計(jì)量經(jīng)濟(jì)學(xué)名詞解釋

廣義計(jì)量經(jīng)濟(jì)學(xué)：采用經(jīng)濟(jì)理論、統(tǒng)計(jì)學(xué)和數(shù)學(xué)定量討論經(jīng)濟(jì)現(xiàn)象的經(jīng)濟(jì)計(jì)量方法的統(tǒng)

稱(chēng)，包括回歸分析方法、投入產(chǎn)出分析方法、時(shí)間序列分析方法等。

狹義計(jì)量經(jīng)濟(jì)學(xué)：以揭示經(jīng)濟(jì)現(xiàn)象中的因果關(guān)系為目的，在數(shù)學(xué)上主要應(yīng)用回歸分析方

法。

計(jì)量經(jīng)濟(jì)學(xué)：是經(jīng)濟(jì)學(xué)的一個(gè)分支學(xué)科，是以揭示經(jīng)濟(jì)活動(dòng)中的客觀存在的數(shù)量關(guān)系

為內(nèi)容的分支學(xué)科。

計(jì)量經(jīng)濟(jì)學(xué)模型：揭示經(jīng)濟(jì)活動(dòng)中各種因索之間的定量關(guān)系，用隨機(jī)性的數(shù)學(xué)方程加以

描述。

截面數(shù)據(jù)：截面數(shù)據(jù)是很多不同的觀看對(duì)象在同一時(shí)間點(diǎn)上的取值的統(tǒng)計(jì)數(shù)據(jù)集合，可

理解為對(duì)一個(gè)隨機(jī)變量重復(fù)抽樣獲得的數(shù)據(jù)。

時(shí)間序列數(shù)據(jù)：把反映某一總體特征的同一指標(biāo)的數(shù)據(jù)，依據(jù)肯定的時(shí)間挨次和時(shí)間間

隔排列起來(lái),這樣的統(tǒng)計(jì)數(shù)據(jù)稱(chēng)為時(shí)間序列數(shù)據(jù)

面板數(shù)據(jù)：指時(shí)間序列教據(jù)和截面數(shù)據(jù)相結(jié)合的數(shù)據(jù)，

總體回歸函數(shù)：指在給定Xi下Y分布的總體均值與Xi所形成的函數(shù)關(guān)系（或者說(shuō)總體

被解釋變量的條件期望表示為解釋變量的某種函數(shù)）。

樣本回歸函數(shù)：指從總體中抽出的關(guān)于Y,X的若干組值形成的樣本所建立的回歸函數(shù)。

隨機(jī)的總體回歸函數(shù)：含有隨機(jī)干擾項(xiàng)的總體回歸函數(shù)（是相對(duì)于條件期望形式而言的）。

線性回歸模型：既指對(duì)變量是線性的，也指對(duì)參數(shù)B為線性的，即解釋變量與參數(shù)B只

以他們的1次方消失。

最小二乘法：又稱(chēng)最小平方法，指依據(jù)使估量的剩余平方和最小的原則確定樣本回歸函

數(shù)的方法。

最大似然法：乂稱(chēng)最大或然法，指用生產(chǎn)該樣本概率最大的原則去確定樣本回歸函數(shù)的

方法。

總離差平方和：用TSS表示，用以度量被解釋變量的總變動(dòng)。

回歸平方和：用ESS表示：度量由解釋變量變化引起的被解釋變量的變化部分。

殘差平方和：用RSS表示：度量實(shí)際值與擬合值之間的差異，是由除解釋變量以外的其

他因素引起的被解釋變量變化的部分。

協(xié)方差：用Cov（X,Y）表示，度量X,Y兩個(gè)變量關(guān)聯(lián)程度的統(tǒng)計(jì)量。

擬合優(yōu)度檢驗(yàn)：檢驗(yàn)?zāi)Ｐ蛯?duì)樣本觀測(cè)值的擬合程度，用R?表示，該值越接近1,模型

對(duì)樣本觀測(cè)值擬合得越好。

多元線性回歸模型：在現(xiàn)實(shí)經(jīng)濟(jì)活動(dòng)中往往存在一個(gè)變量受到其他多個(gè)變量的影響的現(xiàn)

象，表現(xiàn)為在線性回歸模型中有多個(gè)解釋變量，這樣的模型成為多元線性回歸模型，多

元指多個(gè)變量。

偏回歸系數(shù)：在多元回歸模型中，每一個(gè)解釋變量前的參數(shù)即為偏回歸系數(shù)，它測(cè)度了

當(dāng)其他解釋變量保持不變時(shí)，該變量增加1個(gè)單位對(duì)解釋變量帶來(lái)的平均影響程度。

方程顯著性檢驗(yàn)：是針對(duì)全部解釋變量對(duì)被解釋變量的聯(lián)合影響是否顯著所作的檢

驗(yàn)，旨在對(duì)

模型中被解釋變量與解釋變量之間的線性關(guān)系在總體上是否顯著成立作出推斷。

回歸分析：回歸分析是討論一個(gè)變量關(guān)于另一個(gè)（些）變量的依靠關(guān)系的計(jì)算方法和理

論。目的是通過(guò)后者的已知或設(shè)定值，去估量和猜測(cè)前者的（總體）均值。

相關(guān)分析：主要討論隨機(jī)變量間的相關(guān)形式及相關(guān)程度的計(jì)算方法和

理論。

結(jié)構(gòu)分析：經(jīng)濟(jì)學(xué)中所說(shuō)的結(jié)構(gòu)分析是指對(duì)經(jīng)濟(jì)現(xiàn)象日變量之間關(guān)系的討論。

擬合優(yōu)度：所估量的樣本回歸線對(duì)樣本觀測(cè)數(shù)據(jù)擬合的優(yōu)劣程度。

方差膨脹因子VIF：多個(gè)解釋變量幫助回歸確定多重可決系數(shù)的基礎(chǔ)上計(jì)算的方差擴(kuò)大

因子。

相關(guān)系數(shù)：可以度量?jī)蓚€(gè)變量之間線性相關(guān)程度的簡(jiǎn)潔線性相關(guān)系數(shù)。

可決系數(shù)：可作為綜合度量回歸模型對(duì)樣本觀測(cè)值擬合優(yōu)度的指標(biāo)。

極大似然準(zhǔn)則：用產(chǎn)生該樣本概率最大的原則去確定樣本回歸函數(shù)。

最小二乘準(zhǔn)則：用使估量的剩余平方和最小的原則確定樣本回歸函數(shù)。

滯后變量模型：把過(guò)去時(shí)期的，具有滯后作用的變量叫做滯后變量，含有滯后變量的模

型稱(chēng)為滯后變量模型。

調(diào)整的多元可決系數(shù)：又稱(chēng)多元判定系數(shù),是一個(gè)用于描述伴隨模型中解釋變量的增加

和多個(gè)解釋變量對(duì)被解格變量的聯(lián)合影響程度的量。

聯(lián)合假設(shè)檢驗(yàn)：是相對(duì)于單個(gè)假設(shè)檢驗(yàn)來(lái)說(shuō)的，指假設(shè)檢驗(yàn)中的假設(shè)有多個(gè)，不止一個(gè)。

如多元回歸中的方程的顯著性檢驗(yàn)就是一個(gè)聯(lián)合假設(shè)檢驗(yàn)，而每個(gè)參數(shù)的t檢臉就是單

個(gè)假設(shè)檢驗(yàn)。

受約束回歸：在實(shí)際經(jīng)濟(jì)活動(dòng)中，經(jīng)常需要依據(jù)經(jīng)濟(jì)理論對(duì)模型中變量的參數(shù)施加肯定

的約束條件，對(duì)模型參數(shù)施加約束條件后進(jìn)行FI歸。

無(wú)約束回歸：無(wú)需對(duì)模型中變量的參數(shù)施加約束條件進(jìn)行的回歸。

多重共線性：在經(jīng)典回歸模型中總是假設(shè)解釋變量之間是相互獨(dú)立的。假如某兩個(gè)或多

個(gè)解釋變量之間消失了相關(guān)性，則稱(chēng)為多重共線性

完全共線性：對(duì)于多元線性回歸模型，某一個(gè)解釋變量可以用其他解釋變量的線

性組合表示。

不完全多重共線性：在實(shí)際經(jīng)濟(jì)活動(dòng)中，多個(gè)解釋變量之間存在多重共線性問(wèn)題，

但解釋變量

之間的線性關(guān)系是近似的，而不是完全的。

異方差性：對(duì)于不同的解釋向量，被解釋變量的隨機(jī)誤差項(xiàng)的方差不再是常數(shù)，而互不

相同，則認(rèn)為消失了異方差性。

自相關(guān)（序列相關(guān)）：線性回歸模型違反了誤差項(xiàng)不線性相關(guān)的假定及不同樣本點(diǎn)的誤

差項(xiàng)之間存在線性相關(guān)C

虛假自相關(guān)：由于設(shè)定偏誤而產(chǎn)生的自相關(guān)叫做虛假自相關(guān)，可以通過(guò)轉(zhuǎn)變模型設(shè)定予

以消退。

最小樣本容量：即從最小二乘原理和最大似然原理動(dòng)身，欲得到參數(shù)估量量，不管其質(zhì)

量如何，所要求的樣本容量的下限。

隨機(jī)干擾項(xiàng)：即隨機(jī)誤差項(xiàng)，是一個(gè)隨機(jī)變量，是針對(duì)總體回歸函數(shù)而言的。

無(wú)偏性：所謂無(wú)偏性是指參數(shù)估量量的均值（期望）等于模型的參數(shù)值。

有效性：所謂有效性是指估量量不僅具有無(wú)偏性而目.具有最小方差性。

一階序列相關(guān)：假如模型的隨機(jī)誤差項(xiàng)存在則稱(chēng)為一階序列相關(guān)。虛假

序列相關(guān)：由于忽視了重要解釋變量而導(dǎo)致模型消失的序列相關(guān)性。

虛擬變量：人工構(gòu)造的作為屬性因素代表的變量。

工具變量:是在模型估量過(guò)程中被作為工具使用，以替代模型中與隨機(jī)誤差項(xiàng)相關(guān)的隨

機(jī)解釋變量的變量。

先決變量：外生變量和內(nèi)生變量的滯后變量。

內(nèi)生變量：是具有某種概率分布的隨機(jī)變量，它的參數(shù)是聯(lián)立方程系統(tǒng)估量的元素，內(nèi)

生變量一般都是經(jīng)濟(jì)變量。

外生變量:一般是確定性變量，或是具有臨界概率分布的隨機(jī)變量，其參數(shù)不是模型系

統(tǒng)討論的元素?。外生變量影響系統(tǒng)，但本身不受系統(tǒng)的影響。外生便量一般是經(jīng)濟(jì)變量、

條件變量、政策變量、虛變量。

虛擬變量陷阱:每個(gè)定性變量有一-組虛擬變量，若變量存在完全的多重共線性，無(wú)法采

用01S估量其參數(shù)，就陷入了虛擬變量陷阱。

滯后變量模型：把過(guò)去時(shí)期的，具有滯后作用的變量叫做滯后變量，含有滯后變量的模

型稱(chēng)為滯后變量模型。

動(dòng)態(tài)模型：含有滯后解釋變量的模型，又稱(chēng)動(dòng)態(tài)模型

分布滯后模型：假如滯后變量模型中沒(méi)有滯后被解釋變量，僅有解釋變量X的當(dāng)期值及

其若干期的滯后值，則成為分布滯后模型。

自回歸模型：解釋變量?jī)H包含X的當(dāng)期值與被解釋變量Y的一個(gè)或多個(gè)滯后值的模型。

回歸系數(shù)：回歸模型中E。，B1等未知但卻是固定的參數(shù)。

虛假回歸：假如兩列時(shí)間序列數(shù)據(jù)表現(xiàn)出全都的變化趨勢(shì)（非平穩(wěn)），即他們之間沒(méi)有

仔何經(jīng)濟(jì)關(guān)系,但進(jìn)行回歸也會(huì)表現(xiàn)出較高的可.決系數(shù)

偽回歸：變量間原來(lái)不存在有意義的關(guān)系，但回歸結(jié)果卻得出有意義關(guān)系的錯(cuò)誤結(jié)論。

殘差：樣本的實(shí)際觀測(cè)值與模型估量值之間的差值ei。

殘差項(xiàng)：殘差項(xiàng)是指對(duì)每個(gè)樣本點(diǎn)，樣本觀測(cè)值與模型估量值之間的差值。

隨機(jī)誤差項(xiàng)：被解釋變尾的個(gè)別值與條件數(shù)學(xué)期望之差，是方程表達(dá)式以外的隨機(jī)變量

因素對(duì)被解釋變量Yi的影響總和，是一個(gè)不行觀測(cè)的隨機(jī)變量。

K階單整：假如一個(gè)時(shí)間序列經(jīng)過(guò)K次差分后變?yōu)槠椒€(wěn)序列，則稱(chēng)原序列是K階單整的

協(xié)整：非平穩(wěn)的經(jīng)濟(jì)變量X和Y,假如它們的線性組合是平穩(wěn)的，則意味著它們間的長(zhǎng)

期均衡關(guān)系成立，則X和Y是協(xié)整的。

差分平穩(wěn)過(guò)程：一個(gè)具有隨機(jī)性趨勢(shì)的序列，通過(guò)差分可以消退，使之變?yōu)槠椒€(wěn)的時(shí)間

序列過(guò)程。

平穩(wěn)時(shí)間序列：統(tǒng)計(jì)規(guī)律不會(huì)隨著時(shí)間的推移而發(fā)生變化的時(shí)間序列。

格蘭杰因果關(guān)系：對(duì)丁時(shí)間序列變量X和Y,假如X是Y變化的緣由，則X的變化應(yīng)當(dāng)

發(fā)生在Y變化之前，而且X的過(guò)去值應(yīng)當(dāng)有助于猜測(cè)Y的將來(lái)值，但Y的過(guò)去值不應(yīng)當(dāng)

能猜測(cè)X的將來(lái)值。

加權(quán)最小二乘法：是對(duì)原模型進(jìn)行加權(quán)，使之成為一個(gè)新的不存在異方差性的模型，然

后采納一般最小二乘法估量其參數(shù)的方法。

方差分析模型：是一種特別的線性模型，其設(shè)計(jì)矩陣X的元素全為?；?,模型參數(shù)為

因素水平的效應(yīng)值，且滿意肯定的線性約束條件。

單位根過(guò)程：乂稱(chēng)隨機(jī)游走過(guò)程，是指自回歸模型中尸1的序列生成的非平穩(wěn)的過(guò)程就

叫單位根過(guò)程。

虛擬變量：依據(jù)定性因素的屬性類(lèi)別，構(gòu)造的只取“0”或“I”的人T變量，通

常稱(chēng)為虛擬變量。人工構(gòu)造的作為屬性因素代表的變量。

無(wú)偏性：所