計(jì)量經(jīng)濟(jì)學(xué)名詞解釋(全)；

1、廣義計(jì)量經(jīng)濟(jì)學(xué)：利用經(jīng)濟(jì)理論、統(tǒng)計(jì)學(xué)和數(shù)學(xué)定量研究經(jīng)濟(jì)現(xiàn)象的經(jīng)濟(jì)計(jì)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(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(shí)間點(diǎn)上的取值的統(tǒng)計(jì)數(shù)據(jù)集合，可理解為對一個(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)，按照一定的時(shí)間順序和時(shí)間間隔排列起來，這樣

2、的統(tǒng)計(jì)數(shù)據(jù)稱為時(shí)間序列數(shù)據(jù)面板數(shù)據(jù)：指時(shí)間序列數(shù)據(jù)和截面數(shù)據(jù)相結(jié)合的數(shù)據(jù)?？傮w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(jì)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去確定樣

3、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(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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(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)

4、：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(gè)變量關(guān)于另一個(gè)（些）變量的依賴關(guān)系的計(jì)算方法和理論。目的是通過后者的已知或設(shè)定值，去估計(jì)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(jì)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(jì)的樣本回歸線對

5、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(gè)解釋變量輔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)：可以度量兩個(gè)變量之間線性相關(guān)程度的簡單線性相關(guān)系數(shù)?？蓻Q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(jì)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(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(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)：是相對于單個(gè)

6、假設(shè)檢驗(yàn)來說的，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檢驗(yàn)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(gè)或多個(gè)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(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)活動中，多個(gè)解釋變量之間存在多重共線性問題，但解

7、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(jì)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(jì)量的均值（期望）等于模型的參數(shù)值。有效性：所謂有效性是指估計(jì)量不

8、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(jì)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(jì)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、條件變量、

9、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，無法利用ols估計(jì)其參數(shù)，就陷入了虛擬變量陷阱。滯后變量模型：把過去時(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(gè)或多個(gè)滯后值的模型。回歸系數(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(shí)間序列數(shù)據(jù)表現(xiàn)出一致的變化趨勢（非平穩(wěn)），即他們之間沒有任何

10、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(jì)值之間的差值ei。殘差項(xiàng)：殘差項(xiàng)是指對每個(gè)樣本點(diǎn)，樣本觀測值與模型估計(jì)值之間的差值。隨機(jī)誤差項(xiàng)：被解釋變量的個(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)變量因素對被解釋變量yi的影響總和，是一個(gè)不可觀測的隨機(jī)變量。k階單整：如果一個(gè)時(shí)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(gè)具有隨機(jī)性趨勢的序列，通過

11、差分可以消除，使之變?yōu)槠椒€(wěn)的時(shí)間序列過程。平穩(wěn)時(shí)間序列：統(tǒng)計(jì)規(guī)律不會隨著時(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：對于時(shí)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(gè)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(jì)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(jì)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(jì)量的均值（期望