查看: 42839|回复: 435
阅读权限26威望0 级论坛币2844 个学术水平59 点热心指数65 点信用等级35 点经验2110 点帖子97精华0在线时间306 小时注册时间最后登录
积分 460, 距离下一级还需 340 积分
权限: 自定义头衔, 签名中使用图片
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发下一级可获得
权限: 隐身
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
本帖最后由 psyche2008 于
18:27 编辑
两个字：精品！
兄弟们不多说了，为了让大家从理论到操作完全征服中介效应和调节效应，我特地把花了半个月学习整理、加工、创作的东东奉献给大家，完全原创，参考了国内外最顶级最权威的文献，保证你学会！一个字：爽！两个字：很爽！三个字：非常爽！
里面一些内容如bootstrap的在中介效应分析中的原理和运用，sobel检验临界比率表的辨识等等都是你期望很久的需要解决的问题。
兄弟们，已经设置免费了（原来是编辑帖子才能免费，害偶找了半天才发现这个功能）
载入中......
19:56:26 上传
19:56:26 上传
19:56:26 上传
19:56:26 上传
19:56:26 上传
01:05:54 上传
01:05:54 上传
热心帮助其他会员
感谢楼主！！！很用心！帮助很大！
热心帮助其他会员
奖励积极上传好的资料
观点有启发
对论坛有贡献
总评分:&经验 + 20&
论坛币 + 55&
学术水平 + 26&
热心指数 + 32&
信用等级 + 14&
本帖被以下文库推荐
& |主题: 33, 订阅: 9
& |主题: 23, 订阅: 35
& |主题: 369, 订阅: 343
& |主题: 31, 订阅: 16
阅读权限18威望0 级论坛币1211 个学术水平0 点热心指数0 点信用等级0 点经验1365 点帖子47精华0在线时间9 小时注册时间最后登录
积分 59, 距离下一级还需 26 积分
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡下一级可获得
权限: 自定义头衔
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
这人太好了...
本文来自: 人大经济论坛 详细出处参考：
阅读权限26威望0 级论坛币11200 个学术水平4 点热心指数9 点信用等级3 点经验1494 点帖子202精华0在线时间257 小时注册时间最后登录
积分 531, 距离下一级还需 269 积分
权限: 自定义头衔, 签名中使用图片
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发下一级可获得
权限: 隐身
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
开心签到天数: 1 天连续签到: 1 天[LV.1]初来乍到
乖乖的猫猫
阅读权限22威望0 级论坛币200 个学术水平2 点热心指数6 点信用等级1 点经验103 点帖子70精华0在线时间141 小时注册时间最后登录
积分 217, 距离下一级还需 43 积分
权限: 自定义头衔
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡下一级可获得
权限: 签名中使用图片
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
开心签到天数: 6 天连续签到: 2 天[LV.2]偶尔看看I
其实 这一切真的没有什么 我在年前就有看过这些书。
分别是台湾学者 陈顺宇的《结构方程模式AMOS的操作和应用》心理出版社，2007年）和李茂能的《图解AMOS在学术研究中的应用》五南图书出版公司以及魏文钦的《LISREL资料分析技巧》台北双叶书廊 这三部书中都有明确的详细解释附带数据。
中国大陆学者刘军在其著作《管理研究方法应用》一书中也有相关的中介变量和调节变量的说明（中国人民大学出版社）
其实，如果你自己在道理上明白中介、调节是怎么回事，很容易自己把软件搞懂的。学习数学原理，好处还是很大的。
总评分:&经验 + 60&
学术水平 + 1&
热心指数 + 1&
信用等级 + 1&
阅读权限26威望0 级论坛币465 个学术水平1 点热心指数2 点信用等级2 点经验3653 点帖子319精华0在线时间213 小时注册时间最后登录
积分 550, 距离下一级还需 250 积分
权限: 自定义头衔, 签名中使用图片
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发下一级可获得
权限: 隐身
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
谢谢楼主，呵呵
阅读权限26威望0 级论坛币2844 个学术水平59 点热心指数65 点信用等级35 点经验2110 点帖子97精华0在线时间306 小时注册时间最后登录
积分 460, 距离下一级还需 340 积分
权限: 自定义头衔, 签名中使用图片
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发下一级可获得
权限: 隐身
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
欢迎大家留言提出宝贵意见，对我的学习心得有什么看法和意见都可以反馈在这里，有错误能不吝指出，该改进就改进，该补充补充，希望大家都能从理论到应用充分驾驭这些新的研究方式。
阅读权限14威望0 级论坛币1112 个学术水平0 点热心指数0 点信用等级0 点经验217 点帖子15精华0在线时间4 小时注册时间最后登录
积分 15, 距离下一级还需 9 积分
权限: 设置帖子权限
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
很感谢，正在努力学习中
经常找不到北
阅读权限26威望0 级论坛币465 个学术水平1 点热心指数2 点信用等级2 点经验3653 点帖子319精华0在线时间213 小时注册时间最后登录
积分 550, 距离下一级还需 250 积分
权限: 自定义头衔, 签名中使用图片
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发下一级可获得
权限: 隐身
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
已下载，看过了，很有帮助，谢谢楼主
阅读权限10威望0 级论坛币48 个学术水平0 点热心指数0 点信用等级0 点经验81 点帖子5精华0在线时间16 小时注册时间最后登录
积分 5, 距离下一级还需 5 积分
权限: 设置帖子权限
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板下一级可获得
道具: 金钱卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
很有帮助，谢谢楼主！！！
阅读权限26威望0 级论坛币2844 个学术水平59 点热心指数65 点信用等级35 点经验2110 点帖子97精华0在线时间306 小时注册时间最后登录
积分 460, 距离下一级还需 340 积分
权限: 自定义头衔, 签名中使用图片
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发下一级可获得
权限: 隐身
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
把原来发的关于调节效应分析的帖子并在一起了，方便大家一起下载。
论坛好贴推荐扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
SPSS基本技法-调节效应与中介效应的探讨
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口 下载
 收藏
该文档贡献者很忙，什么也没留下。
 下载此文档
正在努力加载中...
如何做SPSS的调节效应费下载
下载积分：1000
内容提示：
文档格式：DOC|
浏览次数：0|
上传日期： 01:35:40|
文档星级：
该用户还上传了这些文档
下载文档:如何做SPSS的调节效应费下载.DOC
官方公共微信查看: 6157|回复: 33
【分享】SPSS中处理中介效应和调节效应的方法
该用户从未签到
马上注册，结交更多好友
才可以下载或查看，没有帐号？
SPSS中处理中介效应和调节效应是很多硕士博士在处理数据中经常用到的办法。
提醒大家的是，一定要注意不要轻易的说明谁是谁的“因果”
SEM也可以去掉很好的分析效果
大家在实际使用中也可以跟帖讨论！
17:50 上传
点击文件名下载附件
下载积分: 金钱 -5
516.71 KB, 下载次数: 125, 下载积分: 金钱 -5
17:50 上传
点击文件名下载附件
下载积分: 金钱 -5
287.19 KB, 下载次数: 98, 下载积分: 金钱 -5
17:50 上传
点击文件名下载附件
下载积分: 金钱 -5
469.5 KB, 下载次数: 122, 下载积分: 金钱 -5
17:50 上传
点击文件名下载附件
下载积分: 金钱 -5
424.5 KB, 下载次数: 132, 下载积分: 金钱 -5
17:49 上传
点击文件名下载附件
下载积分: 金钱 -5
39 KB, 下载次数: 108, 下载积分: 金钱 -5
17:49 上传
点击文件名下载附件
下载积分: 金钱 -5
526.8 KB, 下载次数: 69, 下载积分: 金钱 -5
17:49 上传
点击文件名下载附件
下载积分: 金钱 -5
156.5 KB, 下载次数: 77, 下载积分: 金钱 -5
17:49 上传
点击文件名下载附件
下载积分: 金钱 -5
244.11 KB, 下载次数: 55, 下载积分: 金钱 -5
17:49 上传
点击文件名下载附件
下载积分: 金钱 -5
470.2 KB, 下载次数: 56, 下载积分: 金钱 -5
乐于助人！
乐于助人！
该用户从未签到
好东西下载了，这个要好好学习学习
那几个.doc是你整理滴么？
有的是的~有的不是~~学术分享 呵呵&
该用户从未签到
areed 发表于
好东西下载了，这个要好好学习学习
那几个.doc是你整理滴么？
有的是的~有的不是~~学术分享 呵呵
applausing&
该用户从未签到
admin 发表于
有的是的~有的不是~~学术分享 呵呵
applausing
TA的每日心情开心 00:19签到天数: 1 天连续签到: 1 天[LV.1]初来乍到
该用户从未签到
斑竹真乃好斑竹~！
该用户从未签到
楼主辛苦了，我要好好学习一下~~
该用户从未签到
yep！！！厉害！！！！！！！！！！！
该用户从未签到
真的很不错啊，！！！！！支持！！！！！！！
该用户从未签到
thanks very much阅读权限18威望0 级论坛币5 个学术水平0 点热心指数0 点信用等级0 点经验281 点帖子30精华0在线时间34 小时注册时间最后登录
积分 81, 距离下一级还需 4 积分
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡下一级可获得
权限: 自定义头衔
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
苦逼签到天数: 2 天连续签到: 1 天[LV.1]初来乍到
xuezhe116 发表于
正确。温忠麟《调节效应和中介效应》P84、P96我能问个问题吗？“如果调节变量和自变量都是通过因子分析得到的以0为中心标准化变量，这样的话，出现了不少负数，那么负数乘以负数就是正数，与实际矛盾，因此在进行调节研究之前，将两个变量移动为以4为中心的变量；因为题项是五个选项，4表示中立”这么理解对吗？
载入中......
阅读权限100威望1 级论坛币866 个学术水平207 点热心指数100 点信用等级175 点经验24149 点帖子1382精华在线时间287 小时注册时间最后登录
学科带头人
学科带头人
积分 4776, 距离下一级还需 1049 积分
权限: 自定义头衔, 签名中使用图片, 设置帖子权限, 隐身, 设置回复可见
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发, 提升卡, 沉默卡, 千斤顶下一级可获得
道具: 变色卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
TA的文库&&
阅读权限100威望1 级论坛币866 个学术水平207 点热心指数100 点信用等级175 点经验24149 点帖子1382精华在线时间287 小时注册时间最后登录
学科带头人
学科带头人
积分 4776, 距离下一级还需 1049 积分
权限: 自定义头衔, 签名中使用图片, 设置帖子权限, 隐身, 设置回复可见
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发, 提升卡, 沉默卡, 千斤顶下一级可获得
道具: 变色卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
TA的文库&&
阅读权限100威望1 级论坛币866 个学术水平207 点热心指数100 点信用等级175 点经验24149 点帖子1382精华在线时间287 小时注册时间最后登录
学科带头人
学科带头人
积分 4776, 距离下一级还需 1049 积分
权限: 自定义头衔, 签名中使用图片, 设置帖子权限, 隐身, 设置回复可见
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发, 提升卡, 沉默卡, 千斤顶下一级可获得
道具: 变色卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
TA的文库&&
阅读权限100威望1 级论坛币866 个学术水平207 点热心指数100 点信用等级175 点经验24149 点帖子1382精华在线时间287 小时注册时间最后登录
学科带头人
学科带头人
积分 4776, 距离下一级还需 1049 积分
权限: 自定义头衔, 签名中使用图片, 设置帖子权限, 隐身, 设置回复可见
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发, 提升卡, 沉默卡, 千斤顶下一级可获得
道具: 变色卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
TA的文库&&
本帖最后由 ReneeBK 于
07:32 编辑
When NOT to Center a Predictor Variable in Regression
There are two reasons to center predictor variables in any time of regression analysis–linear, logistic, multilevel, etc.
To lessen the correlation between a multiplicative term (interaction or polynomial term) and its component variables (the ones that were multiplied).To make interpretation of parameter estimates easier.
I was recently asked when is centering NOT a good idea?
Well, basically when it doesn’t help.
For reason #1, it will only help if you have multiplicative terms in a model.&&If you don’t have any multiplicative terms–no interactions or polynomials–centering isn’t going to help.For reason #2, centering especially helps interpretation of parameter estimates (coefficients) when:
You have an interaction in the modelParticularly if that interaction includes a continuous and a dummy coded categorical variable andIf the continuous variable does not contain a meaningful value of 0;even if 0 is a real value, if there is another more meaningful value, such as a threshhold point.&&(For example, if you’re doing a study on the amount of time parents work, with a predictor of Age of Youngest Child, an Age of 0 is meaningful and will be in the data set, but centering at 5, when kids enter school, might be more meaningful).
So when NOT to center:
1. If all continuous predictors have a meaningful value of 0.
2. If you have no interaction terms involving that predictor.
3. And if there are no values that are particularly meaningful.
阅读权限100威望1 级论坛币866 个学术水平207 点热心指数100 点信用等级175 点经验24149 点帖子1382精华在线时间287 小时注册时间最后登录
学科带头人
学科带头人
积分 4776, 距离下一级还需 1049 积分
权限: 自定义头衔, 签名中使用图片, 设置帖子权限, 隐身, 设置回复可见
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发, 提升卡, 沉默卡, 千斤顶下一级可获得
道具: 变色卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
TA的文库&&
本帖最后由 ReneeBK 于
07:28 编辑
Should You Always Center a Predictor on the Mean?
KAREN GRACE-MARTIN
Centering predictor variables is one of those simple but extremely useful practices that is easily overlooked.
It’s almost too simple.
Centering simply means subtracting a constant from every value of a variable.&&What it does is redefine the 0 point for that predictor to be whatever value you subtracted.&&It shifts the scale over, but retains the units.
The effect is that the slope between that predictor and the response variable doesn’t change at all.&&But the interpretation of the intercept does.
The intercept is just the mean of the response when all predictors = 0.&&So when 0 is out of the range of data, that value&&is meaningless.&&But when you center X so that a value within the dataset becomes 0, the intercept becomes the mean of Y at the value you centered on.
What’s the point?&&Who cares about interpreting the intercept?
It’s true.&&In many models, you’re not really interested in the intercept.&&In those models, there isn’t really a point, so don’t worry about it.
But, and there’s always a but, in many models interpreting the intercept becomes really, really important.&&So whether and where you center becomes important too.
A few examples include models with a dummy-coded predictor, models with a polynomial (curvature) term, and random slope models.
Let’s look more closely at one of these examples.
In models with a dummy-coded predictor, the intercept is the mean of Y for the reference category—the category numbered 0.&&If there’s also a continuous predictor in the model, X2, that intercept is the mean of Y for the reference category only when X2=0.
If 0 is a meaningful value for X2 and within the data set, then there’s no reason to center.&&But if neither is true, centering will help you interpret the intercept.
For example, let’s say you’re doing a study on language development in infants.&&X1, the dummy-coded categorical predictor, is whether the child is bilingual (X1=1) or monolingual (X1=0).&&X2 is the age in months when the child spoke their first word, and Y is the number of words in their vocabulary for their primary language at 24 months.
If we don’t center X2, the intercept in this model will be the mean number of words in the vocabulary of monolingual children who uttered their first word at birth (X2=0).
And since infants never speak at birth, it’s meaningless.
A better approach is to center age at some value that is actually in the range of the data. One option, often a good one, is to use the mean age of first spoken word of all children in the data set.
This would make the intercept the mean number of words in the vocabulary of monolingual children for those children who uttered their first word at the mean age that all children uttered their first word.
One problem is that the mean age at which infants utter their first word may differ from one sample to another. This means you’re not always evaluating that mean that the exact same age.&&It’s not comparable across samples.
So another option is to choose a meaningful value of age that is within the values in the data set. One example may be at 12 months.
Under this option the interpretation of the intercept is the mean number of words in the vocabulary of monolingual children for those children who uttered their first word at 12 months.
The exact value you center on doesn’t matter as long it’s meaningful, holds the same meaning across samples,&&and within the range of data.&&You may find that choosing the lowest value or the highest value of age is the best option. It’s up to you to decide the age at which it’s most meaningful to interpret the intercept
观点有启发
总评分:&学术水平 + 1&
热心指数 + 1&
信用等级 + 1&
阅读权限28威望0 级论坛币1355 个学术水平3 点热心指数3 点信用等级3 点经验600 点帖子283精华0在线时间226 小时注册时间最后登录
积分 1088, 距离下一级还需 287 积分
权限: 自定义头衔, 签名中使用图片, 隐身
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发下一级可获得
权限: 设置帖子权限道具: 提升卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
苦逼签到天数: 181 天连续签到: 14 天[LV.7]常住居民III
本帖最后由 收获季节 于
20:20 编辑 zhongmin5788 发表于
根据我对香港教授kenneth的中人网上与中介、调节有关的问题的汇总：
调节：只有自变量、调节变量须中心化， ...为什么调节分析的时候，因变量不用标准化呢？因变量问项的数量级也是不同的，如此一来，如何汇总因变量呢？而且就算是因子分析计算得分系数，也是在标准化之后进行的分析。麻烦帮忙解答一下，非常感谢!
阅读权限26威望0 级论坛币483 个学术水平6 点热心指数9 点信用等级3 点经验13001 点帖子321精华0在线时间120 小时注册时间最后登录
积分 533, 距离下一级还需 267 积分
权限: 自定义头衔, 签名中使用图片
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发下一级可获得
权限: 隐身
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
zhongmin5788 发表于
根据我对香港教授kenneth的中人网上与中介、调节有关的问题的汇总：
调节：只有自变量、调节变量须中心化， ...
阅读权限18威望0 级论坛币4 个学术水平0 点热心指数0 点信用等级0 点经验1120 点帖子23精华0在线时间24 小时注册时间最后登录
积分 56, 距离下一级还需 29 积分
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡下一级可获得
权限: 自定义头衔
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
哼哼签到天数: 17 天连续签到: 1 天[LV.4]偶尔看看III
xuezhe116 发表于
正确。温忠麟《调节效应和中介效应》P84、P96赞& &是的
阅读权限34威望0 级论坛币2696 个学术水平170 点热心指数156 点信用等级147 点经验95126 点帖子2438精华在线时间790 小时注册时间最后登录
学科带头人
学科带头人
积分 4637, 距离下一级还需 1188 积分
权限: 自定义头衔, 签名中使用图片, 设置帖子权限, 隐身, 设置回复可见
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发, 提升卡, 沉默卡, 千斤顶下一级可获得
道具: 变色卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
开心签到天数: 640 天连续签到: 23 天[LV.9]以坛为家II
又到毕业论文疯狂冲刺阶段了？
论坛好贴推荐