熊胆丸说明书及相关价格

熊胆丸说明书及相关价格（精选2篇）

篇1：熊胆丸说明书及相关价格

熊胆丸商品介绍

通用名：熊胆丸

生产厂家: 云南白药集团股份有限公司

批准文号：国药准字Z53020466

药品规格：0.25g*30粒

药品价格：￥16元

熊胆丸说明书

【通用名称】熊胆丸

【商品名称】熊胆丸

【拼音全码】xiongdanwan

【主要成份】龙胆、泽泻、地黄、当归、栀子、菊花、车前子、决明子、柴胡、防风、黄芩、木贼、黄连粉、薄荷脑、大黄、冰片、熊，辅料为淀粉。

【性状】熊胆丸为胶囊剂，内容为棕褐色的粉末;气清凉，味苦、微辛。

【适应症/功能主治】清热散风，止痛退翳。用于风热或肝经湿热引起的目赤肿痛，羞明多泪。

【规格型号】0.25g*30s

【用法用量】口服，一次4粒，一日2次。

【不良反应】尚不明确。

【禁忌】孕妇禁用。

【注意事项】1.忌生冷油腻食物，鱼、虾腥物，忌烟、酒刺激食物。2.肝肾不足引起头晕眼花、迎风流泪及脾胃虚寒、大便稀溏者慎用。3.药服3天症状未减轻者应到医院就诊。4.对熊胆丸过敏者禁用，过敏体质者慎用。5.熊胆丸性状发生改变时禁止使用。6.儿童必须在成人的监护下使用。7.请将熊胆丸放在儿童不能接触的地方。8.如正在使用其他药品，使用熊胆丸前请咨询医师或药师。

【药物相互作用】如与其他药物同时使用可能会发生药物相互作用，详情请咨询医师或药师。

【贮藏】避光，密封，阴凉干燥

【包装】0.25g*30s/盒。

【有效期】36月

【执行标准】卫生部药品标准中药成方制剂第二册

【批准文号】国药准字Z53020466

【生产企业】云南白药集团股份有限公司

熊胆丸(云南白药)的功效与作用熊胆丸(云南白药)清热散风，止痛退翳。用于风热或肝经湿热引起的目赤肿痛，羞明多泪。

熊胆丸服用常见问题

健康咨询描述： 您好!我爱人48岁了，快停经了，心律失常，经常失眠，服用熊胆救心丸可以吗?有什么副作用吗?

病情分析：

熊胆救心丸强心益气，芳香开窍。

指导意见：

熊胆救心丸用于心气不足所致的胸痹心痛，胸闷气短和心悸等症。心律失常，经常失眠能服用熊胆救心丸.

篇2：熊胆丸说明书及相关价格

Riddel通过对美国1967-1998年房地产市场的实证探究, 发现股市动态影响着房地产市场的均衡。Beltratti和Andrea通过对美国宏观经济波动相关数据以及房地产价格数据分析得出, 较之房地产供给需求, 宏观经济尤其是投资波动更能影响房地产市场。沈悦和刘洪玉利用混合样本回归以及添加哑变量等方法对中国1995-2002年14个城市的房地产价格与经济基本面相关数据进行实证分析, 证明我国住宅不符合有效市场假说。杨祚和谢书楠 (2014) 利用空间面板模型检验我国区域房地产价格的相互影响效应及其收敛性, 结果表明我国房地产销售价格具有空间相关性并存在条件收敛趋势。

一、模型概述

1. 空间自相关模型

本文通过全局空间相关性指标分析和局部空间相关性指标分析来验证我国房地产的空间自相关性及自相关程度。

⑴全局空间相关性指标。本文利用Moran’I检验来检验全局空间相关性, 即检验整个研究区域中邻近地区间有没有相关性。Moran’s I检验的原假设为不存在任何形式的空间相关性;背择假设为变量间至少存在某种形式的空间相关性。

对某一年份, Moran’I的计算公式如下:

其中, n是研究区内地区总数, wij是空间权重矩阵, 表示n个位置的空间区域的临近关系, 为一个的矩阵。

Moran’I的取值一般在-1到1之间, 大于0表示正相关, 值接近1表明区域中具有相似的属性聚集在一起;小于0表明负相关, 值接近-1表明具有区域中相异的属性聚集在一起;值接近0表明整个区域不存在空间自相关性。

⑵局部空间相关性指标。Moran’I值只能体现区域中是否存在空间自相关, 而不能反映空间聚集区的位置。针对这一问题, 本文采用LISA和Moran散点图来帮助我们推算出聚集区的空间位置和范围。

LISA, 即局部Moran指数, 检验局部地区是否存在相似的观察值聚集在一起。针对某一年份, 其计算公式为:

Ii大于0表示一个高值被高值所包围, 或者是一个低值被低值所包围;Ii小于0表示一个低值被高值所包围, 或者一个高值被低值所包围。

Moran散点图以 (z, Wz) 为坐标点, 研究局部的空间不稳定性, 分为四个象限:第一象限代表了高值的区域单元被同是高值的区域所包围的空间联系形式 (H-H) ;第二象限代表了低值的区域单元被高值的区域单元所包围的空间联系形式 (L-H) ;第三象限代表了低值的区域单元被同是低值的区域单元所包围的空间联系形式 (L-L) ;第四象限代表了高值的区域单元被低值的区域单元所包围的空间联系形式 (H-L) 。

2. 计量模型

通过Moran’s I检验和LISA检验只明确了我国房地产价格的空间联系, 还需进一步明确各区域房价的区域影响因素差异, 因此, 本文构建多元线性回归对各区域房地产价格进行分析。

多元线性回归模型 (Multivariable Linear Regression Model, MLRM) , 其表达形式为:

Yi表示第i个区域的被解释变量的观测值, Xim表示第i个区域的解释变量m的值, βm表示解释变量m对被解释变量Y的贡献系数, εm表示随机误差项。

二、数据来源、变量设定

1. 数据来源

本文选取1999~2013年31个省、自治区、直辖市的区域相关数据进行实证分析, 主要来源中经网统计数据库。

2. 变量设定

由于房地产市场影响变量众多, 如果将其一一考虑进去, 模型建立非常困难。本文在已有文献的基础上, 对变量进行取舍, 并分类 (见表1) :

(备注:1.土地价格通过转换以房地产开发商当期购置土地的资金额与当期购置开发土地面积的比值计算。2.交通条件用每万人拥有的公共车辆数表示。3.绿化面积用城市人均绿化面积表示。)

三、实证分析

1. 空间自相关检验

(1) 全局自相关检验。利用Geoda095i软件求1999-2013年的Moran’I值和P值 (见表2) 。

由表2可知, 1999-2013年, 全国各地房地产销售价格的Moran’s I值均大于0, 且在5%的显著水平下, 除2001年之外, 均通过了检验, 拒绝了房地产价格从空间上来说是随机相关的假说, 表明我国房地产价格的分布显示出空间上的集聚性。进一步研究发现, 随着时间的推移, Moran’s I值呈逐年提高的趋势, 而P值则逐年降低, 说明我国房地产价格的空间正相关性和空间依赖性不断加强。2011年以后, 国家及各省加强对房地产价格的调控而效果不明显的部分原因可以归结为房地产价格存在较强的空间正相关性。

(2) 局部空间相关性。上节我们利用Moran’I值已证明我国房地产价格存在较强的空间正相关性, 但是仍不能反映空间聚集区的位置。本文将利用Moran散点图以及LISA指数来说明局部空间相关性。

利用Geoda软件分别得到1999-2013年的Moran散点图及LISA集聚图。本文截取1999年及2013年的原因在于, 1999年是我国房地产市场化的第一年, 2013年是我国为防止房地产市场泡沫再次严格调控房地产政策, 所以选取这两个年份具有阶段代表性。

通过局部Moran散点图和LISA集聚图, 可以进一步看出空间层面的自相关关系聚集区。利用Geoda构建1999-2013年Moran散点图时得到的数据可得处在四个象限的31个省市地区, 见表3。

由表3可以看出, 1999年、2013年处在HH象限的省份均属于东部地区, 江苏在1999年处在LH象限, 在2013年处在HH象限可解释为由于我国房地产价格存在空间自相关性, 周围省份房价价格在某种程度上带动了江苏地区的房地产价格升高, 同理可解释辽宁地区2013年处在LL象限。处在LL象限的除山东外, 基本都属于中、西部地区。因此, 本文认为在我国31个省市地区中, HH集聚带和LL集聚带占大部分, 起主导作用, 说明我国房地产价格分布存在空间异质性。

2. 模型检验

国家在“十一五”规划中, 将区域划分为“四大板块” (东北、中部、西部、东部) 具体划分为“八大经济区”, 主要包括:东北区域 (辽宁、吉林、黑龙江) 、北部沿海区域 (北京、天津、河北、山东) 、东部沿海区域 (浙江、江苏、上海) 、南部沿海区域 (福建、广东、海南) 、黄河中游区域 (山西、陕西、内蒙古、河南) 、长江中下游区域 (安徽、湖南、湖北、江西) 、西南区域 (重庆、云南、四川、贵州、广西) 、西北地区 (甘肃、青海、宁夏、西藏、新疆) 。考虑各数据的可获得性, 本文以2002年为基期, 并由于西藏部分数据的不可获得以及其特殊的地理位置, 本文将不考虑西藏的数据影响, 并使用matlab 7.1进行模拟。

本文采用逐步回归中的后退法 (α出=0.1) 对该模型进行了估计, 不断剔除不显著的变量, 得到表4的估计结果。

从表4中各个区域的估计结果可以看出:

⑴工业化率IR:工业化率体现了工业化的发展对房地产价格的影响。通过对2002-2013年房价及工业化率的模拟看出, 东北区域、黄河中游区域、西南区域的工业化率的变化对房地产价格的影响并不显著, 表明东北区域、黄河中游区域地区的房地产价格不受工业化率的影响。而在北部沿海区域、东部沿海区域、南部沿海区域、长江中下游区域、西南区域西北区域, 其工业化率与房地产价格负相关, 结合现实情况, 东部沿海地区产业转型趋向于第三产业, 工业化率逐年降低, 房地产价格逐年增高。

⑵地区人均国民生产总值PGDP:地区人均国民生产总值是从另一个宏观经济层面考察宏观经济的变化对房地产价格的影响。实证结果表明北部沿海区域的人均国民生产总值对房地产价格的影响不显著, 除此之外, 地区人均国民生产总值对房地产价格的影响显著, 在短期内, 人均国民生产总值的快速增长容易引起房地产价格的过快增长。

⑶土地价格LP:土地价格是房地产市场状况对房地产价格影响的维度。东部沿海区域、黄河中游区域、长江中下游区域及西北区域的土地价格对房地产价格影响显著, 对房地产价格有正相关的影响。东北区域、北部沿海区域、南部沿海区域、西南区域对房地产价格影响不显著, 表明这四大经济区域的房地产价格不受供给因素的影响。

⑷失业率UER:失业率体现了失业率对房地产价格的影响。从对八大经济区域数据的模拟来看, 东部沿海地区、南部沿海地区、黄河中游区域、长江中下游区域的失业率对房地产价格影响显著, 就南部沿海地区而言, 失业率的弹性系数为3.000, 即本地区失业率上涨一个百分点, 对房地产价格上涨贡献3个百分点。

⑸地区城镇人均可支配收入PI:人均可支配收入反映人的购买能力对房地产的影响, 其弹性系数表明了需求因素对房地产价格的影响。在八大经济区域中, 北部沿海区域、东部沿海区域、黄河中游区域、长江中下游区域和西北区域的城镇人均可支配收入对房地产价格没有显著影响, 原因可能是房屋是刚性需求, 再加上国家对房地产市场的调控, 所以收入对房地产价格影响不大。而南部沿海地区, 城镇人均可支配收入对房地产价格的影响较为显著, 弹性系数为4.880, 意味着城镇人均可支配收入上涨一个百分点, 对房地产价格上涨贡献4.88个百分点。

⑹交通条件TC:交通条件是反映社会因素对房地产价格影响的一个维度。从实证分析的结果来看, 东部沿海区域和长江中下游区域交通条件的变化对房地产价格有显著地影响, 原因可能是东部沿海地区和长江中下游地区由于处于长江主干流旁边, 交通方式的逐步变化对房地产价格产生了一定的影响。

⑺绿化条件GC:绿化条件是反映社会因素对房地产价格影响的另一个维度。除南部沿海和黄河中游区域之外, 其他六大经济区域的绿化条件变化对房地产价格有显著影响, 但其中长江中下游区域对房地产价格变化有显著的负相关影响。黄河中游区域对房地产价格没有显著影响的原因可能是由于其地势处在黄土高原。

四、结论及政策建议

在我国房地产市场化进程中, 政府对房地产市场的调控对整体宏观经济的发展起着重要的作用。但是由于房地产行业的特殊性, 政府调控不仅要考虑房地产行业本身, 还需要考虑对上下游的产业的影响。我国仍是个发展中国家, 发展是第一要务, 投资、消费和出口是拉动我国国民经济发展的三驾马车, 其中房地产在消费中占重要比重。房地产价格的剧烈波动不利于我国经济的稳定增长, 会显著影响到当前和未来的经济发展。

(注:括号里的数值为t检验值, ***、**和*分别表示1%、5%、10%的显著性水平。)

1. 注重调节房地产结构

人均收入水平的提高在一定程度上会导致投机需求的出现, 并会引起房地产价格出现较大的波动, 继而影响中低收入阶层对房屋的购买能力。但是, 房地产不仅是一种消费品, 也是一种投资品, 适度的投机有利于市场的活跃。目前在中国市场上, 房地产作为一种影响国民福利水平的特殊商品, 超出大多数人购买能力的房价是不合时宜的, 这就需要政府在一定程度上对房地产市场进行调控。

2. 调控以经济手段为主, 行政手段为辅

相对于利率调整等调控手段, 限购是一种既非市场又非经济的行政调控手段, 只要实施力度足够大, 在一定时间内可以有效的抑制房地产的投机行为, 从而使房价下降。但是, 这是一种与市场经济法则不相容的调控手段, 会造成市场效率的损失, 并可能成为未来市场机制运行中的隐患。一旦松动“限购令”, 整个市场可能会受到报复性反弹。所以房地产调控应多以利率、土地政策和货币政策为主, 行政手段加以辅助。

3. 完善土地政策

改变土地审批制度, 使土地市场和房地产市场衔接, 土地价格和房地产价格衔接。调节土地供应结构, 加大经济适用房所需土地的投入, 减少其他高档住宅土地的投入, 逐步引导供应商的投资方向。

参考文献

[1]Riddel, Mary, 2004, “Housing-market disequilibrium:an examination of housingmarket price and stock dynamics 1967–1998”[J], Journal of Housing Economics, Vol.13, P120-135.

[2]Beltratti, Andrea and Morana, Claudio.“International house prices and macroeconomic fluctuations”[J], Journal of Banking and Finance, 2010, Vol.34, P533-545.

[3]沈悦, 刘洪玉.住宅价格与经济基本面:1995-2002年中国14城市的实证研究[J].经济研究, 2004 (06) :78-86.