变量

可以的，但不能太多哦。

出不来结果不是因为外因潜变量态度，主要问题可能是模型设计问题以及数据问题。可以帮您诊断。南心网。

Mplus超出最大变量数是潜变量发生变化。Mplus超出最大变量数是潜变量发生变化，需要在额外指定路径对潜变量做上限为500的调整，改变最大变量的经过途径。潜在变量指的是不可观测的随机变量。Mplus是一款功能强大的多元统计分析软件，其综合了数个潜变量分析方法于一个统一的一般潜变量分析框架内。

对。潜变量，与可观察变量相对，是不直接观察但是通过观察到的其他变量推断（通过数学模型）的变量（直接测量）。潜变量是各个题项的平均值吗对，旨在用潜在变量解释观察变量的数学模型称为潜变量模型。

潜变量之间的系数就是相关系数，干嘛要设置为1呢？？

做二阶要满足一些条件: 首先就是理论上,这些一阶因子在理论上可以提炼出一个高阶的因子,比如语文能力,历史能力,政治能力在理论上可以统称为文

1、把多个问题合并成一个潜在变量，再分析两个潜在变量之间的关系。2、合并方法可用加总法，也可用均值法。

小于1的这个是标准化模型的结果，你这是非标准化的结果。（南心网 Amos结构方程模型分析）

潜变量适配值是指一种用于描述数据之间相关性的统计指标。根据查询相关公开信息显示，通常应用于结构方程模型等多变量分析方法中。其主要作用是描述观察到的一组变量与一个潜在变量之间的相关性，即反映观察到的变量与潜在变量之间的匹配程度。

测量指标的载荷是软件根据数据自动运行出来的结果，而不是人为赋值的，你不用担心这个问题，也没有必要做这个赋值。（南心网 Amos 统计分析）

主要问题在于你的各个潜变量之间可能存在高度相关。你做一下标准化结果模型看看，很可能会出现部分因果路径的系数绝对值大于1。

协方差矩阵表达的就是潜变量的相关系数。如果潜在变量和已有变量相关性比较大的话，不引入也无关。如果潜在变量很例外的，那就可以引入。

出不来结果不是因为外因潜变量态度，主要问题可能是模型设计问题以及数据问题。可以帮您诊断。南心网。

潜变量的测量指标中需要有一个固定系数为1.（潜变量结构方程模型Amos 统计分析 专业人士 南心网）

最后一列的概率值，如果概率值小于指定的检验水平(通常用0，X3是显著的。否则是不显著的.05)，X和X2是不显著的，这个系数就是显著的。 例如X1

指标变量的残差项不得与潜变量相关。

不需要。一个潜在变量必须以两个以上的观察变量来估计，称为多元指标原则，不同观察变量间的协方差，反映了潜在变量的共同影响。

数据有很大的问题，误差项的方差都成负的了，这是很不合理的，你可以把误差项设置为大于0的正数，比如0.0001试试，或者把误差项的那项直接删除。另外，你的模型不够精简，不符合简约型原则，建议好好的休整模型。小于1的这个是标准化模型的结果，你这是非标准化的结果。选中那条路径，右键选第一个Object Properties...第二个选项卡Parameters，下面Covariance处设为1就好了。

点击添加残差项的按钮，第一次点击是添加残差项，第二次点击就是旋转，可以多点几次试一下

1、优点：验证性因子分析有利于对潜在变量的测量，潜在变量会通过多个观察变量进行测量，确定性地描述了观察变量与潜在因子的关系，具有有效实际意义。2、缺点：计算难度大，需要统计检验，结果容易出现错误。

用单独的维度。潜变量可以用单独的维度来作为显变量，只要在模型里每个维度是有现实意义的。潜变量，与可观察变量相对，是不直接观察但是通过观察到的其他变量推断（通过数学模型）的变量（直接测量）。旨在用潜在变量解释观察变量的数学模型称为潜变量模型。

R平方：决定系数，反应因变量的全部变异能通过回归关系被自变量解释的比例。如R平方为0.8，则表示回归关系可以解释因变量80%的变异。换句话说，如果我们能控制自变量不变，则因变量的变异程度会减少80%　　1，在统计学中，R平方值的计算方法如下：　　R平方值=回归平方和(ssreg)/总平方和(sstotal)　　其中回归平方和=总平方和-残差平方和(ssresid)　　2，以上几个名词解释如下：　　总平方和：Const参数为True的情况下，总平方和=y的实际值与平均值的平方差之和；Const参数为False的情况下，总平方和=y的实际值的平方和。　　残差平方和：残差平方和=y的估计值与y的实际值的平方差之和。　　3，在线性回归分析中，可以使用RSQ函数计算R平方值。　　RSQ函数语法为RSQ(known_y"s,known_x"s)　　将源数据中的y轴数据和x轴数据分别代入，就可以求得其“线性”趋势线的R平方值。　　4，R^2的特点：　　（1）可决系数是非负的统计量　　（2）可决系数的取值范围：0<=R^2<=1　　（3）可决系数是样本观测值的函数，可决系数R^2是随机抽样而变动的随机变量。为此，对可决系数的统计可靠性也应进行检验。

算。不能直接测量的变量叫做潜变量，叫做因子，叫做构象，叫做维度。同一类问题基础上抽象凝练的特质或概念就是潜在变量，通俗讲也就是量表的维度或构念。

这里他没有残差，有可能是因为这个潜在变量可能是在结构方程组作为另外一个潜在变量的外因变量，如上图中，模型中的外因潜在变量为F1、F2，内因潜在变量为F3、F4。这里的潜在变量F1、F2作为F3、F4的外因变量，相当于F1、F2、F3、F4构成的结构方程中的自变量，是没有残差的。

相关分析是不是只能得到相关系数？这样不能得到一个关系式，只能知道两个变量之间的大致关系。做回归可以得到确切的关系式，并且通过这个关系式可以进行后续的预测。做哪种要看你想分析到哪步，根据你的问题选择吧

当进行量表编制时，很多结构（constructs）都无法直接被测量。通过评估各个测量之间的关系，我们可以直接推导出结构之间的关系。潜在变量（latent variable）：一个量表要反映的潜在现象或结构通常被称为潜在变量。它主要反映了两个主要特征：一，它是潜在的不是显现的。例如，父母对子女的成就期望是不可以被直接观察到的；二，结构是可变的，而不是恒定的。潜在变量在强度或大小（magnitude）上出现变化。**更多详细内容可以参照Devellis, R. F (2003). Scale development: Theory and applications. SAGA Publications.

潜在变量。潜在变量(latentvariable):一个量表要反映的潜在现象或结构通常被称为潜在变量。根据查询相关资料显示顾客对餐馆的评价属于潜在变量。它主要反映了两个主要特征:一，它是潜在的不是显现的，二，结构是可变的，而不是恒定的。

SPSS本体无法进行潜变量分析，可以考虑使用下属的AMOS进行建模。根据你的描述，比较像是常用问卷统计分析的领域，如果使用的是量表题项，则量表题项一般默认题项分数可加性。因此，对于心理学和管理学领域的大部分量表题项，都是直接计算维度（潜变量）总分，并对计算后的变量进行描述统计。

节变量(moderator)和中介变量(mediator)是两个重要的统计概念,它们都与回归分析有关。相对于人们关注的自变量和因变量而言,调节变量和中介变量都是第三者,经常被人混淆。从文献上看,存在的问题主要有如下几种: (1)术语混用或换用,两个概念不加区分。例如,在描述同一个过程时,既使用调节过程的术语又使用中介过程的术语(2)术语和概念不一致。如研究的是调节过程,却使用中介的术语。(3)术语和统计分析不一致。如使用了中介变量的术语,却没有做相应的统计分析。出现前面的任何一个问题都会使统计结果解释含糊不清,往往导致错误结论。仅在儿童临床心理和少儿心理方面的研究文献中, Holmbeck就指出了不少误用的例子[。国内涉及中介变量的文章不多,涉及调节变量的就更少。从国外的情况看,一旦这方面的定量分析多起来,误用和混用的情况也就可能多起来,所以让应用工作者正确理解和区分中介变量和调节变量,会用适当的方法进行统计分析,对提高心理科学的研究水平具有积极意义。调节变量的定义如果变量Y与变量X的关系是变量M 的函数,称M 为调节变量。就是说, Y与X 的关系受到第三个变量M 的影响。调节变量可以是定性的(如性别、种族、学校类型等) ,也可以是定量的(如年龄、受教育年限、刺激次数等) ,它影响因变量和自变量之间关系的方向(正或负)和强弱. 例如,学生的学习效果和指导方案的关系,往往受到学生个性的影响:一种指导方案对某类学生很有效,对另一类学生却没有效,从而学生个性是调节变量。又如,学生一般自我概念与某项自我概念(如外貌、体能等)的关系,受到学生对该项自我概念重视程度的影响:很重视外貌的人,长相不好会大大降低其一般自我概念;不重视外貌的人,长相不好对其一般自我概念影响不大,从而对该项自我概念的重视程度是调节变量。中介变量的定义考虑自变量X 对因变量Y的影响,如果X 通过影响变量M 来影响Y,则称M 为中介变量。例如,上司的归因研究:下属的表现———上司对下属表现的归因———上司对下属表现的反应,其中的“上司对下属表现的归因”为中介变量 。如果一个变量与自变量或因变量相关不大,它不可能成为中介变量,但有可能成为调节变量。理想的调节变量是与自变量和因变量的相关都不大。有的变量,如性别、年龄等,由于不受自变量的影响,自然不能成为中介变量,但许多时候都可以考虑为调节变量。对于给定的自变量和因变量,有的变量做调节变量和中介变量都是合适的,从理论上都可以做出合理的解释。

一、定义1、中介变量(mediator)是自变量对因变量发生影响的中介，是自变量对因变量产生影响的实质性的、内在的原因 。如果变量Y与变量X的关系是变量M的函数，称M为调节变量。2、调节变量是指考虑自变量X 对因变量Y的影响,如果X通过影响变量M来影响Y,则称M为中介变量。调节变量可以是定性的(如性别、种族、学校类型等) ,也可以是定量的(如年龄、受教育年限、刺激次数等) ,它影响因变量和自变量之间关系的方向(正或负)和强弱。二、区别1、研究目的不同调节变量研究的目的是X何时影响Y或何时影响比较大。中介变量研究的目的是X如何影响Y。2、M的功能不同调节变量M的功能影响Y和X之间关系的方向（正和负）和强弱。中介变量M代表一种机制，X通过它影响Y。3、检验策略不同调节变量做层次回归分析，检验偏回归系数C的显著性，或者检验测定系数的变化。中介变量做依次检验，必要时做Sobel检验。三、例子1、中介变量例如：学生的学习效果和指导方案的关系，往往受到学生个性的影响，一种指导方案对某类学生很有效，对另一类学生却没有效，从而学生个性是调节变量。又如学生一般自我概念与某项自我概念(如外貌、体能等)的关系，受到学生对该项自我概念重视程度的影响：很重视外貌的人，长相不好会大大降低其一般自我概念；不重视外貌的人，长相不好对其一般自我概念影响不大，从而对该项自我概念的重视程度是调节变量。2、调节变量例如：上司的归因研究：下属的表现———上司对下属表现的归因———上司对下属表现的反应,其中的“上司对下属表现的归因”为中介变量 。如果一个变量与自变量或因变量相关不大,它不可能成为中介变量,但有可能成为调节变量。理想的调节变量是与自变量和因变量的相关都不大。有的变量,如性别、年龄等，由于不受自变量的影响,自然不能成为中介变量，但许多时候都可以考虑为调节变量。对于给定的自变量和因变量，有的变量做调节变量和中介变量都是合适的，从理论上都可以做出合理的解释。扩展资料调节变量的特征一般来说，调节变量是定性（如，性别，种族，阶层）或定量（如，回报大小）变量，影响自变量（IV）或预测变量（PV）与因变量（DV）或效标变量（CV）之间关系的方向和/或强度。在相关分析中，调节变量是影响其它两个变量之间的零次相关（the zero-order correlation）的第三方变量。在更熟悉的方差分析中，自变量与通过操控设定为某种条件的因子之间的交互作用代表一个基本的调节效应。调节变量总是作为自变量，而中介从结果到原因的角色变化取决于分析的重点。参考资料来源：百度百科—调节变量参考资料来源：百度百科—中介变量

相关只是反映了最简单的线性关系，所以叫简单相关系数，但是自变量和因变量的关系不一定就是线性的。有可能是二次项的关系，三次项的关系，也有可能自变量的滞后项和因变量有显著相关关系，这个就是var，脉冲响应分析了。所以具体的函数关系，要多阅读相关领域的文献，多做实践验证，前人的验证和实际经验结合，找到合适的函数关系，来表征自变量和因变量的关系。

节变量(moderator)和中介变量(mediator)是两个重要的统计概念,它们都与回归分析有关。相对于人们关注的自变量和因变量而言,调节变量和中介变量都是第三者,经常被人混淆。从文献上看,存在的问题主要有如下几种: (1)术语混用或换用,两个概念不加区分。例如,在描述同一个过程时,既使用调节过程的术语又使用中介过程的术语(2)术语和概念不一致。如研究的是调节过程,却使用中介的术语。(3)术语和统计分析不一致。如使用了中介变量的术语,却没有做相应的统计分析。出现前面的任何一个问题都会使统计结果解释含糊不清,往往导致错误结论。仅在儿童临床心理和少儿心理方面的研究文献中, Holmbeck就指出了不少误用的例子[。 国内涉及中介变量的文章不多,涉及调节变量的就更少。从国外的情况看,一旦这方面的定量分析多起来,误用和混用的情况也就可能多起来,所以让应用工作者正确理解和区分中介变量和调节变量,会用适当的方法进行统计分析,对提高心理科学的研究水平具有积极意义。 调节变量的定义 如果变量Y与变量X的关系是变量M 的函数,称M 为调节变量。就是说, Y与X 的关系受到第三个变量M 的影响。调节变量可以是定性的(如性别、种族、学校类型等) ,也可以是定量的(如年龄、受教育年限、刺激次数等) ,它影响因变量和自变量之间关系的方向(正或负)和强弱. 例如,学生的学习效果和指导方案的关系,往往受到学生个性的影响:一种指导方案对某类学生很有效,对另一类学生却没有效,从而学生个性是调节变量。又如,学生一般自我概念与某项自我概念(如外貌、体能等)的关系,受到学生对该项自我概念重视程度的影响:很重视外貌的人,长相不好会大大降低其一般自我概念;不重视外貌的人,长相不好对其一般自我概念影响不大,从而对该项自我概念的重视程度是调节变量。 中介变量的定义 考虑自变量X 对因变量Y的影响,如果X 通过影响变量M 来影响Y,则称M 为中介变量。例如,上司的归因研究:下属的表现———上司对下属表现的归因———上司对下属表现的反应,其中的“上司对下属表现的归因”为中介变量 。 如果一个变量与自变量或因变量相关不大,它不可能成为中介变量,但有可能成为调节变量。理想的调节变量是与自变量和因变量的相关都不大。有的变量,如性别、年龄等,由于不受自变量的影响,自然不能成为中介变量,但许多时候都可以考虑为调节变量。对于给定的自变量和因变量,有的变量做调节变量和中介变量都是合适的,从理论上都可以做出合理的解释。

如何评价一个系统（模型）里多个自变量对因变量影响的大小，以及如何对其进行多元回归？例如：已知4个自变量（设为x1,x2,x3,x4），1个因变量（设为y），要求拟合其数学模型。首先，在不知具体的数学模型的情况下，一般先采用多项式函数，如y=a0+a1x1+a2x2+a3x3+a4x4其二，用最小二乘回归分析，求出其拟合系数a0、a1、a2、a3、a4其三，计算拟合值其四，用检验统计量公式，计算R置信度、F统计量及其概率值其五，判断R是否约等于1，F统计量的概率值是否合理其六，如不满足，则需重新确定其数学模型。如y=a0+a1x1^2+a2x2^2+a3x3^2+a4x4^2或y=a0+a1x1+a2x2+a3x3+a4x4+a5x1^2+a6x2^2+a7x3^2+a8x4^2然后，再重复上述过程。说明，要完成上述工作，最好数学软件编程来计算或用Excel数据分析模块进行。

自变量是消费者购买行为意愿，因变量是消费者购买行为，中间变量是感知质量与感知风险。对于消费者首次购买意愿的两个前因即感知质量与感知风险，它们分别对应消费者的感知所得与感知所失，虽然它们都是消费者在购买决策中所考虑到的因素，但是对其中任何一个因素的单方面考虑还不足以直接导致消费者的购买意愿。消费者在进行购买决策时，会综合考虑特定的购买行为所带来的所得与所失，而消费者对所得与所失的权衡结果（感知价值）将直接影响消费者的购买意愿，因此，感知价值是消费者首次购买意愿的最直接前因，感知质量与感知风险分别作为间接前因，通过影响感知价值，进而影响首次购买意愿。

实验变量也称自变量，指实验由实验者所操纵因素或条件。

1、论文中可以没有控制变量。2、研究性文章主要有三个变量，自变量、因变量、控制变量，硕士毕业论文不加控制变量，只研究前两项（自变量和因变量）理论上是没有问题的。

6次实验的结论形式有两种：一种是：在XX一定时，因变量与自变量 成正（反）比；另一种是：在xx一定时，因变量随自变量的增大而增大（减小）得越来越快（慢）。前者为比例结论，后者是趋势结论。不明追问。

前因变量是指研究者主动操纵，而引起结果变量发生变化的因素或条件，因此前因变量被看作是结果变量的原因

需要。前因变量是指研究者主动操纵，而引起结果变量发生变化的因素或条件，因此前因变量被看作是结果变量的原因。

错误！在实验过程中.变量是指可被操纵的特定因素或条件.据其在实验中的作用.可分为两类:实验变量与反应变量 实验变量.也称为自变量.指实验中由实验者操纵的因素或条件.反应变量也称为因变量.指实验中由实验变量引起的变化和结果.通常实验变量是原因.反应变量是结果.二者具有因果关系.实验的目的在于获得和解释这种前因后果.比如:淀粉酶水解淀粉的实验中.所给定的低温.适温和高温是实验变量.而由于三种温度条件变化.酶水解淀粉的反应结果也随之变化.这是反应变量.该实验即获得和解释温度变化与活性的因果关系.

校准方式很多的，当作连续变量，用百分位数校准呀（例如0.95，0.5，0.05或0.75，0.5、0.25，或中位数＋1个标准差，中位数、中位数减一个标准差或 5、3、1或最大值、最小值以及中位数/平均数）。

自变量是提前条件 但是变量随着自变量的变化而变化

政治技能是处理政治事物的技巧、能力，它包括了一些能力如政治见解、外交能力、形势分析等。前因变量就是你所具体做的事，比如具体实施的外交策略；后果变量是你所实施的具体行动的结果，比如外交策略的效果。

自变量，independent variable，也就是控制变量，指的是在实验中可以被操纵的变量。因变量，dependent variable，顾名思义，“从属”变量，依赖于“控制变量”的改动而发生改变，往往是实验中需要研究的目标。内生变量，endogenous variable，往往是计量或统计模型中，受模型内部的其他变量影响的变量。从某些意义上讲，内生变量与因变量有着相同意义，也就是说，需要去着眼于模型内部的变量之间的相关性。外生变量，exogenous variable，指的是由模型外部因素决定的变量。以宏观经济学里的GDP的组成为例，即 Y=C(y,t)+I(r)+G。其中Y为总产出，C是关于收入和税率的消费函数，I为受利率影响的投资需求，G为政府支出。在这个式子里，G一般而言为外生变量，因为政府支出是由模型变量以外的因素决定的；而Y，C，I根据彼此间的关系，是内生变量。此外，投资函数I(r)可表示为 I = a+b*r， b<0, 在这里，投资 I 为因变量，利率r为自变量。

请问什么是 前因变量 和结果变量？ 10分 前因变量就是它的影响因素，结果变量就是它所造成的结果consequences 什么是前因变量？与自变量有何区别？ 5分 自变量是提前条件 因变量随着自变量的变化而变化 比如说电阻随温度的升高而变大这里温度是自变量 电阻大小是因变量 什么叫前因变量 自变量是提前条件 但是变量随着自变量的变化而变化 物理表述中是因变量在前还是自变量在前 如果表示为显函数的话，因变量在等式左边，自变量在等式右边； 如果表示为隐函数的话，因变量、自变量都在等式左边，0（常量）在等式右边。 物理表述中：成正比是因变量在前还是自变量在前 你不要管哪个是因变量，哪个是自变量，只要知道成正比就是两个成倍数增加即可。一个变成原来的两倍，另一个也是原来的两倍。 plot 后面的参数各代表什么意思呀，我只知道前两个是自变量和因变量，后面的变量一般是什么意思？ 是作图的，代表图上的点的座标。类似于（x,y)中随着x,y的不断变化形成的一系列点组成的曲线 请问谁可以提供有关职业倦怠的前因变量的问卷或权威量表？谢谢 1 注册调查圈2 创建一个在线调查问卷，添加题目，添加问卷logo,跳转题，翻页，答题完成跳转到公司主页3 生成链接，发布问卷，设置问卷截止时间，答题者IP地址限制为公司内部IP；4 邮件群发问卷链接给公司同事，收集反馈，有效期为一周；5 查看数据后台，分析回收的数据6 下载excel数据 报告，分析和制作调查报告 因素（一个变量组，一个因变量组）分析的两组数据，如何做前后的差异显著性判断？ 可以做独立样本T检验，熟练spss分析

环境因素。“自我”效能的前因变量和结果变量是环境因素，持行为的动机以控制和调节人的行为。“自我效能”，指一个人在特定情景中从事某种行为并取得预期结果的能力，在很大程度上指个体自己对自我有关能力的感觉。

工作与家庭层面的压力。工作家庭促进的前因变量包括工作与家庭层面的压力特点，性别等；后果变量主要涉及个体的工作家庭满意感、组织承诺、离职和身心健康。

包括：组织特色、组织声誉、组织外部竞争、组织内部竞争。组织认同一般是指组织成员在行为与观念诸多方面与其所加入的组织具有一致性，觉得自己在组织中既有理性的契约和责任感，也有非理性的归属和依赖感，以及在这种心理基础上表现出的对组织活动尽心尽力的行为结果。定义：西方组织理论学者对组织认同的正式研究大约开始与上世纪80年代前后。最早较为完整和准确的提出组织认同概念的是阿尔伯特和怀特，他们把组织认同定义为一个组织的核心的、有特色的和持久的特征，分别对应组织的本质问题、独特特点、跨时间的持久长度。巴尔默（JohnM.T.Blamer）等人认为，组织认同实际上就是组织的各方面利害相关者群体处理与组织相关事务关系的心理与行为表现与过程，这是有助于使组织存活和发展的重要条件，使组织能够在与之相连的外部环境中获得一种显著的利益。组织认同研究一般采用两个概念进行研究，一个是organizationalIdentity，一个是organizationalidentification，前者译为组织认同，多指一种较为完整的组织心理现象和过程，而后者译为组织认同感，主要从组织认同主体对组织形成组织认同感受心理的角度理解。国内关于组织认同的定义，大多采用云南大学社会学教授王彦斌老师的定义，即组织认同一般是指组织成员在行为与观念诸多方面与其所加入的组织具有一致性，觉得自己在组织中既有理性的契约和责任感，也有非理性的归属和依赖感。

这个问题实在很难 => 未必难哟 :-) 同花顺中定义变量,like this(已测试)： i:=0; WHILE (i<=3) {a=CLOSE+a; i=i+1;} 太郁闷了！=> 还郁闷吗？ have fun! 补充： 定义变量有两种方法： 1、使用:=符号(定义临时变量) 2、使用参数表(即指标参数) 注：两种方法都需要给变量赋初值,注意":="符号与":"符号的区别 a,d可以这样： ---------------- //定义临时变量 i:=0 a:=0 d:=0 //运算 while (i<=3) { if (b>1) a=close+a; else d=i; i=i+1; } e:a; f:d; ---------------- hope helpful! 按你那样，那么每个k线周期都要给a赋一次0值，当不满足IF条件的话，a老是为0，而实际编程意图是当不满足IF条件时a保持前一个k线周期a的值！=> a总是要设计“初值”的，不想要初值可以这样(你的设计有逻辑问题哟)i:=0;d:=0;a;while (i<=3) { if (b>1) a=close+a; else d=i; i=i+1; } e:a; f:d;

cal exhibits in supp

调节变量可以理解为前因变量。调节变量和前因变量，都是为了影响结果而产生的变量。调节变量可以是定性的（如性别、种族、学校类型等），也可以是定量的（如年龄、受教育年限、刺激次数等），它影响因变量和自变量之间关系的方向（正或负）和强弱，前因变量是指研究者主动操纵，而引起结果变量发生变化的因素或条件，前因变量被看作是结果变量的原因。

输入参数

书上的未必都是对的，这个问题你自己测试一下就知道结果了。现在的编译器一般都没有这样的问题，有些老的编译器可能会有这样的要求，估计你的书比较陈旧。

#include <iostream>#include <vector>using namespace std;bool isoperator(char op); // 判断是否为运算符int priority(char op); // 求运算符优先级void postfix(char pre[] , char post[],int &n); // 把中缀表达式转换为后缀表达式double read_number(char str[],int *i); // 将数字字符串转变成相应的数字double postfix_value(char post[]); // 由后缀表达式字符串计算相应的中值表达式的值 template <class ElemType> class MyStack{public: const static int MAXSIZE =100; ElemType data[MAXSIZE]; int top;public: void init(); // 初始化栈 bool empty(); // 判断栈是否为空 ElemType gettop(); // 读取栈顶元素(不出栈) void push(ElemType x); // 进栈 ElemType pop(); // 出栈};template<class T> void MyStack<T>::init(){ this->top = 0;}template<class T> bool MyStack<T>::empty(){ return this->top == 0? true : false;}template<class T> T MyStack<T>::gettop(){ if(empty()) { cout << "栈为空！ "; exit(1); } return this->data[this->top-1];}template<class T> void MyStack<T>::push(T x){ if(this->top == MAXSIZE) { cout << "栈已满！ "; exit(1); } this->data[this->top] =x; this->top ++;}template<class T> T MyStack<T>::pop(){ if(this->empty()) { cout << "栈为空! "; exit(1); } T e =this->data[this->top-1]; this->top --; return e;}int main(){ MyStack<int> stack ; stack.init(); //char pre[] ="22/(5*2+1)#"; char exp[100]; cout << "输入表达式(中缀，以#结束)："; cin >> exp; char post[100] ; //cout <<"中缀表达式为："<< pre << endl; int n =0; // 返回后缀表达式的长度 postfix(exp,post,n); cout <<"后缀表达式为："; for( int i =0 ;i < n ;i++) cout << post[i] ; cout << " 由后缀表达式计算出的数值结果: "; cout << postfix_value(post) << endl; system("pause"); return 0;}bool isoperator(char op){ switch(op) { case "+": case "-": case "*": case "/": return 1; default : return 0; }}int priority(char op){ switch(op) { case "#": return -1; case "(": return 0; case "+": case "-": return 1; case "*": case "/": return 2; default : return -1; }}// 把中缀表达式转换为后缀表达式，返回后缀表达式的长度（包括空格）void postfix(char pre[] ,char post[],int &n){ int i = 0 ,j=0; MyStack<char> stack; stack.init(); // 初始化存储操作符的栈 stack.push("#"); // 首先把结束标志‘#"放入栈底 while(pre[i]!="#") { if((pre[i]>="0" && pre[i] <="9")||pre[i] ==".") // 遇到数字和小数点直接写入后缀表达式 { post[j++] = pre[i]; n++; } else if (pre[i]=="(") // 遇到“（”不用比较直接入栈 stack.push(pre[i]); else if(pre[i] ==")") // 遇到右括号将其对应左括号后的操作符（操作符栈中的）全部写入后缀表达式 { while(stack.gettop()!="(") { post[j++] = stack.pop(); n++; } stack.pop(); // 将“（”出栈，后缀表达式中不含小括号 } else if (isoperator(pre[i])) { post[j++] = " "; // 用空格分开操作数( n++; while(priority(pre[i]) <= priority(stack.gettop())) { // 当前的操作符小于等于栈顶操作符的优先级时，将栈顶操作符写入到后缀表达式，重复此过程 post[j++] = stack.pop(); n++; } stack.push(pre[i]); // 当前操作符优先级大于栈顶操作符的优先级，将该操作符入栈 } i++; } while(stack.top) // 将所有的操作符加入后缀表达式 { post[j++] = stack.pop(); n++; }}double read_number(char str[],int *i){ double x=0.0; int k = 0; while(str[*i] >="0" && str[*i]<="9") // 处理整数部分 { x = x*10+(str[*i]-"0"); (*i)++; } if(str[*i]==".") // 处理小数部分 { (*i)++; while(str[*i] >= "0"&&str[*i] <="9") { x = x * 10 + (str[*i]-"0"); (*i)++; k++; } } while(k!=0) { x /= 10.0; k--; } return x;}double postfix_value(char post[]){ MyStack<double> stack; // 操作数栈 stack.init(); int i=0 ; double x1,x2; while(post[i] !="#") { if(post[i] >="0" && post[i] <="9") stack.push(read_number(post,&i)); else if(post[i] == " ") i++; else if (post[i] =="+") { x2 = stack.pop(); x1 = stack.pop(); stack.push(x1+x2); i++; } else if (post[i] =="-") { x2 = stack.pop(); x1 = stack.pop(); stack.push(x1-x2); i++; } else if (post[i] =="*") { x2 = stack.pop(); x1 = stack.pop(); stack.push(x1*x2); i++; } else if (post[i] =="/") { x2 = stack.pop(); x1 = stack.pop(); stack.push(x1/x2); i++; } } return stack.gettop();}

其实可以不用的。x=x-y;y=x+y;x=y-x;

赋值运算优先级低于任何比较运算符，实际上是函数getin返回值与 eof比较的结果，此处getin返回值只是一个临时变量，在于eof比较后就被丢弃了，

的 不用多说 第二个是调用含有参数的构造函数 即创建的pen2 的m_size赋值为10另外,虚机团上产品团购,超级便宜

嘿嘿、俺也跟你一样有同样问题。

这是因为：安全性算法中判断是否安全。不能改变Available数组的值。做检验时，要用到Available数组的值。

是的，每次循环都会重新定义i

在学习.Net/C#或者任何一门面向对象语言的初期，大家都写过交换两个变量值，通常是通过临时变量来实现。本篇使用多种方式实现两个变量值的交换。假设int x =1; int y = 2;现在交换两个变量的值。使用临时变量实现 static void Main(string[] args) { int x = 1; int y = 2; Console.WriteLine("x={0},y={1}",x, y); int temp = x; x = y; y = temp; Console.WriteLine("x={0},y={1}", x, y); Console.ReadKey(); }使用加减法实现试想， 1+2=3，我们得到了两数相加的结果3。3-2=1，把1赋值给y，y就等于1; 3-1=2，把2赋值给x，这就完成了交换。 static void Main(string[] args) { int x = 1; int y = 2; Console.WriteLine("x={0},y={1}",x, y); x = x + y; //x = 3 y = x - y; //y = 1 x = x - y; //x = 2 Console.WriteLine("x={0},y={1}", x, y); Console.ReadKey(); }使用ref和泛型方法实现如果把交换int类型变量值的算法封装到方法中，需要用到ref关键字。 static void Main(string[] args) { int x = 1; int y = 2; Console.WriteLine("x={0},y={1}",x, y); Swap(ref x, ref y); Console.WriteLine("x={0},y={1}", x, y); Console.ReadKey(); } static void Swap(ref int x, ref int y) { int temp = x; x = y; y = x; }如果交换string类型的变量值，就要写一个Swap方法的重载，让其接收string类型： static void Main(string[] args) { string x = "hello"; string y = "world"; Console.WriteLine("x={0},y={1}",x, y); Swap(ref x, ref y); Console.WriteLine("x={0},y={1}", x, y); Console.ReadKey(); } static void Swap(ref int x, ref int y) { int temp = x; x = y; y = x; } static void Swap(ref string x, ref string y) { string temp = x; x = y; y = x; }如果交换其它类型的变量值呢？我们很容易想到通过泛型方法来实现，再写一个泛型重载。

问题补充：这个例程中，OB1中也使用了大量的临时变量，是不是可以用M点代替？

IN和OUT是你在调用FB的时候输入进去的，你设置了IN和OUT之后，在调用FB的时候就会出来相应的针脚，由于FB可以在程序里面多次调用，所以你可以有使用相同的FB，然后改变IN和OUT的变量地址，类似的功能调用相同的FB，减少编程量，STAT设置的话，会需要生成相应的背景数据块，你可以在不同的DB里面设置不同的参数，加入你有3个电机，功能是一样的，但是参数会不一样，那样你就可以把参数先存储在相应的DB里面，然后用同一个FB实现3个电机参数不同的功能，TEMP变量就是程序执行时候的临时变量，只在当前程序调用的时候会有使用，这个FC功能块也是有的，当子程序调用完成后，TEMP变量会被清零，所以如果用TEMP变量的话，程序在线监控的时候会比较不好点。

1、局部变量：在方法内定义的变量称为“局部变量”或“临时变量”，方法结束后局部变量占用的内存将被释放。2、成员变量：在类体的变量部分中定义的变量，也称为字段。3、全局变量：全局变量，又称“外部变量”，它不是属于哪个方法，作用域从定义的地址开始到源文件结束。

u8buf，是指针，指向一个[128]大小的字符串，这样强转之后传入strcpy已经会导致崩溃了 char* u8buf；u8buf malloc()；传出指针需要自行销毁

我好像试过去掉优化，似乎没解决问题，我明天再试一下，确定是否如此

首先，局部变量的内存不只会分配，还会释放的。用全局变量确实可以避免多次局部变量内存分配。但是，如果你在担心内存分配的花销、内存分配释放过程带来的效率问题，那么其实是在考虑一个事实上不存在的问题…因为内存分配带来的空间和时间花费是微忽其微的，并且以现在的计算机硬件。你"想到”问题了之后，要去证明这个问题真的存在，至少先得看到这个问题的现象吧。大多数程序,最重要的不是它的执行速度。 对于用户来说，是它的正确性。 用户要的是对他有用的软件，不是要你为他省几KB计算机内存 ; 对程序员来说，是可读性，可修改性等。简单说下，用全局变量的问题: 0. 不知道你说的是什么编程语言中的，要知道，在c家族语言（c,c++,java,c#等）中，函数形式参数、函数内定义的变量、代码块中的等都是局部变量，那你得弄多少全局变量？ 最后，肯定编译都过不了。 1.程序不好甚至无法理解。全局变量使读程序者难以跟踪程序状态，这对人的记忆是一个挑战。而且，一个全局变量无法表达不同的概念，这就更增加了阅读程序的难读性。 2.如果函数依赖于全局变量，那么这种函数其实是不能被复用的。举个例子，难道你使用fun3前，还要初始化它所使用全局变量？再想，你无法把这种某个函数从一个文件移到另一个文件中，如果要移，你得把它依赖的全局变量也给移过去，但是这些全局变量原来又被别的函数依赖着，那你得把这些函数都移过去，移过去后。你又发现名字冲突了…如此痛苦。也许你读不懂上面的，有些编程经验后就可以明白的。 补充： 上面说的不好。相对的，局部变量有很多好处，主要有： 0，减少名字冲突，局部就是名字空间。 1，根据记忆的七正负二原理，人不善于记忆多个东西，而局部变量让你在一个地方用它，在另一个地方去不必记起和在意它。完全集中注意力再解决另一个问题。

但是如果这个a1和a2本来就很复杂，这样简单加起来就不行了。如果在后面sql语句中多次用到a_sum，难道就只能这样写“a1+a2"吗，这样岂不是很不方便！

从名字上看了是临时变量。

。。。。怎么解决。。。知道要返回，那你就不要返回临时的啊。。。在函数外面定义一个不好吗？

源程序如下：#include<stdio.h>int main(){ int x,y,t; printf("请输入两个数:"); scanf("%d %d",&x,&y); printf("原始的两个数为: x=%d,y=%d ",x,y); t=x; x=y; y=t; printf("交换后的两个数为: x=%d,y=%d ",x,y); return 0;}测试并显示如下：

先建一个excel文件，然后使用xlswrite函数读入即可 关于将临时变量改为永久变量，使用global函数，这样变量即保存在MATLAB的工作空间中，不受你原来程序影响，先声明：global X，每次使用时再声明：global X;

临时变量法。每次赋值只要读取一个变量的值到寄存器，然后再从寄存器写回到另一个变量中即可，前后涉及两次内存写入操作;对于异或运算操作，很快就可以算出来。

完全可以，个子程序里只要不重复就可以了。和其他子程序无关，和主程序也无关。

就是赋值一个空指针,不赋值也可以,只是赋值了让人更容易理解这个变量是用来准备存放对象的,也方便调错。

在临时变量没有明确的含义之前请不要使用而且临时变量在进入和退出子程序时的值是不会清0的，在使用前需要你自己给他一个明确的数值

没有看懂你写的问题是什么意思

set /p a=0

有问题。 因为const string& fun(){return "some ";} "some "在存放在静态数据区。你那样子返回之后，输出test的时候，很大可能得到的是一堆乱码。

a是局部变量 返回的P指针指向了局部变量的位置 。局部变量在函数运行完后就被回收了