全面建成小康社会,这个底线任务不能打任何折扣,我们党向人民作出的承诺不能打任何折扣。
坚决打赢脱贫攻坚战是对整个人类都具有重大意义的伟业。中国扶贫开发道路贡献的中国智慧和中国方案,为其他发展中国家提供了有益借鉴。因此,如果不能做到脱贫工作务实、脱贫过程扎实、脱贫结果真实,我国国际形象就会受到损害。
二、确保脱贫攻坚成效经得起历史和人民检验必须从严考核监督
发挥质检仪的作用,脱贫攻坚的质量怎么样、成色怎么样,要通过一系列的标准、程序、方法来验证。发挥推进器的作用,脱贫攻坚有既定的时间节点,既要防止“急躁症”,也要防止“拖延症”,引导地方有节奏、有步骤、高质量推进。发挥温度计的作用,感知老百姓、贫困群众对党的脱贫攻坚政策、对党的帮扶政策是否满意,是否落实到位。
现在距离完成脱贫攻坚目标任务不到一年时间,有的贫困地区、贫困群众已实现脱贫摘帽,而有的贫困地区、贫困群众正在最后攻坚。此时开展脱贫攻坚普查,就是为了更精准地了解各地区脱贫攻坚任务完成情况,通过对一手信息的分析,科学精准地制定决策,确保高质量完成打赢脱贫攻坚战。
开展脱贫攻坚普查,一方面是聚焦目标摸清完成情况,不仅看是否实现了脱贫摘帽,还要看是否筑牢了稳脱贫的基础,精确掌握贫困地区、贫困人口的自我发展能力。另一方面是聚焦问题摸清困难矛盾。
挂牌督战贵在“战”,挂牌督战工作既要较真碰硬“督”,更要凝心聚力“战”,明确“督”是为了“战”,切忌舍本逐末,要持续保持攻坚态势,层层压实责任,强化攻坚举措,确保督战实效。
挂牌督战重在“督”,对未摘帽的贫困县和贫困人口多、脱贫难度大的村挂牌督战的目的,就是及时掌握各地进展,研判形势,协调有关部门加大工作指导和政策支持,督促各地狠抓工作、责任落实,及时解决制约完成脱贫攻坚任务的突出问题,确保剩余贫困人口如期脱贫、贫困县全部摘帽。
挂牌督战要在“导”,脱贫攻坚以来,各地各部门的干部职工历经战阵,人困马乏的情况开始出现。挂牌督战一定要善于发挥“导”的作用,充分帮助下级统一思想、解除顾虑、排除风险,切实帮助下级提高政治站位,增强决战决胜脱贫攻坚的责任感和紧迫感。
三、确保脱贫攻坚成效经得起历史和人民检验需要强化政治保证
领导干部能否树立正确政绩观,是推动当地脱贫攻坚工作的重要保障。要教育引导各级领导干部发扬科学精神和求实精神,遵循“功成不必在我”“前人栽树后人乘凉”的执政理念,多做打基础、利长远的事,大兴求真务实之风,按规律办事,科学地干事,干实实在在的事,不喊空洞无物标新立异的口号,不搞盲目攀比脱离实际的决策,不搞劳民伤财的“形象工程”“政绩工程”,将脱贫攻坚工作真正抓准、抓牢、抓出实效。
打攻坚战,实打才有胜算。啃硬骨头,实干方能破局。这既是源于实践的经验,也是进一步做好脱贫攻坚工作的要求。只有围绕一个“实”字,做足“实”的工作,写好“实”的文章,目标要“实”、措施要“实”、方法要“实”、领导要“实”、效果要“实”,才能打赢脱贫攻坚战。
脱贫攻坚越到最后时刻越要响鼓重锤,决不能搞急功近利、虚假政绩的东西。
脱贫攻坚一线干部,往往沉在最基层、工作连轴转,付出了较大的代价和机会成本。要积极协调帮助解决工作中遇到的矛盾和问题,鼓励他们心无旁骛谋事干事,不能怕担责、“踢皮球”,让他们“流汗又流泪”。仅供参考