計量經(jīng)濟(jì)學(xué)名詞解釋(全)

1、精選文檔廣義計量經(jīng)濟(jì)學(xué)：利用經(jīng)濟(jì)理論、統(tǒng)計學(xué)和數(shù)學(xué)定量研究經(jīng)濟(jì)現(xiàn)象的經(jīng)濟(jì)計量方法的統(tǒng)稱，包括回歸分析方法、投入產(chǎn)出分析方法、時間序列分析方法等。狹義計量經(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。計量經(jīng)濟(jì)學(xué):是經(jīng)濟(jì)學(xué)的一個分支學(xué)科，是以揭示經(jīng)濟(jì)活動中的客觀存在的數(shù)量關(guān)系為內(nèi)容的分支學(xué)科。 計量經(jīng)濟(jì)學(xué)模型：揭示經(jīng)濟(jì)活動中各種因素之間的定量關(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)是許多不同的觀察對象在同一時間點(diǎn)上的取值的統(tǒng)計數(shù)據(jù)集合，可理解為對一個隨機(jī)變量重復(fù)抽樣獲得的數(shù)據(jù)。時間序列數(shù)據(jù)：把反映某一總體特征的同一指標(biāo)的數(shù)據(jù)，按照一定的時間順序和時間間隔排列起

2、來，這樣的統(tǒng)計數(shù)據(jù)稱為時間序列數(shù)據(jù)面板數(shù)據(jù)：指時間序列數(shù)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)（是相對于條件期望形式而言的）。線性回歸模型：既指對變量是線性的，也指對參數(shù)為線性的，即解釋變量與參數(shù)只以他們的1次方出現(xiàn)。最小二乘法：又稱最小平方法，指根據(jù)使估計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：又稱最大或然法，指用生產(chǎn)該樣本概率最大的原則

3、去確定樣本回歸函數(shù)的方法?？傠x差平方和：用TSS表示，用以度量被解釋變量的總變動?；貧w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兩個變量關(guān)聯(lián)程度的統(tǒng)計量。擬合優(yōu)度檢驗(yàn)：檢驗(yàn)?zāi)Ｐ蛯颖居^測值的擬合程度，用 表示，該值越接近1，模型對樣本觀測值擬合得越好。多元線性回歸模型：在現(xiàn)實(shí)經(jīng)濟(jì)活動中往往存在一個變量受到其他多個變量的影響的現(xiàn)象，表現(xiàn)為在線性回歸模型中有多個解釋變量，這樣的模型成為多元線性回歸模型，多元指多個變量。偏

4、回歸系數(shù)：在多元回歸模型中，每一個解釋變量前的參數(shù)即為偏回歸系數(shù)，它測度了當(dāng)其他解釋變量保持不變時，該變量增加1個單位對解釋變量帶來的平均影響程度。方程顯著性檢驗(yàn)：是針對所有解釋變量對被解釋變量的聯(lián)合影響是否顯著所作的檢驗(yàn)，旨在對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判斷?；貧w分析：回歸分析是研究一個變量關(guān)于另一個（些）變量的依賴關(guān)系的計算方法和理論。目的是通過后者的已知或設(shè)定值，去估計和預(yù)測前者的（總體）均值。相關(guān)分析：主要研究隨機(jī)變量間的相關(guān)形式及相關(guān)程度的計算方法和理論。結(jié)構(gòu)分析: 經(jīng)濟(jì)學(xué)中所說的結(jié)構(gòu)分析是指對經(jīng)濟(jì)現(xiàn)象中變量之間關(guān)系的研究。擬合優(yōu)度：所估計的樣本

5、回歸線對樣本觀測數(shù)據(jù)擬合的優(yōu)劣程度。方差膨脹因子VIF：多個解釋變量輔助回歸確定多重可決系數(shù)的基礎(chǔ)上計算的方差擴(kuò)大因子。相關(guān)系數(shù)：可以度量兩個變量之間線性相關(guān)程度的簡單線性相關(guān)系數(shù)。可決系數(shù)：可作為綜合度量回歸模型對樣本觀測值擬合優(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：用使估計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：把過去時期的，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為滯后變量模型。調(diào)整的多元可決系數(shù)：又稱多元判定系數(shù)，是一個用于描述伴隨模型中解釋變量的增加和多個解釋變量對被解釋變量的聯(lián)合影響程度的量。聯(lián)合假設(shè)檢驗(yàn)：是相

6、對于單個假設(shè)檢驗(yàn)來說的，指假設(shè)檢驗(yàn)中的假設(shè)有多個，不止一個。如多元回歸中的方程的顯著性檢驗(yàn)就是一個聯(lián)合假設(shè)檢驗(yàn)，而每個參數(shù)的t檢驗(yàn)就是單個假設(shè)檢驗(yàn)。受約束回歸：在實(shí)際經(jīng)濟(jì)活動中，常常需要根據(jù)經(jīng)濟(jì)理論對模型中變量的參數(shù)施加一定的約束條件，對模型參數(shù)施加約束條件后進(jìn)行回歸。無約束回歸：無需對模型中變量的參數(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。如果某兩個或多個解釋變量之間出現(xiàn)了相關(guān)性，則稱為多重共線性完全共線性: 對于多元線性回歸模型，某一個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)活動中，多個解釋變量之間存在多重共線性問

7、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)為出現(xiàn)了異方差性。自相關(guān)（序列相關(guān)）：線性回歸模型違背了誤差項(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)。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)，可以通過改變模型設(shè)定予以消除。最小樣本容量：即從最小二乘原理和最大似然原理出發(fā)，欲得到參數(shù)估計量，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)，是一個隨機(jī)變量，是針對總體回歸函數(shù)而言的。無偏性：所謂無偏性是指參數(shù)估計量的均值（期望）等于模型的參數(shù)值。有效性：所謂有效性是指

8、估計量不僅具有無偏性而且具有最小方差性。一階序列相關(guān)：如果模型的隨機(jī)誤差項(xiàng)存在，則稱為一階序列相關(guān)。虛假序列相關(guān)：由于忽略了重要解釋變量而導(dǎo)致模型出現(xiàn)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:是在模型估計過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)估計的元素，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)研究的元素。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

9、件變量、政策變量、虛變量。虛擬變量陷阱:每個定性變量有一組虛擬變量，若變量存在完全的多重共線性，無法利用ols估計其參數(shù)，就陷入了虛擬變量陷阱。滯后變量模型：把過去時期的，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為滯后變量模型。 動態(tài)模型：含有滯后解釋變量的模型，又稱動態(tài)模型分布滯后模型：如果滯后變量模型中沒有滯后被解釋變量，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：解釋變量僅包含X的當(dāng)期值與被解釋變量Y的一個或多個滯后值的模型?；貧w系數(shù)：回歸模型中o，1等未知但卻是固定的參數(shù)。虛假回歸：如果兩列時間序列數(shù)據(jù)表現(xiàn)出一致的變化趨勢（非平穩(wěn)），即他們之間

10、沒有任何經(jīng)濟(jì)關(guān)系，但進(jìn)行回歸也會表現(xiàn)出較高的可決系數(shù)偽回歸：變量間本來不存在有意義的關(guān)系，但回歸結(jié)果卻得出有意義關(guān)系的錯誤結(jié)論。殘差：樣本的實(shí)際觀測值與模型估計值之間的差值ei。殘差項(xiàng)：殘差項(xiàng)是指對每個樣本點(diǎn)，樣本觀測值與模型估計值之間的差值。隨機(jī)誤差項(xiàng)：被解釋變量的個別值與條件數(shù)學(xué)期望之差，是方程表達(dá)式以外的隨機(jī)變量因素對被解釋變量Yi的影響總和，是一個不可觀測的隨機(jī)變量。K階單整：如果一個時間序列經(jīng)過K次差分后變?yōu)槠椒€(wěn)序列，則稱原序列是K階單整的協(xié)整：非平穩(wěn)的經(jīng)濟(jì)變量X和Y，如果它們的線性組合是平穩(wěn)的，則意味著它們間的長期均衡關(guān)系成立，則X和Y是協(xié)整的。差分平穩(wěn)過程：一個具有隨機(jī)性趨勢的序

11、列，通過差分可以消除，使之變?yōu)槠椒€(wěn)的時間序列過程。平穩(wěn)時間序列：統(tǒng)計規(guī)律不會隨著時間的推移而發(fā)生變化的時間序列。格蘭杰因果關(guān)系：對于時間序列變量X和Y，如果X是Y變化的原因，則X的變化應(yīng)該發(fā)生在Y變化之前，而且X的過去值應(yīng)該有助于預(yù)測Y的未來值，但Y的過去值不應(yīng)該能預(yù)測X的未來值。加權(quán)最小二乘法：是對原模型進(jìn)行加權(quán)，使之成為一個新的不存在異方差性的模型，然后采用普通最小二乘法估計其參數(shù)的方法。方差分析模型：是一種特殊的線性模型，其設(shè)計矩陣X的元素全為0或1，模型參數(shù)為因素水平的效應(yīng)值，且滿足一定的線性約束條件。單位根過程：又稱隨機(jī)游走過程，是指自回歸模型中r=1的序列生成的非平穩(wěn)的過程就叫單位根過程。虛擬變量：根據(jù)定性因素的屬性類別，構(gòu)造的只取“0”或“1”的人工變量，通常稱為虛擬變量。人工構(gòu)造的作為屬性因素代表的變量。無偏性：所謂無偏性是指參數(shù)估計量的均值（期望）等