SPSSAU綜合評(píng)價(jià)方法匯總


綜合評(píng)價(jià)是對(duì)某事物進(jìn)行多指標(biāo)綜合評(píng)價(jià)的過程柴梆,是一種科學(xué)研究和科學(xué)決策的過程。一般應(yīng)當(dāng)包括指標(biāo)體系設(shè)計(jì)终惑、收集資料绍在、整理資料和統(tǒng)計(jì)分析幾個(gè)階段。

?

簡單從分析角度來講雹有,綜合評(píng)價(jià)方法步驟主要包括:確定指標(biāo)體系偿渡、指標(biāo)數(shù)據(jù)處理(無量綱化等)、確定指標(biāo)權(quán)重霸奕、計(jì)算綜合評(píng)價(jià)結(jié)果及綜合排名溜宽。

?

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

上圖中總結(jié)了5種綜合評(píng)價(jià)方法,大致可分為兩類:

其中TOPSIS法铅祸、熵值TOPSIS法坑质、秩和比RSR法、灰色關(guān)聯(lián)法均是使用小樣本數(shù)據(jù)對(duì)多個(gè)指標(biāo)進(jìn)行綜合評(píng)價(jià)临梗,為每個(gè)評(píng)價(jià)對(duì)象計(jì)算綜合得分涡扼,找出最優(yōu)方案。

?

模糊綜合評(píng)價(jià)則是以模糊數(shù)學(xué)為基礎(chǔ)盟庞,應(yīng)用模糊關(guān)系合成原理吃沪,將一些邊界不清、不易定量的因素定量化什猖,進(jìn)而對(duì)實(shí)際的綜合評(píng)價(jià)問題提供總體性的評(píng)價(jià)票彪。

?

指標(biāo)數(shù)據(jù)處理

(1)數(shù)據(jù)正向化/逆向化處理

在進(jìn)行熵值法之前,如果數(shù)據(jù)方向不一致時(shí)不狮,需要進(jìn)行提前數(shù)據(jù)處理降铸,通常為正向化或者逆向化兩種處理。

?

如果數(shù)據(jù)中有逆向指標(biāo)(數(shù)字越大反而越不好)摇零,此時(shí)需要使用【數(shù)據(jù)處理--生成變量】的“逆向化”功能處理推掸。讓數(shù)據(jù)變成正向指標(biāo)(即數(shù)字越大說明越好)。


?

(2)無量綱化處理

不同指標(biāo)數(shù)據(jù)驻仅,往往有著不同的量綱和量級(jí)谅畅,相互之間不可直接比較或者計(jì)算。針對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理噪服,可解決量綱化問題毡泻。常見的標(biāo)準(zhǔn)化處理方法有:標(biāo)準(zhǔn)化、歸一化粘优、初值化仇味、均值化等呻顽。

?

具體可以在SPSSAU【數(shù)據(jù)處理--生成變量】里進(jìn)行處理。


?

確定指標(biāo)權(quán)重

權(quán)重的確定方法在綜合評(píng)價(jià)中重中之重邪铲,不同的方法對(duì)應(yīng)的計(jì)算原理并不相同芬位。在實(shí)際分析過程中,應(yīng)結(jié)合數(shù)據(jù)特征及專業(yè)知識(shí)選擇適合的權(quán)重計(jì)算方式带到。


權(quán)重計(jì)算方法很多昧碉,具體可參考此頁面:

https://spssau.com/helps/research/weightmethod.html

?

計(jì)算綜合評(píng)價(jià)結(jié)果

上述介紹了指標(biāo)數(shù)據(jù)處理,及指標(biāo)權(quán)重的確定揽惹,接下來是每個(gè)綜合評(píng)價(jià)方法的具體操作步驟說明被饿,下面介紹的全部方法均可在SPSSAU【綜合評(píng)價(jià)】模塊找到進(jìn)行分析。


SPSSAU綜合評(píng)價(jià)


?01? TOPSIS


(1)理論說明

TOPSIS法是一種與理想方案相似性的順序選優(yōu)技術(shù)搪搏,通俗理解即為數(shù)據(jù)大小有優(yōu)劣關(guān)系狭握,數(shù)據(jù)越大越優(yōu),數(shù)據(jù)越小越劣疯溺,結(jié)合數(shù)據(jù)間的大小找出正負(fù)理想解以及正負(fù)理想解距離论颅,并且在最終得到接近程序C值,并且結(jié)合C值排序得出優(yōu)劣方案排序囱嫩。

?

(2)數(shù)據(jù)格式

?

TOPSIS法數(shù)據(jù)格式要求1個(gè)指標(biāo)占用1列數(shù)據(jù)恃疯。1個(gè)研究對(duì)象為1行,但研究對(duì)象在分析時(shí)并不需要使用墨闲,SPSSAU默認(rèn)會(huì)從上到下依次編號(hào)今妄。

(3)操作步驟

第一步:準(zhǔn)備好數(shù)據(jù),并且進(jìn)行同趨勢(shì)化處理鸳碧;

即讓所有的數(shù)據(jù)表示為數(shù)字越大越優(yōu)(如果某指標(biāo)項(xiàng)數(shù)字越大反而越劣盾鳞,可使用數(shù)據(jù)處理->生成變量功能的逆向化/倒數(shù)功能進(jìn)行處理)

第二步:數(shù)據(jù)歸一化處理解決量綱問題;

無量綱化處理的方法很多種瞻离,通常選擇為‘平方和歸一化’腾仅。(SPSSAU數(shù)據(jù)處理->生成變量)。

第三步:計(jì)算權(quán)重

TOPSIS法

?

如果指標(biāo)權(quán)重不相等套利,可勾選“指標(biāo)權(quán)重”即可進(jìn)行設(shè)置攒砖。

?

?

第四步:找出最優(yōu)和最劣矩陣向量(SPSSAU自動(dòng)處理);

此步由SPSSAU自動(dòng)得出日裙,展示在“正負(fù)理想解”表格中。

第五步:分別計(jì)算評(píng)價(jià)對(duì)象與正理想解距離D+或負(fù)理想解距離D-惰蜜;并結(jié)合距離值計(jì)算得出接近程序C值昂拂,并且進(jìn)行排序,得出結(jié)論抛猖。

此步由SPSSAU自動(dòng)得出格侯,展示在“TOPSIS評(píng)價(jià)計(jì)算結(jié)果”表格中鼻听。

此表中按照樣本順序列出了每個(gè)評(píng)價(jià)對(duì)象正負(fù)理想結(jié)果、相對(duì)接近度值联四,以及最終排名結(jié)果撑碴。

?

02 熵值TOPSIS法


(1)理論說明

熵值法與TOPSIS法計(jì)算原理相同,區(qū)別在于topsis默認(rèn)沒有計(jì)算權(quán)重朝墩,熵權(quán)topsis以熵值法作為權(quán)重計(jì)算方法醉拓,在計(jì)算數(shù)據(jù)時(shí),首先會(huì)利用熵值(熵權(quán)法)計(jì)算得到各評(píng)價(jià)指標(biāo)的權(quán)重收苏,并且將評(píng)價(jià)指標(biāo)數(shù)據(jù)與權(quán)重相乘亿卤,得到新的數(shù)據(jù),利用新數(shù)據(jù)進(jìn)行TOPSIS法研究鹿霸。

?

(2)數(shù)據(jù)格式

?

熵權(quán)TOPSIS法數(shù)據(jù)格式要求1個(gè)指標(biāo)占用1列數(shù)據(jù)排吴。1個(gè)研究對(duì)象為1行,但研究對(duì)象在分析時(shí)并不需要使用懦鼠,SPSSAU默認(rèn)會(huì)從上到下依次編號(hào)钻哩。

?

本例中有6個(gè)國家經(jīng)濟(jì)技術(shù)開發(fā)區(qū),分別在政務(wù)系統(tǒng)的4個(gè)指標(biāo)上的評(píng)分值肛冶。數(shù)字越大表示指標(biāo)越優(yōu)街氢。當(dāng)前希望利用熵權(quán)TOPSIS法評(píng)價(jià)出6個(gè)開發(fā)區(qū)的政務(wù)系統(tǒng)排名情況。

?

(3)操作步驟

第一步:準(zhǔn)備好數(shù)據(jù)淑趾,并且進(jìn)行同趨勢(shì)化處理

本例子的數(shù)據(jù)已經(jīng)全部是正向指標(biāo)阳仔,因此不需要進(jìn)行正向化或逆向化處理

?

第二步:數(shù)據(jù)歸一化處理解決量綱問題

無量綱化處理的方法很多種,通常選擇為“均值化”扣泊、“區(qū)間化”近范、“歸一化”。

?

一般而言延蟹,如果數(shù)據(jù)全部都大于0评矩,建議使用‘均值化’;如果數(shù)據(jù)中有負(fù)數(shù)或者0阱飘,建議做‘區(qū)間化’讓數(shù)據(jù)限定在一個(gè)區(qū)間(SPSSAU默認(rèn)1~2之間)斥杜;當(dāng)然也可以考慮‘歸一化’,讓數(shù)據(jù)全部介于0~1之間沥匈。

本例中沒有量綱問題蔗喂,即不需要進(jìn)行處理。

?

第三步:熵權(quán)法求權(quán)重高帖,利用權(quán)重與數(shù)據(jù)相乘得到新數(shù)據(jù)

此步驟為SPSSAU的中間處理過程缰儿,SPSSAU默認(rèn)輸出熵權(quán)法得到的權(quán)重值,并且默認(rèn)在內(nèi)部算法過程中計(jì)算得到新數(shù)據(jù)散址。


熵權(quán)TOPSIS法

?

第四步:利用TOPSIS法計(jì)算

此步驟為SPSSAU的自動(dòng)處理乖阵,默認(rèn)輸出TOPSIS相關(guān)的指標(biāo)結(jié)果宣赔。

從上表可知,利用熵權(quán)法后加權(quán)生成的數(shù)據(jù)進(jìn)行TOPSIS分析瞪浸,針對(duì)4個(gè)指標(biāo)儒将,進(jìn)行TOPSIS評(píng)價(jià),同時(shí)評(píng)價(jià)對(duì)象為6個(gè)(樣本量數(shù)量即為評(píng)價(jià)對(duì)象數(shù)量)对蒲。

?

最終從上表可知:評(píng)價(jià)對(duì)象4钩蚊,即開發(fā)區(qū)4,它的相對(duì)接近度C值最高為0.9995齐蔽,因而說明開發(fā)區(qū)4在政務(wù)系統(tǒng)上的表現(xiàn)最優(yōu)两疚;其次是開發(fā)區(qū)3,相對(duì)接近度C起來0.8141含滴。開發(fā)區(qū)1的政務(wù)系統(tǒng)表現(xiàn)最差诱渤。

?

03? 灰色關(guān)聯(lián)法


(1)理論說明

灰色關(guān)聯(lián)分析法通過研究數(shù)據(jù)關(guān)聯(lián)性大小(母序列與特征序列之間的關(guān)聯(lián)程度)谈况,通過關(guān)聯(lián)度(即關(guān)聯(lián)性大猩酌馈)進(jìn)行度量數(shù)據(jù)之間的關(guān)聯(lián)程度,從而輔助決策的一種研究方法碑韵。適用于因素之間相關(guān)關(guān)系比較復(fù)雜赡茸、沒有明確的理論模型、信息不完全確定的小樣本數(shù)據(jù)祝闻。

?

(2)數(shù)據(jù)格式


灰色關(guān)聯(lián)的數(shù)據(jù)格式較為特殊占卧,一列為一個(gè)特征序列(樣本),一行代表一個(gè)研究項(xiàng)联喘。在本例中华蜒,欲對(duì)10個(gè)教師的教學(xué)能力、科研水平豁遭、工作績效叭喜、思想素質(zhì)4個(gè)因素進(jìn)行綜合考察。

?

(3)操作步驟


第一步:確定母序列和特征序列

母序列是在上面例子中母序列這一列蓖谢,其他列均為特征序列捂蕴。如果沒有單獨(dú)提供母序列,SPSSAU默認(rèn)以特征序列的最大值作為母序列值闪幽。

?

第二步:數(shù)據(jù)標(biāo)準(zhǔn)化處理

灰色關(guān)聯(lián)法中無量綱化的方法常用的有初值化與均值化啥辨。初值化是指所有數(shù)據(jù)均用第1個(gè)數(shù)據(jù)除,得到新的數(shù)列盯腌,即這個(gè)數(shù)列為不同時(shí)刻的值相對(duì)于第1個(gè)時(shí)刻的百分比溉知。經(jīng)濟(jì)序列(面板數(shù)據(jù))中經(jīng)常使用此方法處理。均值化是用平均值去除所有數(shù)據(jù),以得到一個(gè)占平均值百分比的數(shù)列着倾。

?

本例中已經(jīng)確認(rèn)好母序列和特征序列,并且按照正確格式上傳燕少,標(biāo)準(zhǔn)化方式采用‘初值化’卡者,操作如下。

?

灰色關(guān)聯(lián)法

?

第三步:計(jì)算關(guān)系系數(shù)及關(guān)聯(lián)度客们,結(jié)合關(guān)聯(lián)度值崇决,得到每個(gè)評(píng)價(jià)項(xiàng)排名。

?

關(guān)聯(lián)度值介于0~1之間底挫,該值越大代表其與“參考值”(母序列)之間的相關(guān)性越強(qiáng)恒傻,也即意味著其評(píng)價(jià)越高。

?

從上表可以看出:針對(duì)本次10個(gè)評(píng)價(jià)項(xiàng)建邓,教師10的綜合評(píng)價(jià)最高(關(guān)聯(lián)度為:0.891)盈厘,其次是教師7(關(guān)聯(lián)度為:0.879)。

?

04 秩和比RSR法


(1)理論說明

秩和比(RSR)分析法廣泛應(yīng)用于醫(yī)療衛(wèi)生領(lǐng)域的多指標(biāo)綜合評(píng)價(jià)官边,使用簡單方便沸手。比如醫(yī)院醫(yī)療質(zhì)量由多項(xiàng)指標(biāo)反映,如病床的利用情況注簿、出院這平均住院日契吉、診斷符合率、手術(shù)前住院日等诡渴,可通過秩和比法進(jìn)行綜合評(píng)價(jià)捐晶。

?

(2)數(shù)據(jù)格式

RSR秩和比數(shù)據(jù)格式上需要1列表示1上研究指標(biāo),1行表示1個(gè)研究對(duì)象妄辩。

本例欲對(duì)10個(gè)地區(qū)孕產(chǎn)婦保健工作的產(chǎn)前檢查率X1惑灵,孕產(chǎn)婦死亡率X2,圍生兒死亡率X3恩袱,結(jié)合此3個(gè)指標(biāo)情況泣棋,針對(duì)10個(gè)地區(qū)進(jìn)行綜合評(píng)價(jià)并對(duì)此10個(gè)地區(qū)保健工作水平進(jìn)行排序并且分檔。


(3)操作步驟

第一步:列出原始數(shù)據(jù)畔塔,一行代表一個(gè)評(píng)價(jià)對(duì)象潭辈,一列代表一個(gè)評(píng)價(jià)指標(biāo)。最終為m*n矩陣澈吨。將高優(yōu)指標(biāo)把敢、低優(yōu)指標(biāo)分別放入分析框內(nèi)。

?

秩和比RSR

?

第二步:對(duì)矩陣即原始數(shù)據(jù)進(jìn)行計(jì)算秩值谅辣,利用秩值計(jì)算得到RSR值和RSR值排名(此步由SPSSAU自動(dòng)處理)

?

第三步:列出RSR的分布表格情況并且得到Probit值修赞,計(jì)算回歸方程(此步由SPSSAU自動(dòng)處理)

?

第四步:進(jìn)行排序,并且進(jìn)行分檔等級(jí)

?

上表格列出10個(gè)地區(qū)分別是的RSR值,RSR排名柏副,以及RSR擬合值勾邦,并且結(jié)合分檔排序臨界值表格,得到最終10個(gè)地區(qū)的分檔等級(jí)Level(注意:Level數(shù)字越大割择,代表等級(jí)越好)眷篇。

?

從上表可知:將10個(gè)地區(qū)分為3個(gè)等級(jí),其中C,H最優(yōu)荔泳;B,D,A,E,G,I,F共6個(gè)地區(qū)其次蕉饼;J地區(qū)最差。并且也可以直接對(duì)10個(gè)地區(qū)進(jìn)行排名玛歌,H排名最好昧港,其次是C;J最差支子。

?

05 模糊綜合評(píng)價(jià)


(1)理論說明

模糊綜合評(píng)價(jià)借助模糊數(shù)學(xué)的一些概念创肥,對(duì)實(shí)際的綜合評(píng)價(jià)問題提供評(píng)價(jià),即模糊綜合評(píng)價(jià)以模糊數(shù)學(xué)為基礎(chǔ)译荞,應(yīng)用模糊關(guān)系合成原理瓤的,將一些邊界不清、不易定量的因素定量化吞歼,進(jìn)而進(jìn)行綜合性評(píng)價(jià)的一種方法圈膏。

?

(2)數(shù)據(jù)格式

上傳的數(shù)據(jù)一般包括三個(gè)部分:指標(biāo)項(xiàng)、權(quán)重項(xiàng)篙骡、評(píng)語項(xiàng)稽坤。

?

其中指標(biāo)項(xiàng)為參與評(píng)價(jià)的考核指標(biāo),1行放1個(gè)糯俗。

?

評(píng)語項(xiàng)尿褪,是指類似于{優(yōu)秀,良好得湘,一般杖玲,差} 或{非常滿意,滿意淘正,一般摆马,不滿意,非常不滿意}這樣的評(píng)價(jià)標(biāo)準(zhǔn)鸿吆。1列放1個(gè)評(píng)價(jià)項(xiàng)囤采。

?

如果說各個(gè)指標(biāo)項(xiàng)有著自己的權(quán)重,那么就需要單獨(dú)用一列表示‘指標(biāo)項(xiàng)權(quán)重’惩淳,‘如果沒有此數(shù)據(jù)蕉毯,則默認(rèn)各個(gè)指標(biāo)的權(quán)重完全一致。

?

特別提示:一個(gè)表格對(duì)應(yīng)的是一個(gè)評(píng)價(jià)對(duì)象的數(shù)據(jù)。如果有多個(gè)評(píng)價(jià)對(duì)象就需要構(gòu)建多個(gè)表格矩陣代虾,分別上傳進(jìn)行分析进肯。


(3)操作步驟


第一步:確定評(píng)價(jià)指標(biāo)和評(píng)語集;

本例中評(píng)價(jià)指標(biāo)為五項(xiàng)(花色棉磨,式樣坷澡,價(jià)格,耐用度含蓉,舒適度),以及評(píng)語為四項(xiàng)(很歡迎项郊,歡迎馅扣,一般,不歡迎)着降。

?

第二步:確定權(quán)重向量矩陣A和構(gòu)造權(quán)重判斷矩陣R差油;

系統(tǒng)默認(rèn)各指標(biāo)權(quán)重是一樣的。如果說五項(xiàng)指標(biāo)(花色任洞,式樣蓄喇,價(jià)格,耐用度交掏,舒適度)的權(quán)重不一樣此時(shí)可自行構(gòu)評(píng)價(jià)指標(biāo)權(quán)重向量A妆偏,比如下表:

?

第三步:計(jì)算隸屬度并進(jìn)行決策評(píng)價(jià);

模糊綜合評(píng)價(jià)法

從上表可知盅弛,針對(duì)5個(gè)指標(biāo)【樣本量為5所以有5個(gè)指標(biāo)】,以及4個(gè)評(píng)語集進(jìn)行模糊綜合評(píng)價(jià)钱骂,并且使用M(., +)算子進(jìn)行研究;首先建立評(píng)價(jià)指標(biāo)權(quán)重向量矩陣A挪鹏,以及構(gòu)建出5x4權(quán)重判斷矩陣R见秽,最終進(jìn)行分析出4個(gè)評(píng)語集的權(quán)重值,分別是:0.205,0.320,0.390,0.085讨盒。

?

從上表可知解取,4個(gè)評(píng)語集中一般的權(quán)重值最高(0.390),結(jié)合最大隸屬度法則可知返顺,最終綜合評(píng)價(jià)結(jié)果為"一般"禀苦。

?

第四步:計(jì)算綜合得分。

如果需要計(jì)算綜合得分创南,則需要手工錄入各個(gè)評(píng)語的重要性分值(比如優(yōu)秀為4分伦忠,普通為3分,比較差為2分稿辙;非常差為1分;默認(rèn)也可以全部為1分即重要性一致)昆码。

模糊綜合評(píng)價(jià)是一次針對(duì)一個(gè)研究對(duì)象計(jì)算結(jié)果,如果多個(gè)評(píng)價(jià)對(duì)象則要重復(fù)分析多次,再比較其綜合得分赋咽。

?

「更多內(nèi)容登錄SPSSAU官網(wǎng)了解」


?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末旧噪,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子脓匿,更是在濱河造成了極大的恐慌淘钟,老刑警劉巖,帶你破解...
    沈念sama閱讀 216,372評(píng)論 6 498
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件陪毡,死亡現(xiàn)場(chǎng)離奇詭異米母,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)毡琉,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,368評(píng)論 3 392
  • 文/潘曉璐 我一進(jìn)店門铁瞒,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人桅滋,你說我怎么就攤上這事慧耍。” “怎么了丐谋?”我有些...
    開封第一講書人閱讀 162,415評(píng)論 0 353
  • 文/不壞的土叔 我叫張陵芍碧,是天一觀的道長。 經(jīng)常有香客問我号俐,道長泌豆,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,157評(píng)論 1 292
  • 正文 為了忘掉前任吏饿,我火速辦了婚禮践美,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘找岖。我一直安慰自己陨倡,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,171評(píng)論 6 388
  • 文/花漫 我一把揭開白布许布。 她就那樣靜靜地躺著兴革,像睡著了一般。 火紅的嫁衣襯著肌膚如雪蜜唾。 梳的紋絲不亂的頭發(fā)上杂曲,一...
    開封第一講書人閱讀 51,125評(píng)論 1 297
  • 那天,我揣著相機(jī)與錄音袁余,去河邊找鬼擎勘。 笑死,一個(gè)胖子當(dāng)著我的面吹牛颖榜,可吹牛的內(nèi)容都是我干的棚饵。 我是一名探鬼主播煤裙,決...
    沈念sama閱讀 40,028評(píng)論 3 417
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼噪漾!你這毒婦竟也來了硼砰?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 38,887評(píng)論 0 274
  • 序言:老撾萬榮一對(duì)情侶失蹤欣硼,失蹤者是張志新(化名)和其女友劉穎题翰,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體诈胜,經(jīng)...
    沈念sama閱讀 45,310評(píng)論 1 310
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡豹障,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,533評(píng)論 2 332
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了焦匈。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片沼填。...
    茶點(diǎn)故事閱讀 39,690評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖括授,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情岩饼,我是刑警寧澤荚虚,帶...
    沈念sama閱讀 35,411評(píng)論 5 343
  • 正文 年R本政府宣布,位于F島的核電站籍茧,受9級(jí)特大地震影響版述,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜寞冯,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,004評(píng)論 3 325
  • 文/蒙蒙 一渴析、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧吮龄,春花似錦俭茧、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,659評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至尝抖,卻和暖如春毡们,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背昧辽。 一陣腳步聲響...
    開封第一講書人閱讀 32,812評(píng)論 1 268
  • 我被黑心中介騙來泰國打工衙熔, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人搅荞。 一個(gè)月前我還...
    沈念sama閱讀 47,693評(píng)論 2 368
  • 正文 我出身青樓红氯,卻偏偏與公主長得像框咙,于是被迫代替她去往敵國和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子脖隶,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,577評(píng)論 2 353

推薦閱讀更多精彩內(nèi)容