計量經(jīng)濟(jì)學(xué)期末考試名詞解釋

1、1. 總體回歸函數(shù)：在給定解釋變量Xi條件下被解釋變量Yi的期望軌跡稱為總體回歸線，或更一般地稱為總體回歸曲線。相應(yīng)的函數(shù)：E(YXi) = f (Xi) 稱為（雙變量）總體回歸函數(shù)（population regression function, PRF）2. 樣本回歸函數(shù)：樣本散點(diǎn)圖近似于一條直線，畫一條直線以盡好地擬合該散點(diǎn)圖，由于樣本取自總體，可以該線近似地代表總體回歸線。該線稱為樣本回歸線。記樣本回歸線的函數(shù)形式為： 稱為樣本回歸函數(shù)（sample regression function，SRF）。 3. 隨機(jī)的總體回歸函數(shù)：函數(shù) Y=EYX= 或者在線性假設(shè)下，Y=0+1+式稱為總體

2、回歸函數(shù)（方程）PRF的隨機(jī)設(shè)定形式。表明被解釋變量除了受解釋變量的系統(tǒng)性影響外，還受其他因素的隨機(jī)性影響。由于方程中引入了隨機(jī)項(xiàng)，成為計量經(jīng)濟(jì)學(xué)模型，因此也稱為總體回歸模型。4. 線性回歸模型：假設(shè)1、回歸模型是正確設(shè)定的。假設(shè)2、解釋變量X是確定性變量，不是隨機(jī)變量，在重復(fù)抽樣中取固定值。假設(shè)3、解釋變量X在所抽取的樣本中具有變異性，而且隨著樣本容量的無限增加，解釋變量X的樣本方差趨于一個非零的有限常數(shù)，即假設(shè)4、隨機(jī)誤差項(xiàng)m具有零均值、同方差和不序列相關(guān)性：E(mi)=0 i=1,2, ,n Var (mi)=sm2 i=1,2, ,n Cov(mi, mj)=0 ij i,j= 1,2

3、, ,n假設(shè)5、隨機(jī)誤差項(xiàng)m與解釋變量X之間不相關(guān)： Cov(Xi, mi)=0 i=1,2, ,n假設(shè)6、m服從零均值、同方差、零協(xié)方差的正態(tài)分布 miN(0, sm2 ) i=1,2, ,n以上假設(shè)也稱為線性回歸模型的經(jīng)典假設(shè)，滿足該假設(shè)的線性回歸模型，也稱為經(jīng)典線性回歸模型5. 隨機(jī)誤差項(xiàng)（i）和殘差項(xiàng)（ei ）：（1）mi為觀察值Yi圍繞它的期望值E(Y|Xi)的離差，是一個不可觀測的隨機(jī)變量，又稱為隨機(jī)干擾項(xiàng)或隨機(jī)誤差項(xiàng)。 （2）ei稱為（樣本）殘差或（剩余）項(xiàng)代表了其他影響Yi 的隨機(jī)因素的集合，可看成是mi的估計量6. 條件期望：即條件均值，指X取特定值Xi時Y的期望值。 7.

4、非條件期望：8. 回歸系數(shù)或回歸參數(shù)：在回歸方程中表示自變量x 對因變量y 影響大小的參數(shù)。9. 回歸系數(shù)的估計量：指用等表示的用已知 樣本提供的信息所估計出來總體未知參數(shù)的結(jié)果。10. 最小平方法：給定一組樣本觀測值（Xi, Yi）（i=1,2,n）要求樣本回歸函數(shù)盡可能好地擬合這組值。 普通最小二乘法給出的判斷標(biāo)準(zhǔn)是：二者之差的平方和 Q=1n Yi-Yi 2=1n Yi-(0+1Xi) 2 最小11. 最大似然法：最大或然法，也稱最大似然法，是指當(dāng)從模型總體隨機(jī)抽取n組樣本觀測值后，最合理的參數(shù)估計量應(yīng)該使得從模型中抽取該n組樣本觀測值的概率最大。12. 估計量的標(biāo)準(zhǔn)差：度量一個變量變化

5、大小的測量值。13. 總離差平方和：記為總離差平方和（TSS）：說明實(shí)際的Y值圍繞其均值的總變異。14. 回歸平方和：記 為回歸平方和，反映由模型中解釋變量所解釋的那部分離差的大小。15. 殘差平方和：記 為殘差平方和，反映樣本觀測值與估計值偏離的大小，也是模型中解釋變量未解釋的那部分離差的大小。 16. 協(xié)方差：期望值分別為E(X) = 與 E(Y) = 的兩個實(shí)數(shù)，隨機(jī)變量X與Y之間的協(xié)方差定義為：COV(X，Y)=E(X-E(X)(Y-E(Y) ，用來度量X,Y兩個變量關(guān)聯(lián)程度的統(tǒng)計量17. 擬合優(yōu)度檢驗(yàn)：擬合優(yōu)度檢驗(yàn)是指對樣本回歸線與樣本觀測值之間擬合程度的檢驗(yàn)。度量擬合程度的指標(biāo)是可

6、決系數(shù)R2。18. t檢驗(yàn)：t檢驗(yàn)是針對每個解釋變量進(jìn)行的顯著性檢驗(yàn)，即構(gòu)造一個t統(tǒng)計量，如果該統(tǒng)計量的值落在置信區(qū)間外，就拒絕原假設(shè)。19. F檢驗(yàn)： 兩個獨(dú)立的卡方變量之商的分布（注意自由度）20. 異方差性：對于不同的樣本點(diǎn)，隨機(jī)干擾項(xiàng)的方差不再是常數(shù)，而是互不相同，則認(rèn)為出現(xiàn)了異方差性。21. 序列相關(guān)性：多元線形回歸模型的基本假設(shè)之一是模型的隨機(jī)干擾項(xiàng)相互獨(dú)立或不相關(guān)。如果模型的隨機(jī)干擾項(xiàng)違背了相互獨(dú)立的基本假設(shè)，稱為存在序列相關(guān)性。22. 多重共線性：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23. 偏回歸系數(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)

7、，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。24. 完全多重共線性：如果存在 c1X1i+c2X2i+ckXki=0 i=1,2,n 其中: ci不全為0，則稱為解釋變量間存在完全共線性。25. 不完全多重共線性：如果存在 c1X1i+c2X2i+ckXki+vi=0 i=1,2,n 其中ci不全為0，vi為隨機(jī)誤差項(xiàng)，則稱為 近似共線性或交互相關(guān)。26. 隨機(jī)解釋變量：如果存在一個或多個隨機(jī)變量作為解釋變量，則稱原模型出現(xiàn)隨機(jī)解釋變量問題。 b=27. 差分法：差分法是將原模型變換為滿足OLS法的差分模型，再進(jìn)行OLS估計。28. 廣義最小二乘法(GL

8、S) ：是一種常見的消除異方差的方法.它的主要思想是為解釋變量加上一個權(quán)重,從而使得加上權(quán)重后的回歸方程方差是相同的.因此在GLS方法下我們可以得到估計量的無偏和一致估計,并可以對其進(jìn)行OLS下的t檢驗(yàn)和F檢驗(yàn).29. D.W.檢驗(yàn)：簡述D.W.檢驗(yàn)的步驟：（1）計算DW值；（2）給定a，由n和k的大小查DW分布表，得臨界值dL和dU（3）比較、判斷。若0<D.W.<dL，存在正自相關(guān)；dL<D.W.<dU，不能確定；dU <D.W.<4dU，無自相關(guān)；4dU <D.W.<4dL，不能確定；4dL <D.W.<4 ， 存在負(fù)自相關(guān)。

9、當(dāng)D.W.值在2左右時，模型不存在一階自相關(guān)。30. 多元線性回歸：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。31. 正規(guī)方程組：指采用OLS法估計線性回歸模型時，對殘差平方和關(guān)于各參數(shù)求偏導(dǎo)，并令偏導(dǎo)數(shù)為0后得到的一組方程：或 32. 無偏性：即它的均值或期望值是否等于總體的真實(shí)值；33. 一致性：即樣本容量趨于無窮大時，它是否依概率收斂于總體的真值34. 參數(shù)估計量的置信區(qū)間：置信區(qū)間是指由樣本統(tǒng)計量所構(gòu)造的總體參數(shù)的估計區(qū)間。 參數(shù)的置信區(qū)間用來考察：在一次抽樣中所估計的參數(shù)值離參數(shù)

10、的真實(shí)值有多“近”。35. 被解釋變量預(yù)測值的置信區(qū)間：36. 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。37. 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。38. 參數(shù)穩(wěn)定性檢驗(yàn)：(書上98頁) 39. 虛擬變量：許多經(jīng)濟(jì)變量是可以定量度量的，為了在模型中反映對模型的影響因素，并提高模型的精度，需要將它們“量化”，這種“量化”是通過引入“虛擬變量”來完成的。根據(jù)這些因素的屬性類型，構(gòu)造只取“0”或“1”的人工變量，通常稱為虛擬變量。40. 虛擬因變量模型：同時含有一般解釋變量與虛擬變量的模型稱為虛擬

11、變量模型或者方差分析模型。41. 滯后變量：把過去時期的，具有滯后作用的變量叫做滯后變量。42. 滯后效應(yīng)：43. 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。44. 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。45. h檢驗(yàn)：46. 有限最小二乘法：47. 聯(lián)立問題：同時研究多個經(jīng)濟(jì)關(guān)系，反映在模型的建立上，就需要一個由多個方程組成的聯(lián)立方程組來解決問題，這就是模型的聯(lián)立性問題。48. 行為方程：是描述經(jīng)濟(jì)系統(tǒng)中變量之間行為關(guān)系的結(jié)構(gòu)式方程。49. 間接最小二乘法：先對關(guān)于內(nèi)生解釋變量的簡化

12、式方程采用普通最小二乘法估計簡化式參數(shù)，得到簡化式參數(shù)估計量，然后通過參數(shù)關(guān)系體系，計算得到結(jié)構(gòu)式參數(shù)的估計量。間接最小二乘法只適用于恰好識別的結(jié)構(gòu)方程的參數(shù)估計，因?yàn)橹挥星『米R別的結(jié)構(gòu)方程，才能從參數(shù)關(guān)系體系中得到唯一一組結(jié)構(gòu)參數(shù)的估計量。50. 識別問題：如果聯(lián)立方程計量經(jīng)濟(jì)學(xué)模型中某個結(jié)構(gòu)方程不具有確定的統(tǒng)計形式，則稱該方程為不可識別51. 二階段最小二乘法：是一種既適用于恰好識別的結(jié)構(gòu)方程，又適用于過度識別的結(jié)構(gòu)方程的單方程估計方法。52. 三階段最小二乘法：53. 簡化式模型：將聯(lián)立方程計量經(jīng)濟(jì)學(xué)模型的每個內(nèi)生變量表示成所有先決變量和隨機(jī)干擾項(xiàng)的函數(shù)，即用所有先決變量作為每個內(nèi)生變量

13、的解釋變量，所形成的模型稱為簡化式模型。54. 不可識別：若聯(lián)立方程計量經(jīng)濟(jì)學(xué)模型中某個結(jié)構(gòu)不具有確定性的統(tǒng)計形式，則稱該方程為不可識別55. 恰度識別：是指對聯(lián)立方程模型，我們能夠唯一地估計出模型的參數(shù)。56. 過度識別：是指模型方程中有一個或幾個參數(shù)有若干個估計值。57. 結(jié)構(gòu)式模型：根據(jù)經(jīng)濟(jì)理論和行為規(guī)律建立的描述經(jīng)濟(jì)變量之間直接關(guān)系結(jié)構(gòu)的計量經(jīng)濟(jì)學(xué)方程系統(tǒng)統(tǒng)稱為結(jié)構(gòu)式模型。58. 遞歸系統(tǒng)模型：一種在形式是屬于聯(lián)立方程模型但仍然可以采用單方程模型的估計方法估計每個方程的特殊情況，即遞歸系統(tǒng)模型。59. 先決變量：外生變量與滯后內(nèi)生變量統(tǒng)稱為先決變量。60. 偽回歸：如果一組非平穩(wěn)時間序列之間不存在協(xié)整關(guān)系，則這一組變量構(gòu)造的回歸模型就是偽回歸。61.