Eviews计量经济学三大检验(精品文档)_共14页

E v i e w s计量经济学三大检验作业1我们有1978-2007年我国财政收入,国内生产总值,财政支出和商品零售价格指数的年度数据。

请用Eview 进行回归分析。

（1） 根据回归结果分析模型的经济意义（包含模型的显著性，拟合优度，系数的显著性，系数的经济意义）建立模型，做OLS 估计，得结果图一，列表如下：43283175.57898859.0003271.0558.6399X X X Y ++--=∧)0636.20)(065848.0)(012559.0)(836.2132(SE )882456.2)(65061.13)(260476.0-)(000492.3-(t =997046.02=R 996705.02=R 845.2924=F模型整体显著性较高（F 检验十分显著），可决系数2R 和调整的可决系数较大，即样本回归方程对样本观测值拟合较好。

t 检验显示2X 的系数不显著（p 值>0.05,不能拒绝β=0的原假设）,3X 和4X 的系数显著（p值<0.05，拒绝β=0的原假设）。

从模型的经济意义来看，财政支出、商品零售价格指数与财政收入成正相关，国内生产总值与财政收入成负相关,不符合客观经济规律，可能与模型变量的选取有关。

考虑对模型进行对数变换，结果为图二。

432ln 128427.1ln 631090.0ln 448496.0946444.6ln X X X Y +++-=∧)610249.0)(160929.0)(141418.0)(853146.2(SE)849127.1)(921549.3)(171412.3)(434662.2(t -=987673.02=R 986251.02=R 3969.694=F对数变换后模型整体显著性较高（F 检验十分显著，p 值=0.00<<0.05），可决系数2R 和调整的可决系数略有下降，模型可解释98.63%的因变量变化。

如何用EViews进行计量经济学分析EViews是一个功能强大的计量经济学软件，广泛应用于经济学和金融学领域。

本文将介绍如何使用EViews进行计量经济学分析。

一、EViews的基本功能和特点EViews是一款广泛用于经济学分析的软件，具有以下几个特点：1. 数据管理：EViews可以方便地导入、处理和管理各种类型的数据，包括时间序列数据和截面数据。

2. 统计分析：EViews提供了丰富的统计分析和计量经济学方法，如描述统计、回归分析、时间序列分析等。

3. 模型建立：EViews支持各种经济模型的建立和估计，如线性回归模型、ARMA模型、VAR模型等。

4. 图表展示：EViews具有强大的图表绘制功能，可以帮助用户直观地展示数据和分析结果。

二、使用EViews进行计量经济学分析的步骤下面将以线性回归模型为例，介绍如何使用EViews进行计量经济学分析。

1. 导入数据首先，将需要分析的数据导入EViews。

通过点击"File"菜单，选择"Import"，然后选择合适的数据文件类型进行导入。

2. 创建工作文件在导入数据后，可以创建一个新的工作文件，以便进行后续的分析和建模操作。

点击"File"菜单，选择"New"，然后选择"Workfile"创建一个新的工作文件。

3. 创建方程在工作文件中，可以创建一个回归模型方程。

点击"Quick"菜单，选择"Estimate Equation"，然后在弹出的对话框中输入回归方程的表达式和变量。

4. 估计模型在创建回归方程后，可以进行模型的估计。

点击"EViews"菜单，选择"Estimate Equation"，然后选择适当的估计方法和设置。

5. 解释结果估计模型后，EViews将显示回归结果的详细报告。

eviews计量经济学实验报告EViews计量经济学实验报告引言计量经济学是经济学领域中的一个重要分支，它运用数学、统计学和计量学的方法来分析经济现象。

EViews是一个常用的计量经济学软件，它提供了丰富的数据分析和模型建立工具，被广泛应用于学术研究和实际经济分析中。

本实验报告将利用EViews软件进行计量经济学实验，以探讨经济现象并得出相关结论。

实验目的本实验旨在利用EViews软件对某一经济现象进行实证分析，通过建立相应的计量经济模型，对经济现象进行量化分析，并得出相关结论。

实验步骤1. 数据收集：首先，我们需要收集与所研究经济现象相关的数据，包括时间序列数据和横截面数据等。

这些数据可以来自于官方统计机构、学术研究机构或者自行收集整理。

2. 数据预处理：接下来，我们需要对收集到的数据进行预处理，包括数据清洗、缺失值处理、异常值处理等，以确保数据的质量和完整性。

3. 模型建立：在数据预处理完成后，我们可以利用EViews软件建立计量经济模型，包括回归分析、时间序列分析、面板数据分析等，以探讨经济现象的内在规律和影响因素。

4. 模型估计：建立模型后，我们需要对模型进行参数估计，得到模型的具体参数估计值，并进行显著性检验和模型拟合度检验，以验证模型的可靠性和有效性。

5. 结果分析：最后，我们将对模型估计结果进行分析，得出与经济现象相关的结论，并对实证分析结果进行解释和讨论。

实验结论通过以上实验步骤，我们得出了关于某一经济现象的实证分析结果，并得出了相关的结论。

这些结论对于理解经济现象的内在规律和制定经济政策具有重要的参考价值。

总结EViews计量经济学实验报告通过利用EViews软件进行实证分析，对经济现象进行了深入探讨，并得出了相关结论。

这些结论对于经济学研究和实际经济分析具有重要的理论和实践意义，为我们深入理解经济现象和推动经济发展提供了重要的参考依据。

EViews软件的应用为我们提供了一个强大的工具，帮助我们更好地理解和分析经济现象，为经济学领域的研究和实践提供了重要的支持和帮助。

基于EVIEWS软件的计量经济学建模检验案例解读计量经济学是经济学领域的一个重要分支，它运用数理统计方法对经济学模型进行定量分析和预测。

而EVIEWS软件则是计量经济学常用的数据分析与建模工具。

本文将通过一个实例案例，解读基于EVIEWS软件的计量经济学建模检验的方法和过程。

首先，我们需要了解案例的背景和研究问题。

假设我们想研究某国家的经济增长与就业率之间的关系。

我们提出了一个假设：经济增长对就业率有积极的影响。

第一步是数据收集和准备。

我们需要收集与经济增长和就业率相关的数据。

以中国为例，我们可以从国家统计局等官方机构获取国内生产总值（GDP）和就业率的数据。

这些数据应该是时间序列数据，通常包括一定的时间跨度和频率（例如月度或年度数据）。

第二步是数据预处理。

我们需要对收集到的数据进行清洗和处理，以确保数据的质量。

具体来说，我们需要检查数据是否存在缺失值、异常值等，确保数据的连续性和一致性。

第三步是建立计量经济学模型。

在本案例中，我们使用一个简单的线性回归模型来研究经济增长对就业率的影响。

假设就业率（Y）是经济增长（X）的线性函数，即Y = β0 +β1X + ε，其中β0和β1是回归系数，ε是误差项。

第四步是模型检验。

在EVIEWS软件中，我们可以利用OLS（Ordinary Least Squares）方法进行模型的估计和检验。

OLS方法是最小二乘法的一种形式，用于估计回归系数的值。

此外，我们还可以通过检验模型的显著性和拟合优度来评估模型的质量。

具体来说，我们可以通过检验回归系数的t值和p值来判断是否存在统计显著性。

如果t值的绝对值较大且p值小于设定的显著性水平（通常是0.05），则可以认为回归系数是显著的，即具有统计意义。

此外，我们还可以计算回归方程的R-squared值来评估模型的拟合优度，R-squared值越接近1，说明模型的解释能力越强。

最后，我们需要进行模型诊断。

模型诊断用于检验回归模型的假设是否成立，以及模型是否满足统计方法的要求。

（一）、ADF是单位根检验，第一列数据y做ADF检验，结果如下Null Hypothesis: Y has a unit rootExogenous: Constant, Linear Trend 外因的Lag Length: 0 (Automatic based on SIC, MAXLAG=10)t-Statistic Prob.*Augmented Dickey-Fuller test statistic -3.820038 0.0213Test critical values: 1% level -4.0987415% level -3.47727510% level -3.166190在1%水平上拒绝原假设，序列y存在单位根，为不平稳序列。

但在5%、10%水平上均接受原假设，认为y平稳。

对y进行一阶差分，差分后进行ADF检验：Null Hypothesis: Y has a unit rootExogenous: NoneLag Length: 0 (Automatic based on SIC, MAXLAG=10)t-Statistic Prob.*Augmented Dickey-Fuller test statistic -9.328245 0.0000Test critical values: 1% level -2.5999345% level -1.94574510% level -1.613633可见，在各水平上y都是平稳的。

因此，可以把原序列y看做一阶单整。

第二列xADF检验如下：Null Hypothesis: X has a unit rootExogenous: Constant, Linear TrendLag Length: 0 (Automatic based on SIC, MAXLAG=10)t-Statistic Prob.* Augmented Dickey-Fuller test statistic -3.216737 0.0898Test critical values: 1% level -4.0987415% level -3.47727510% level -3.166190在1%、5%水平上拒绝原假设，序列x存在单位根，为不平稳序列。

计量经济学eviews实验报告计量经济学Eviews实验报告引言：计量经济学是经济学中的一个重要分支，它通过运用统计学和数学方法来分析经济现象，并建立经济模型来预测和解释经济变量之间的关系。

Eviews是一种流行的计量经济学软件，它提供了丰富的数据分析和模型建立工具，被广泛应用于经济学研究和实证分析。

一、数据收集与处理在进行计量经济学实验之前，首先需要收集相关的经济数据。

这些数据可以来自于各种来源，如经济统计局、金融机构或者自行收集。

然后，我们需要对数据进行处理，包括数据清洗、转换和整理，以便于后续的分析和建模。

二、描述性统计分析描述性统计分析是计量经济学中的第一步，它通过计算数据的均值、方差、相关系数等统计量来描述数据的基本特征。

在Eviews中，我们可以使用各种命令和函数来进行描述性统计分析，比如mean、var、cor等。

通过描述性统计分析，我们可以对数据的分布和变化情况有一个初步的了解。

三、回归分析回归分析是计量经济学中最常用的方法之一，它用于研究一个或多个自变量对一个因变量的影响。

在Eviews中，我们可以使用OLS（Ordinary Least Squares）命令来进行回归分析。

首先，我们需要选择一个合适的回归模型，然后通过最小二乘法估计模型的参数。

通过回归分析，我们可以得到模型的拟合优度、参数估计值和统计显著性等信息，从而判断变量之间的关系和影响程度。

四、模型诊断与改进在进行回归分析之后，我们需要对模型进行诊断和改进。

模型诊断主要包括残差分析、异方差性检验和多重共线性检验等。

在Eviews中，我们可以使用DW （Durbin-Watson）统计量来检验残差的自相关性，使用Breusch-Godfrey检验来检验异方差性，使用VIF（Variance Inflation Factor）来检验多重共线性。

如果模型存在问题，我们可以通过引入其他变量、转换变量或者使用其他的回归方法来改进模型。

计量经济学eviews实验报告精编版本次实验使用eviews软件对美国经济数据进行了分析，并得出了一些有意义的结果。

1. 数据描述本次实验使用的数据为美国1980年至2019年的季度数据，共157个观测值，包括GDP、消费支出、投资支出等各项经济指标。

其中，GDP为本次实验的因变量。

2. 模型构建首先进行ADF单位根检验，结果表明GDP序列是平稳的。

接下来采用OLS回归模型，将GDP作为因变量，其他各项经济指标作为自变量进行拟合。

经过模型诊断，发现模型的残差序列是平稳的，符合模型假设条件。

拟合结果如下所示：$$GDP_t=0.231+ 0.719CON_t+0.182INV_t+0.056NX_t$$其中，$CON_t$代表消费支出，$INV_t$代表投资支出，$NX_t$代表净出口额。

3. 模型分析经过t检验和F检验，发现所有自变量的系数均显著不为0，说明消费支出、投资支出和净出口额都对GDP有显著的影响。

同时，模型的拟合结果$R^2$值为0.976，说明该模型的拟合效果很好。

从系数估计结果可以看出，消费支出对GDP的影响最大，其次是投资支出，净出口额的影响较小。

这与我们平常的经验也是相符的，因为消费支出是经济活动中最重要的部分，对GDP的拉动作用最大。

为了更直观地观察各项经济指标对GDP的影响，我们计算了它们的弹性系数，如下表所示：| 变量 | 系数 | 弹性系数 || ---- | ---- | -------- || CON | 0.719 | 0.871 || INV | 0.182 | 0.220 || NX | 0.056 | 0.068 |通过计算得出，每当消费支出增加1%，GDP就会增加0.871%。

而投资支出和净出口额的影响要小得多，每当它们增加1%，GDP仅会分别增加0.220%和0.068%。

4. 模型预测通过上述模型，我们可以预测未来几年的GDP走势。

假设未来两年的消费支出、投资支出和净出口额与历史数据相同，根据模型可以得出未来两年的GDP预测值如下所示：结合实际情况，我们可以根据预测结果进一步进行经济政策调整，达到更好的经济效益。

eviews计量经济学实验报告EViews计量经济学实验报告引言：计量经济学是经济学的一个重要分支，它运用数学和统计学方法对经济现象进行定量分析和预测。

EViews是一种强大的计量经济学软件，它提供了丰富的数据处理、统计分析和模型建立功能，被广泛应用于学术研究和实际经济分析中。

本实验报告旨在通过使用EViews软件，对某一经济现象进行实证研究，从而展示EViews在计量经济学中的应用和价值。

数据收集与预处理：本实验选择了中国GDP和CPI数据作为研究对象，数据来源于国家统计局。

首先，我们从国家统计局的官方网站上下载了相应的数据集，并导入到EViews中。

然后，我们对数据进行了初步的预处理，包括缺失值处理、异常值处理和数据平滑等。

通过这些步骤，我们得到了一份完整、可靠的数据集，为后续的分析和建模打下了基础。

描述性统计与数据可视化：在进行进一步的分析之前，我们首先对数据进行了描述性统计和数据可视化。

通过EViews的统计功能，我们计算了GDP和CPI的均值、标准差、最大值和最小值等统计指标，以及相关系数和协方差等相关指标。

同时，我们还使用EViews的绘图功能，绘制了GDP和CPI的时间序列图、散点图和直方图等。

这些统计和图表可以直观地展示数据的分布和变化趋势，为后续的模型分析提供参考。

时间序列分析：在进行时间序列分析时，我们首先对GDP和CPI数据进行平稳性检验。

通过EViews的单位根检验和ADF检验，我们发现GDP和CPI序列都是非平稳的，即存在单位根。

为了消除非平稳性，我们对数据进行了差分处理。

通过一阶差分，我们得到了平稳的GDP和CPI序列。

接下来，我们对平稳序列进行了自相关和偏自相关分析，以确定合适的ARIMA模型。

通过EViews的自相关函数和偏自相关函数图，我们发现GDP序列可以拟合为ARIMA(1,1,0)模型，而CPI序列可以拟合为ARIMA(0,1,1)模型。

回归分析与模型评估：在进行回归分析时，我们选择了GDP作为因变量，CPI作为自变量，建立了线性回归模型。

Eviews 运用于计量经济学的三个举证一、异方差检验：首先做出相应的ls模型，White检验：在HeteroskedasticityTest：White中检验p值，如果p.f值小于0.05则表示有异方差，反之没有异方差。

G—Q检验20对数据中在上方输入*排序*选出1~7*做回归得出Sum squared resid同样再输入smpl 14 20/ls y c x得出第二个rss用rss(1)/rss(2)做f检验其他检验方式中用genr 定义变量进行回归分析确定最大的r2等值来确定其异方差形式?修正方法加权最小2定义e1为相应的resid (e)在ls规划时将opion中的weight设为abs(e1)进行来说规划即可这时会去掉其异方差性二、多重共线性对数据建模ls分析数据看哪个每个解释变量的f值，检验其是否有多重共线性求其相关系数矩阵“Quick\Group Statistics\Correlations”得出后和0.8 比较，如果大于0.8 说明两者之间有激情。

修正方法：逐步回归先对每一个进行ls分析建模然后取出对y影响最大的做为基础然后更具其相关系数大小排序，用做出先关的检验，选择加入的元素如上图就是加入了x3三、序列相关性同样的ls对其d.w做出分析，如果接近2 则没有一次相关，若出了范围则有相应的相关性其他次的相关性可以由lm检验得到(小于0.05即有序列相关性)。

自相关的检验还有view/residual/con-----Q----做出如图所示的表修正方法杜宾两步法：进行如下的ls估计可得：将p 的值带入查分模型如下输入：结果如下：d.w含糊可以用lm检验其是否任然具有相关性。

用b(贝塔)0/（1-p）p=之前的0.6278或者是第一次的1-d.w/2最小二乘法输入如下结果如下Lm检验：可用。

差分法直接输入：同样也可知取出了其序列相关性----made by M.J.。

计量经济学作业操作过程详解1.进入Eviews软件2.主菜单-->File--->Workfile3.打开工作文件范围选择框，选择Annual,分别输入1985,1998。

点击完成。

4.数据输入：方法一：导入excel文件中的数据1）在excel中先建立数据文件2）点击file/import/read text-lotus-excel选项，在对话框中选择已建立的excel文件4）打开后，在新的对话框中输入想要分析的变量名称，然后点击OK即可。

此时工作文件中出现变量图标。

方法二：手工数据输入主菜单--->Quick----->Empty Group分别输入变量Y、GDP的数据。

点击obs后面的灰色格子中分别输入Y、GDP。

（方法一：一个一个输入方法二：在Excel中输入完再复制粘贴）5.主菜单---->Quick----->Estimate Equation打开估计模型对话框，输入Y C GDP ，（如上图所示，注意字母之间要有空格）点击OK键。

得出Eviews的估计结果：β（上面还要带个帽子，电脑打不出来），26.95415为1β。

其中12596.27为0第五步可以直接输入LS Y C GDP 等出结果6.一元线性回归模型的预测1）在工作文件主窗口点击procs/change workfile range(改变范围)，弹出对话框，在对话框的end date栏中输入预测值的时间或序号，点击OK2）在工作文件窗口中双击解释变量文件，在变量窗口中点击edit+/-键，进入编辑模式，在变量窗口底端输入新序号的数值，再点击edit+/-键，关闭编辑模式3）再次进行估计，点击quick/estimate equation，在对话框中输入方程，注意样本范围应不包括新序号，点击OK得到估计结果4）点击结果窗口中的forecast键，产生对话框，在对话框中选择样本范围，点击OK可得预测曲线图。

作业1我们有1978-2007年我国财政收入,国内生产总值,财政支出和商品零售价格指数的年度数据。

请用Eview 进行回归分析。

（1） 根据回归结果分析模型的经济意义〔包含模型的显著性，拟合优度，系数的显著性，系数的经济意义〕建立模型，做OLS 估计，得结果图一，列表如下：43283175.57898859.0003271.0558.6399X X X Y ++--=∧)0636.20)(065848.0)(012559.0)(836.2132(SE)882456.2)(65061.13)(260476.0-)(000492.3-(t = 997046.02=R 996705.02=R 845.2924=F模型整体显著性较高〔F 检验十分显著〕，可决系数2R 和调整的可决系数较大，即样本回归方程对样本观测值拟合较好。

t 检验显示2X 的系数不显著〔p 值>0.05,不能拒绝β=0的原假设〕,3X 和4X 的系数显著〔p 值<0.05，拒绝β=0的原假设〕。

从模型的经济意义来看，财政支出、商品零售价格指数与财政收入成正相关，国内生产总值与财政收入成负相关,不符合客观经济规律，可能与模型变量的选取有关。

考虑对模型进行对数变换，结果为图二。

432ln 128427.1ln 631090.0ln 448496.0946444.6ln X X X Y +++-=∧)610249.0)(160929.0)(141418.0)(853146.2(SE)849127.1)(921549.3)(171412.3)(434662.2(t -=987673.02=R 986251.02=R 3969.694=F对数变换后模型整体显著性较高〔F 检验十分显著〕，可决系数2R 和调整的可决系数略有下降，模型可解释98.63%的因变量变化。

t 检验显示4ln X 的系数不显著〔p 值>0.05,不能拒绝β=0的原假设〕,2ln X 和3ln X 的系数显著〔p 值<0.05，拒绝β=0的原假设〕。

计量经济学经典eviews定义和诊断检验2929计量经济学经典eviews 定义和诊断检验本章描述的每一检验过程包括假设检验的原假设定义。

检验指令输出包括一个或多个检验统计量样本值和它们的联合概率值（p 值）。

p 值说明在原假设为真的情况下，样本统计量绝对值的检验统计量大于或等于临界值的概率。

这样，低的p 值就拒绝原假设。

对每一检验都有不同假设和分布结果。

方程对象菜单的View 中给出三种检验类型选择来检验方程定义。

包括系数检验、残差检验和稳定性检验。

其他检验，如单位根检验（13章）、Granger 因果检验（8章）和Johansen 协整检验（19章）。

§15.1 系数检验一、Wald 检验——系数约束条件检验Wald 检验没有把原假设定义的系数限制加入回归，通过估计这一无限制回归来计算检验统计量。

Wald 统计量计算无约束估计量如何满足原假设下的约束。

如果约束为真，无约束估计量应接近于满足约束条件。

考虑一个线性回归模型：εβ+=X y 和一个线性约束：0:0=-r R H β，R 是一个已知的k q ?阶矩阵，r 是q 维向量。

Wald 统计量在0H 下服从渐近分布)(2q χ，可简写为： )())(()(112r Rb R X X R s r Rb W -'''-=--进一步假设误差ε独立同时服从正态分布，我们就有一确定的、有限的样本F-统计量q W k T u u q u u u u F /)/(/)~~(=-''-'= u~是约束回归的残差向量。

F 统计量比较有约束和没有约束计算出的残差平方和。

如果约束有效，这两个残差平方和差异很小，F 统计量值也应很小。

EViews 显示2χ和F 统计量以及相应的p 值。

假设Cobb-Douglas 生产函数估计形式如下：εβα+++=K L A Q log log log （1）Q 为产出增加量，K 为资本投入，L 为劳动力投入。

时间 ___________________ 地点___________________实验题目简单线性回归模型分析一、实验目的与要求：目的：影响财政收入的因素可能有很多，比如国内生产总值，经济增长，零售物价指数，居民收入，消费等。

为研究国内生产总值对财政收入是否有影响，二者有何关系。

要求：为研究国内生产总值变动与财政收入关系，需要做具体分析。

二、实验内容根据1978—1997年中国国内生产总值X和财政收入Y数据，运用EV软件，做简单线性回归分析，包括模型设定，估计参数，模型检验，模型应用，得出回归结果。

三、实验过程：（实践过程、实践所有参数与指标、理论依据说明等）简单线性回归分析，包括模型设定，估计参数，模型检验，模型应用。

（一）模型设定为研究中国国内生产总值对财政收入是否有影响，根据1978 —1997年中国国内生产总值X和财政收入Y,如图1：1978 —1997根据以上数据，作财政收入Y和国内生产总值X的散点图，如图2:财政收入Y和国内生产总值X的散点图0 10000 20000 30000 40000 50000 60000 70000 80000国内生产总值X从散点图可以看出，财政收入Y和国内生产总值X大体呈现为线性关系，所以建立的计量经济模型为以下线性模型：Yj—o「X *（二）估计参数1、双击“ Eviews ”，进入主页。

输入数据：点击主菜单中的File/Open /EV Workfile —Excel —GDP.xls;2、在EV 主页界面点击" Quick ”菜单，点击" Estimate Equation ”，出现"Equation Specification ”对话框，选择OLS估计，输入"y c x”，点击“ OK'。

即出现回归结果图3：图3.回归结果Depe ndent Variable: YMethod: Least SquaresDate: 10/10/10 Time: 02:02Sample: 1978 1997In cluded observati ons: 20Variable Coefficie nt Std. Error t-Statistic Prob.C 857.8375 67.12578 12.77955 0.0000X 0.100036 0.002172 46.04910 0.0000R-squared 0.991583 Mean depe ndent var 3081.158Adjusted R-squared 0.991115 S.D. dependent var 2212.591S.E. of regressi on 208.5553 Akaike info criteri on 13.61293Sum squared resid 782915.7 Schwarz criteri on 13.71250Log likelihood -134.1293 F-statistic 2120.520Durb in -Watson stat 0.864032 Prob(F-statistic) 0.000000Y = 857.8375 + 0.100036 X(67.12578 ) ( 0.002172 ) t = ( 12.77955 )(46.04910 ) 2r =0.991583F=2120.520S.E.=208.55533、在“ Equation ”框中，点击“ Resids ” ,出现回归结果的图形 （图4）:剩余值（Residual ）、 实际值（Actual ）、拟合值（Fitted ）.Residual Actual Fitted（三）模型检验1、经济意义检验回归模型为：Y = 857.8375 + 0.100036*X（其中Y 为财政收入，X j 为国内生产总值；）所估计的参数 ?2 =0.100036，说明国内生产总值每增加1亿元，财政收入平均增加 0.100036亿元。