计量经济学名词解释(全)

。广义计量经济学：使用经济理论、统计学和数学来定量研究经济现象的计量经济学方法的统称，包括回归分析方法、投入产出分析方法、时间序列分析方法等。狭义计量经济学：为了揭示经济现象中的因果关系，回归分析主要应用于数学。计量经济学：是经济学的一个分支学科，其基础是揭示经济活动中客观的数量关系。计量经济学模型：揭示经济活动中各种因素之间的数量关系，并用随机数学方程来描述。横断面数据：横断面数据是由许多不同的观察对象在同一时间点获取的值的统计数据集，可以理解为通过对随机变量重复采样获得的数据。时间序列数据：反映某一总体特征的同一指标的数据按一定的时间序列和时间间隔排列。这种统计数据被称为时间序列数据。面板数据：指时间序列数据和区间数据的组合数据。总体回归函数：是指在给定的Xi条件下，y分布的总体平均值与Xi之间的函数关系(或者，总体解释变量的条件被表示为解释变量的某个函数)。样本回归函数：指从总体中提取的关于y和x的几组值组成的样本所建立的回归函数。随机总体回归函数：带有随机干扰项的总体回归函数(相对于条件期望形式)。线性回归模型：指变量的线性度和参数的线性度，即解释变量和参数只以1的幂出现。最小二乘法：也称为最小二乘法，是指根据最小化估计残差平方和的原则确定样本回归函数的方法。最大似然法：也称为最大概率法，是指利用产生样本的最大概率原理确定样本回归函数的方法。偏差平方和：用TSS表示，用于测量解释变量的总变化。回归平方和：用ESS表示：测量解释变量的变化引起的解释变量的变化部分。残差平方和：用RSS表示：测量实际值和拟合值之间的差值，这是解释变量的变化部分，由解释变量以外的其他因素引起。协方差：衡量两个变量之间关联程度的统计量，用Cov(X，Y)表示。拟合优度检验：检验模型对样本观测值的拟合程度。该值越接近1，模型越适合样本的观察值。多元线性回归模型：在实际经济活动中，经常会出现一个变量受许多其他变量影响的现象，这种现象在线性回归模型中表现为多个解释变量。这样的模型变成了多元线性回归模型，多元指的是许多变量。偏回归系数：在多元回归模型中，每个解释变量前的参数是偏回归系数，它衡量的是在其他解释变量保持不变的情况下，变量加一个单位对解释变量的平均影响程度。方程的显著性检验：是检验所有解释变量对解释变量的联合影响是否显著，目的是判断模型中解释变量与解释变量之间的线性关系是否总体上明显成立。回归分析：回归分析是研究一个变量对另一个变量的依赖性的计算方法和理论。目的是通过后者的已知或设定值来估计和预测前者的(总体)平均值。相关性分析：主要研究随机变量之间的相关性形式以及相关度的计算方法和理论。结构分析经济学中的术语结构分析是指对经济现象中变量之间关系的研究。拟合优度：样本的估计回归线和样本的观测数据之间的拟合优度。方差扩展因子VIF:方差扩展因子是根据由多重最大似然准则：样本的回归函数是根据产生样本的最大概率原则确定的。最小二乘准则：样本的回归函数由最小化估计的残差平方和的原则确定。滞后变量模型：过去一段时间内具有滞后效应的变量称为滞后变量，含有滞后变量的模型称为滞后变量模型。调整后的多元决策系数：也称为多元决策系数，是用来描述伴随模型中解释变量的增加以及多个解释变量对解释变量的联合影响程度的一个量。联合假设检验：与单一假设检验相比，指假设检验中有多个假设。例如，多元回归方程的显著性检验是联合假设检验，每个参数的t检验是单个假设检验。约束回归：在实际的经济活动中，根据经济理论，通常需要对模型中的变量参数施加一定的约束，在对模型的参数施加约束后进行回归。无约束回归：对模型中的变量参数不加约束的回归。多重共线性：在经典回归模型中，总是假设解释变量相互独立。如果两个或两个以上的解释变量之间存在相关性，这称为多重共线性。完全共线性：对于多元线性回归模型，一个解释变量可以使用其他解释变量的行性别组合表征。不完全多重共线性：在实际经济活动中，多重解释变量之间存在多重共线性，但解释变量它们之间的线性关系是近似的，而不是完全的。异方差性：对于不同的解释向量，解释变量的随机误差项的方差不再是常数，而是互不相同，那么异方差性被认为是存在的。自相关(序列相关):线性回归模型违反了误差项不是线性相关的假设，并且不同样本点的误差项之间存在线性相关。假自相关：由设置偏差引起的自相关称为假自相关，可以通过改变模型设置来消除。最小样本量：即从最小二乘原理和最大似然原理出发，获得参数估计所需样本量的下限，无论其质量如何。随机干扰项：即随机误差项，是一个随机变量，目标是总体回归函数。无偏性：所谓的无偏性是指参数估计的均值(期望值)等于模型的参数值。有效性：所谓的有效性是指估计量是无偏的，方差最小。一阶序列相关：如果模型中存在随机误差项，则称为一阶序列相关。错误序列相关性：由于忽略重要的解释变量而导致的模型的序列相关性。虚拟变量：由属性因子表示的人工构造的变量。工具变量：是在模型估计过程中用作工具的变量，用于替换与模型中的随机误差项相关的随机解释变量。前提变量：外生变量和内生变量的滞后变量。内生变量：具有一定概率分布的随机变量，其参数是联立方程系统估计的元素，内生变量一般是经济变量。外生变量：通常是确定性变量或具有临界概率分布的随机变量，它们的参数不是模型系统研究的要素。外源变量影响系统，但不受系统影响。外源性排泄物的数量通常是经济变量、条件变量、政策变量和虚拟变量。虚拟变量陷阱：每个定性变量都有一组虚拟变量。如果变量具有完全多重共线性，并且不能用ols进行估计，那么它们就落入了虚拟变量陷阱。滞后变量模型：过去一段时间内具有滞后效应的变量称为滞后变量，含有滞后变量的模型称为滞后变量模型。动态模型：包含延迟解释变量的模型，也称为动态模型分布式滞后模型：如果在滞后变量模型中没有滞后解释变量，onl回归系数：o、1和回归模型中其他未知但固定的参数。错误回归：如果两个时间序列数据显示相同的变化趋势(非平稳)，即它们之间没有经济关系，但回归也将显示更高的可确定系数。伪回归：变量之间没有有意义的关系，但回归结果得出了有意义关系的错误结论。残差：样本的实际观测值和模型估计值之间的差值ei。残差项：残差项是指每个样本点的样本观测值和模型估计值之间的差值。随机误差项：解释变量的个体值与条件数学期望之间的差是除方程表达式之外的随机变量因子对解释变量Yi(不可观测的随机变量)的影响之和。k阶单积分：如果一个时间序列在k阶差分后变成一个平稳序列，那么原始序列就称为k阶单积分协整：非平稳经济变量X和Y。如果它们的线性组合是平稳的，这意味着它们的长期均衡关系成立，那么X和Y是协整的。微分平稳过程：具有随机趋势的序列，可以被微分消除，成为平稳时间序列过程。平稳时间序列：统计规律不会随着时间的推移而改变的时间序列。格兰杰因果关系：对于时间序列变量x和y，如果x是y变化的原因，那么x的变化应该发生在y变化之前，x的过去值应该有助于预测y的未来值，但是y的过去值不应该能够预测x的未来值。加权最小二乘法是对原始模型进行加权，使其成为一个没有异方差的新模型，然后用普通最小二乘法估计其参数的方法。方差分析模型：这是一个特殊的线性模型。设计矩阵X的元素都是0或1。模型参数是因子级别的效果值，并满足某些线性约束。单位根过程：又称随机游走过程，是指自回归模型中r=1序列产生的非平稳过程，称为单位根过程。虚拟变量：只有“0”或“1”的人工变量是根据定性因素的属性类别构造的，通常称为虚拟变量。代表属性因子的人工构造变量。无偏性：所谓的无偏性是指参数估计的均值(期望值)等于模