个人总结-面板数据 stata

第一篇：个人总结-面板数据 stata

一、面板数据如何从混合最小二乘、固定效应、随即效应中选择

1、混合最小二乘、固定效应

.xtreg vol1 FI share1 share2 share3 , fe Fixed-effects(within)regression Number of obs = 289Group variable: code Number of groups = 36R-sq: within = 0.0210 Obs per group: min = 7 between = 0.0259 avg = 8.0 overall = 0.0095 max = 11 F(4,249)= 1.34corr(u_i, Xb)=-0.7580 Prob > F = 0.2569 vol1 Coef.Std.Err.t P>|t| [95% Conf.Interval] FI.0274564.0192466 1.43 0.155-.0104505.0653634 share1.0043386.1112655 0.04 0.969-.2148029.2234801 share2.0075372.111155 0.07 0.946-.2113867.2264611 share3.0058343.1113069 0.05 0.958-.2133888.2250574 _cons-.5947285 11.1241-0.05 0.957-22.50405 21.31459 sigma_u.02625677 sigma_e.05223138 rho.20172957(fraction of variance due to u_i)F test that all u_i=0: F(35, 249)= 0.87 Prob > F = 0.6879

F检验，原假设为个固定效应都相同，拒绝则选择固定效应，反之为混合最小二乘。——此时选混合最小二乘

2、随即效应还是混合最小二乘

.xtreg roa_a stateshr size tl , reRandom-effects GLS regression Number of obs = 77Group variable: id Number of groups = 14R-sq: within = 0.4859 Obs per group: min = 3 between = 0.8053 avg = 5.5 overall = 0.6927 max = 11Random effects u_i ~ Gaussian Wald chi2(3)= 106.77corr(u_i, X)= 0(assumed)Prob > chi2 = 0.0000 roa_a Coef.Std.Err.z P>|z| [95% Conf.Interval] stateshr-.0023371.0011081-2.11 0.035-.0045089-.0001653 size.0008558.000203 4.22 0.000.0004578.0012537 tl-.1132165.0112583-10.06 0.000-.1352823-.0911507 _cons.0922799.0109761 8.41 0.000.0707672.1137926 sigma_u.00103144 sigma_e.00170742 rho.2673593(fraction of variance due to u_i)..xttest0Breusch and Pagan Lagrangian multiplier test for random effects roa_a[id,t] = Xb + u[id] + e[id,t] Estimated results: Var sd = sqrt(Var)roa_a.0000114.0033722 e 2.92e-06.0017074 u 1.06e-06.0010314 Test: Var(u)= 0 chi2(1)= 2.87 Prob > chi2 = 0.0903.原假设为var(u)=0，拒绝则采用随即效应——此时选随机

3、固定还是随即.hausman fe re Coefficients(b)(B)(b-B)sqrt(diag(V_b-V_B))fe re Difference S.E.stateshr-.0208393-.0416243.0207849.022253 size.0287271.0156759.0130511.0068713 tl.0134735.2663396-.252866.2696783 b = consistent under Ho and Ha;obtained from xtreg B = inconsistent under Ha, efficient under Ho;obtained from xtreg Test: Ho: difference in coefficients not systematic chi2(3)=(b-B)'[(V_b-V_B)^(-1)](b-B)= 3.61 Prob>chi2 = 0.3070

原假设为随机，拒绝则选固定——此时选随机

二、缩尾会使显著性降低

第二篇：面板数据和混合数据分析相关总结

面板数据和混合数据分析相关总结

这是我在查阅各种资料后得出的关于面板数据的总结，最近在做面板的实证论文，所以需要这个，欢迎大家继续扩充，只要是关于面板的都行，关于具体如何在Eviews6中实现的更好，不甚感激。

*横截面的异方差与序列的自相关性是运用面板数据模型时可能遇到的最为常见的问题,此时运用OLS可能会产生结果失真,因此为了消除影响,对我国东、中、西部地区的分析将采用不相关回归方法(SeeminglyUnrelated Regression, SUR)来估计方程。而对于全国范围内的估计来说,由于横截面个数大于时序个数,所以采用截面加权估计法(Cross SectionWeights, CSW)。

*一般而言，面板数据可用固定效应(fixed effect)和随机效应(random effect)估计方法,即如果选择固定效应模型,则利用虚拟变量最小二乘法(LSDV)进行估计;如果选择随机效应模型,则利用可行的广义最小二乘法(FGLS)进行估计(Greene ,2000)。它可以极大限度地利用面板数据的优点,尽量减少估计误差。至于究竟是采用固定效应还是随机效应,则要看Hausman 检验的结果。

*单位根检验：在进行时间序列的分析时,研究者为了避免伪回归问题,会通过单位根检验对数据平稳性进行判断。但对于面板数据则较少关注。随着面板数据在经济领域应用,对面板数据单位根的检验也逐渐引起重视。面板数据单位根的检验主要有Levin、Lin 和Chu 方法(LLC 检验)(1992 ,1993 ,2002)、Im、Pesaran 和Shin 方法(IPS 检验)(1995 ,1997)、Maddala 和Wu 方法(MW检验)(1999)等。

*协整检验：协整检验是考察变量间长期均衡关系的方法。在进行了各变量的单位根检验后,如果各变量间都是同阶单整，那么就可以进行协整检验了。面板协整检验理论目前还不成熟,仍然在不断的发展过程中,目前的方法主要有:

(1)Kao(1999)、Kao and Chiang(2000)利用推广的DF和ADF检验提出了检验面板协整的方法,这种方法零假设是没有协整关系,并且利用静态面板回归的残差来构建统计量。

(2)Pedron(i1999)在零假设是在动态多元面板回归中没有协整关系的条件下给出了七种基于残差的面板协整检验方法。和Kao的方法不同的是,Pedroni的检验方法允许异质面板的存在。

(3)Larsson et a(l2001)发展了基于Johansen(1995)向量自回归的似然检验的面板协整检验方法。这种检验的方法是检验变量存在共同的协整的秩。

*一般的顺序是：先检验变量的平稳性,当变量均为同阶单整变量时,再采用协整检验以判别变量间是否存在长期均衡关系。如果变量间存在长期均衡的关系,我们可以通过误差修正模型(ECM)来检验变量间的长期因果关系;如变量间不存在协整关系,我们将对变量进行差分,然后通过向量自回归模型(VAR),检验变量间的短期因果关系。

关于平稳性检验和协整检验、因果检验流程图

↗ 同阶单整→协整检验→协整？（YES：EG两步法 for 长期因果关系；NO：误差修正模型ECM/VEC for 短期因果关系）

平稳？（单位根检验）

↘非同阶单整→差分使平稳→VAR→Granger因果检验 for 短期因果关系

关于面板数据模型选择回归与检验流程图

混合固定（main：个体固定）随机（main：个体随机）▏▁▁▁▁▁▁▁▁▁▁▁▁▏▁▁▁▁▁▁▁▁▁▁▁▁▁ ▏

▏先回归估计▏先回归估计

↓Cross-section:fixed↓Cross-section:random

F检验Hausman检验

▏▏

H0:混合H1:个体固定HO:个体随机H1:个体固定

--

Output：▏▏

If:If:

F=(Cross-section F Stat.)>Fa(df1,df2)H=(Cross-section Random Stat.)>χ2a(df1)

or Prob.

Then:reject H0,accept H1Then:reject H0,accept H

1是先做F检验还是先做Hausman检验啊；做F检验的时候，Fixed and Random、comm和Cross-section specific选项应该怎么设置啊；另外我看高铁梅上面对面板的分类有些不同，能说说有啥区别么？

以Eviews6为例，来说明一下面板模型的选择问题：

F检验是用来在混合模型和固定效应模型中做出选择，而Hausman检验是用来在固定效应模型和随机效应模型中做出选择，所以不存在孰先孰后的问题；

由于我们通常估计的个体效应而不是时刻效应，所以我们进行回归和检验的时候，Period选择None。

回归的时候，具体操作设置如下，Depedent Variable里填因变量，Common Coefficients里填自变量（包括截距项c），Cross-Section视回归需要选择None、Fixed、Random，Period选择None，可以依次实现混合回归、个体固定回归、个体随机回归。然后在个体固定回归之后，进行F检验进行模型选择决策1；在个体随机回归之后，进行Hausman检验进行模型选择决策2，从而最终得出最佳回归。

第三篇：stata命令总结

表2-1: 回归分析相关命令一览

命令用途

anova 方差和协方差分析 heckman Heckman 筛选模型

intreg 离散型变量模型，包括Tobit、cnreg 和intreg ivreg 工具变量法（IV 或2SLS）

newey Newey-West 标准差设定下的回归

prais 针对序列相关的Prais-Winsten, Cochrane-Orcutt, or Hildreth-Lu 回归 qreg 分量回归 reg OLS 回归 sw 逐步回归法

reg3 三阶段最小二乘回归

rreg 稳健回归（不同于方差稳健型回归，即White 方法）sureg 似无相关估计

svyheckman 调查数据的Heckman 筛选模型 svyintreg 调查数据的间断变量回归 svyregress 调查数据的线性回归 tobit Tobit 回归

treatreg treatment 效应模型 truncreg 截断回归

表2-2: 时间序列命令一览

命令用途

clemao1 允许结构突变的单位根检验 zandrews dfuller dfgls pperron coin 单方程协整检验

dwstat 参考dwstat2 , durbina2 durbinh

表2-3: Panel Data 模型相关命令一览I 命令模型

统计描述相关命令：

xtdes 变量类型，数据类型描述 xtsum 基本统计量 xttab 按表格形式列示 xtpattern 面板数据的模式 估计相关命令：

xtreg 面板数据模型（固定效应、随机效应）

xtregar 含有AR(1)干扰项的固定效应和随机效应面板数据模型

xtgls 截面-时序混合模型，可处理异方差、组内序列相关和组间相关性 xtpcse OLS or Prais-Winsten models with panel-corrected standard errors xtrchh Hildreth-Houck random coefficients models xtivreg 面板模型的工具变量或两阶段最小二乘法估计 xtabond Arellano-Bond(1991)线性动态面板数据模型估计

xtabond2 Arellano-Bover(1995)系统GMM 动态面板数据模型估计 xttobit Tobit 随机效应面板模型

xtintreg Random-effects interval data regression models xtlogit Fe, Re, Pa logit models xtprobit Re, Pa probit models xtcloglog Re, Pa cloglog models xtpoisson Fe, Re, Pa Poisson models xtnbreg Fe, Re, Pa negative binomial models xtfrontier 面板随机前沿模型

xthtylor Hausman-Taylor estimator for error-components models

表2-4: Panel Data 模型相关命令一览II 命令模型

假设检验相关：

test Wald 检验，如时间效应联合显著性检验 xttest0 随机效应检验 xttest1 面板序列相关检验 xttest2 ads xtserial Wooldridge 一阶序列相关检验 xtab Arellano 面板一阶序列相关检验 hausman Hausman 检验 面板单位根和协整相关： xtunit stata提供的检验方法

ipshin IPS(2003)面板单位根检验

levilin Levin，Lin和Chu(LLC, 2002)面板单位根检验 madfuller Sarno-Taylor(1998)面板单位根检验

xtfisher Maddala和Wu(1999),基于P 值的面板单位根检验

表2-5: Post-estimation Commands 命令名称用途

adjust 列示预测结果的均质，适于多种回归分析，可分组列示 estimates 估计结果的存储、再显示、列表比较等 hausman Hausman 模型识别检验

lincom 获得参数的线性组合，在Logit 模型中可以获得系数线性组合的OR 值 linktest 但方程link 识别检验，用y 对Oy 和Oy2 回归 lrtest 似然比（LR）检验

mfx 计算边际效应和弹性系数 nlcom 系数的非线性组合 predict 获得拟合值、残差等

predictnl 获得非线性估计的拟合值、残差等 test 线性约束的假设检验，Wald 检验 testnl 非线性约束的假设检验

vce 列示参数估计值的方差-协方差矩阵

表2-6: 二维图种类一览

图形种类简单描述 scatter scatterplot line line plot connected connected-line plot scatteri scatter with immediate arguments area line plot with shading bar bar plot spike spike plot dropline dropline plot dot dot plot rarea range plot with area shading rbar range plot with bars rspike range plot with spikes rcap range plot with capped spikes rcapsym range plot with spikes capped with symbols rscatter range plot with markers rline range plot with lines rconnected range plot with lines and markers tsline time-series plot tsrline time-series range plot mband median-band line plot mspline spline line plot lowess LOWESS line plot lfit linear prediction plot qfit quadratic prediction plot fpfit fractional polynomial plot lfitci linear prediction plot with CIs qfitci quadratic prediction plot with CIs fpfitci fractional polynomial plot with CIs function line plot of function histogram histogram plot kdensity kernel density plot 表2-7: 二维图选项一览

选项类别简单描述

added line options draw lines at specified y or x values added text option display text at specified(y,x)value axis options labels, ticks, grids, log scales title options titles, subtitles, notes, captions legend option legend explaining what means what scale(#)resize text, markers, and line widths region options outlining, shading, aspect ratio, size aspect option constrain aspect ratio of plot region scheme(schemename)overall look by(varlist,...)repeat for subgroups nodraw suppress display of graph name(name,...)specify name for graph saving(filename,...)save graph in file advanced options difficult to explain 表2-9: 模拟分析相关命令一览

命令用途备注 抽样相关：

corr2data 产生具有指定相关性的数据仅适用于模拟相关分析 drawnorm invnorm(uniform())产生服从标准正态分布的随机数函数，可调节均值和方差 matuniform(r,c)产生均匀分布函数

sample 从现有数据中进行非重复随机抽样参考bsample sim arma 产生服从ARIMA 过程的随机变量需要下载 Bootstrap 相关： bootstrap bs bstat bsample MC 相关: simulate MC simulation jknife 类似于MC permute postfile 存储MC 的结果 statsby exp list

第四篇：stata命令总结

stata11常用命令

注：JB统计量对应的p大于0.05，则表明非正态，这点跟sktest和swilk检验刚好相反； dta为数据文件； gph为图文件； do为程序文件；

注意stata要区别大小写； 不得用作用户变量名：

_all _n _N _skip _b _coef _cons _pi _pred _rc _weight double float long int in if using with 命令：

读入数据一种方式 input x y 1 4 2 5.5 3 6.2 4 7.7 5 8.5 end su/summarise/sum x 或 su/summarise/sum x,d 对分组的描述： sort group by group:su x %%%%% tabstat economy,stats(max)%返回变量economy的最大值

%%stats括号里可以是：mean，count(非缺失观测值个数)，sum(总和)，max，min，range，%% sd，var，cv(变易系数＝标准差/均值)，skewness，kurtosis，median，p1(1％分位

%% 数，类似地有p10, p25, p50, p75, p95, p99)，iqr(interquantile range = p75 – p25)_all %描述全部

_N 数据库中观察值的总个数。_n 当前观察值的位置。_pi 圆周率π的数值。list gen/generate %产生数列 egen wagemax=max(wage)clear use by(分组变量)set more 1/0 count %计数

gsort +x(升序)gsort-x(降序)sort x 升序；并且其它变量顺序会跟着改变 label var y “消费” %添加标签 describe %描述数据文件的整体，包括观测总数，变量总数，生成日期，每个变量的存储类型(storage type)，标签(label)replace x5=2*y if x!=3 %替换变量值

replace age = 25 in 107 %令第107个观测中age为25 rename y2 u %改变变量名

drop in 2 %删除全部变量的第2行

drop if x==.删去x为缺失值的所有记录

keep if x<2 %保留小于2的数据，其余变量跟随x改变 keep in 2/10 %保留第2-10个数

keep x1-x5 %保留数据库中介于x1和x5间的所有变量(包括x1和x5)，其余变量删除

ci x1 x2,by(group)%算出置信区间,不过先前对group要先排序，即sort group；

%by的意思逐个进行

cii 12 3.816667 0.2710343, level(90)%已知均值，方差，计算90%的置信区间

cii 10 2 %obs=10,mean=2,以二项分布形式，计算置信区间 centile x,centile(2.5 25 50 75 97.5)%取分位数 correlate/corr x y z %相关系数

pwcorr x y,sig %给出原假设r=0的命令 %如果变量非服从正态分布，则spearman x y regress/reg mean year %回归方程建立 reg y x,noconstant %无常数项 predict meanhat %预测拟合值 predict e,residual %得到残差 estat hettest % 异方差检验

dwstat % Durbin-Watson自相关检验 vif % 方差膨胀因子

logit y x1 x2 x3(y取0或1，是被解释变量，x1-x3是被解释变量)%logit回归

probit y x1 x2 x3(y取0或1，是被解释变量，x1-x3是被解释变量)%probit回归

tobit y x1 x2 x3(y取值在0和1之间，是被解释变量，x1-x3是被解释变量)%tobit回归

sktest e %残差正态性检验 p>0.05则接受原假设，即服从正态分布； %% sktest是基于变量的偏度和斜度(正态分布的偏度为0，斜度为3)swilk x %基于Shapiro-Wilk检验

%%p值越小，越倾向于拒绝零假设，也就是变量越有可能不服从正态分布 xi %生成虚拟变量 tabulat gender,summ(math)%用gender指标对math进行分类，返回两类math的mean、std、freq tabulate=tab %gen f=int((shengao-164)/3)*3+164 组距为3 tabulate 变量名 [, generate(新变量)missing nofreq nolabel plot ] %%%%% generate(新变量)// 按分组变量产生哑变量 nofreq // 不显示频数 nolabel // 不显示数值标记 plot // 显示各组频数图示 missing // 包含缺失值

cell // 显示各小组的构成比(小组之和为 1)column // 按栏显示各组之构成(各栏总计为 1)row // 按行显示各组之构成(各行总计为 1)%%%%% 求和，求最小？ mod(x,y)%求余数

means %返回三种平均值 di normprob(1.96)di invnorm(0.05)di binomial(20,5,0.5)di invbinomial(20,5,0.5)di tprob(10,2)di invt(10.0.05)di fprob(3,27,1)di invfprob(3,27,0.05)di chi2(3,5)di invchi2(3,0.05)stack x y z,into(e)%把三列合成一列 xpose,clear %矩阵转置

append using d:917.dta %把已打开的文件（x y z）跟0917里的（x y z）合并，是竖向合并，即观察值合并；

merge using D:917.dta %把已打开的文件（x y z）跟0917里的（a b）合并，是横向合并，即变量合并； format x %9.2e %科学记数 format x %9.2f %2位小数

%产生随机数

%1 产生20个在(0，1)区间上均匀分布的随机数uniform()set seed 100 set obs 20 gen r=uniform()list % clear 清除内存

set seed 200 设置种子数为 200 set obs 20 设置样本量为 20 range no 1 20 建立编号 1 至 20 gen r=uniform()产生在(0,1)均匀分布的随机数 gen group=1 设置分组变量 group 的初始值为 1 sort r 对随机数从小到大排序

replace group=2 in 11/20 设置最大的 10 个随机数所对应的记录

为第2组，即：最小的10个随机数所

对应的记录为第1组 sort no 按照编号排序

list 显示随机分组的结果 也可以list if group==1和list no if group==1 %2 产生10个服从正态分布N（100，6^2）的随机数invnorm(uniform())*sigma+u clear 清除内存

set seed 200 设置种子数为 200 set obs 10 设置样本量为 10 gen x=invnorm(uniform())*6+100 产生服从 N(100，6^2)的随机数 list 画图

注意有些图前面要加 histogram 直方图 line 折线图 scatter 散点图

scatter y x,c(l)s(d)b2(“(a)”)graph twoway connected y x 连点图

graph bar(sum)var2,over(var1)blabel(total)%条形图.graph bar p52 p72,by(d).graph bar p52 p72,over(d).graph bar p52 p72,by(d)stack.graph bar p52 p72,over(d)stack ////////////数据如下 %d p52 p72 %1 163.2 27.4 %2 72.5 83.6 %3 57.2 178.2 histogram x,bin(8)norm %画直方图，加正态分数线

graph pie a b o ab if area==1,plabel(_all percent)%画饼图 graph pie var2, over(var1)plabel(_all percent)%饼图 graph pie p52 p72,by(d)%饼图 graph box y1 %箱体图 qnorm x %qq图 lfit y x %回归直线

graph matrix gender economy math 多变量散点图

line yhat x||scatter y x,c(.l)s(O.)xline(12)yline(5.4)%线形图&散点图

有一些通用的选项可以给图形“润色”：

标题 title(“string”)（string可为任意的字符串，下同）脚注 note(“string”)

横座标标题 xtitle(“string”)纵座标标题 ytitle(“sting”)

横座标范围 xaxis(a,b)（a

connect(c...c)//连接各散点的方式，c表示： 或简写为c(c...c).不连接(缺省值)l 用直线连接

L 沿x方向只向前不向后直线连接 m 计算中位数并用直线连接 s 用三次平滑曲线连接 J 以阶梯式直线条连接

|| 用直线连接在同一纵向上的两点

II 同 ||, 只是线的顶部和底部有一个短横 Symbol(s...s)// 表示各散点的图形，s 表示： 或简写为s(s...s)O 大圆圈(缺省值)S 大方块 T 大三角形 o 小圆圈 d 小菱形 p 小加号.小点 i 无符号

[varname] 用变量的取值代码表示 [_n] 用点的记录号表示

数学函数等都要与generate、replace、display一起使用，不能单独使用 程序文件do use d:917.dta reg y x corr y x line y x,saving(d:d4)按ctrl+D执行 字符串操作函数：

length(s)%长度函数，计算s的长度, 如，disp length(“ab”)的结果是2 substr(s,n1,n2)%子串函数，获得从s的n1个字符开始的n2个字符组成的字符串, disp substr(“abcdef”,2,3)的结果是“bcd” string(n)%将数值n转换成字符串函数，如，disp string(41)+“f”的结果是“41f” real(s)%将字符串s转换成数值函数，如，disp real(“5.2”)+1的结果是6.2 upper(s)%转换成大写字母函数，如，disp upper(“this”)的结果是“THIS” lower(s)%转换成小写字母函数，如disp lower(“THIS”)的结果是“this” index(s1,s2)%子串位置函数，计算s2在s1中第一次出现的起始位置, 如果s2不

在s1中, 则结果为0。如，disp index(“this”,“is”)的结果是3, 而index(“this”,“it”)的结果是0 trim(s)%去除字符串前面和后面的空格 ltrim(s)%去除字符串前面的空格 rtrim(s)%去除字符串后面的空格

di sign(x)%x>0时取1, x<0时取-1, x=0时取0； 符号函数 di int(x)%去掉x的小数部分, 得到整数(取整函数)sum(x)%获得包括当前记录及以前的所有记录的x 的和。缺失值(missing value)当0处理;求和函数

max(x1,x2,...,Xn)忽略缺失值;最大值函数 min(x1,x2,...,Xn)忽略缺失值;最小值函数 float(x)%将x转换成浮点表示法。

gen yy=cond(x<2,10,11)%条件函数cond(x,a,b)x可以是一个条件, x非0(条件成立)时取a, x为0(条件不成立)时取b。

gen y1=recode(x,2,5)%归组函数recode(x,x1,x2,...xn)gen y2=autocode(x,3,-2,9)%autocode(x,ng,xmin,xmax)自动将区间（xmin,xmax）分成ng个等长的小区间，其结果是包含x值那个小区间的上界值

t检验： gend=x-y ttestd=0 ttestx=y 如果不配对

ttestx1=x2,unpaired ttestx1=x2,unequalunpaired 已知样本均数、标准差和样本数进行t检验：

ttesti 21 1.28 0.92 0.2 %检验均值是否等于0.2 检验两组均数是否相同：

ttesti 11 10 1.9 14 12.8 2.3 检验变量x1和x2的方差是否相同(即：齐性)sdtestx1=x2

一、配对设计的平均水平检验

当总体服从正态分布时，可以选用t检验，否则用非参符号秩检验 signrankd=0

二、平行对照设计的两组资料平均水平统计检验

如果两组资料的方差齐性和相互独立的，并且每组资料服从正态 分布，则用成组t检验，否则可以用成组Wilcoxon秩和检验 ranksum x, by(group)%2组资料中位数比较 kwallis x, by(group)%多组资料中位数比较 anova x t id %x为因变量，t跟id是因素 egenr=rank(x),by(id)%产生秩r 单因素方差分析: 单因素方差分析又称为OnewayANOVA，用于比较多组样本的均数是否相同，并假定：每组的数据服从正态分布，具有相同的方差，且相互独立，则无 效假设Ho:各组总体均数相同。在STATA中可用命令：

oneway x group, mean bonferroni %bonferroni用于多组样本均数的两两比较检验

logrank t outcome, by(group)%单因素生存分析 两因素方差分析

多因素方差分析：anova y x1 x2 x1*x2

第五篇：小组总结面板

付出就会有回报

时间飞逝，转眼间快到这个学期的最后阶段了。怪不得人们常说日月如梭！不知不觉中我们走过初二上学期，留下了无限对激情燃烧的岁月的回忆。过去的自己带来了一腔热情和梦想来到了二实验。但，年少无知，所以在学习的方法上难免会有同学走弯路，幸亏有老师帮助我们，所有都开始变的有条不紊。担任组长一年来，对于我的组员，确实有些话想说。首先，说一下组员进步的地方。

在纪律方面，一年的学习时间以来，基本可以做到自习课安静，抓好零碎时间（比如出操前,打饭前……）,但如果你连大块的上课,自习时间都抓不住的话,零碎时间抓得再好也没有用,只会弄的自己疲惫不堪。在下学期，我希望组员再接再厉，争取在纪律方面做得更好。

在作业方面，难免会有几个不交的，或忘带的，可这都是借口。为什么不会在晚上睡觉前检查好自己的书包那？在这，我也向组员韩译瑞表示感谢，基本上，他到校时间会比我早，所以都有提前帮我收作业，组员也很乐意让他收作业。渐渐的，我成为的幕后黑手。在学习方面，感觉小组积极讨论的地方有所不足，老师给予的时间很充实，有时小组讨论经常是讨论的不靠谱小组这方面有待提升

初二是我们拥有最多的属于自己的时间。如果能够利用这些时间多掌握一些知识和能力,多积累一些学习材料,多养成一些好习惯,会使你在初三时有很高的学习效率,使你轻松很多（相对来说）,无论在心态还是学习上。如果很多东西你从初三才开始的话,你会发现根本没有多少时间供你自己支配,会手忙脚乱,感觉做什么也来不及了。

焦天成对于语文的字体的拼写，小组比较缺乏这方面的练习，希望组员在放假时认真完成老师留的书写任务。（要对的起认真二字）滕达希望利用初二假期能够扩宽知识面的所谓的闲书。背一些名言,诗词,事例。

盛海狄对于初中数学的特点是课本的你全会,可做题就不一定会了。需要一定的联系。当然课本还是要掌握好的,那是基础。

雷濛对于纪律方面提醒一下，纪律是学习的保证。没有纪律，何谈学习？

韩译瑞作业情况希望特别注意下，我曾经看过一篇短文，希望对你有帮助

.同学们，你们有没有没写过作业的呢？什么？你还没写过？如果你还没写过一次作业，你就知道它的好处了。别着急，让我一一为你道来.NO、1：一次不写作业

如果你只有一次不写作业，那你就只算是个新手，你将获得一份抄100遍的作业字帖，还可以省去玩的时间，多多学习！

NO、2：两次不写作业

这一次，说明了你已经渐渐喜欢上了不写作业，对它的礼物产生了极大的兴趣。你将会获得一份抄1000遍的字帖，还有免费的“紧箍咒”3小时试听！

NO、3：三次不写作业

你现在已经是该项目的初级用户。你将会获得一张免费家长到学校的邀请函，和10小时的“紧箍咒”试听，同时还赠送一枚无敌催泪弹，并免费穿射！

NO、4：四次不写作业

恭喜你，你现在已经是该项目的中级用户了，加油哦。你将获得一张亲朋好友兄弟姐妹爷爷奶奶姑姑婶婶妈妈爸爸大哥大嫂的教育和唱专辑！

NO、5：五次不写作业

太好啦，你已经是该项目的白银用户，冲刺以下，很有可能成为黄金用户哦。你将会获得你亲爱的妈妈在你的脸上的10个手掌抽象画，和你爸爸的舒服按摩！

NO、6：六……十次不写作业

语、数学、语文三门主课老师的免费心理指导，和高效率的免费补课！

NO、7：一百次不写作业

天降喜讯！！你已经成为该项目的黄金用户。你将获得10张学校开除的不同卡开除证书，你还将会在全市拥有众多的铁杆粉丝。还会有一张“断离母子、父子关系的纸条”使你可以像出笼的小鸟那样获得自由。还可以在10年间都徘徊在小学一年级，感受儿童的天真与快乐！

NO、8：N次不写作业

经过你的坚持不写作业的努力，你已经是超级用户了！你可以拥有会员般的待遇：你可获得棍子按摩师精心为你按摩按摩；还有刺激的抽鞭子，抽完后，还有舒适的盐水浴……。这样不久你就可以获得该项目的终极大奖---那就是----“免费西天终生游”。到西天后，你可以住到西天皇家社区，还可以与哪吒、金童玉女、小鸟仙一起在太白金心老师的尽心教导下学习；来可以与好西屋巨星，嫦娥，七仙女拍一张亲密合影；还有和天长如来佛祖，副天长观音大士的亲笔签名。

怎么样，是不是被这重重大礼和权利所动心了呢？还等什么，为了重重大礼，冲啊！至于自己。问题较大还望组员谅解，希望组员对我做出评价和总结 有付出就会有回报，希望你会里回报再近一步

2013，1，3

任芷萱