計(jì)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(huà)一條直線以盡好地?cái)M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(jì)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(wú)限增加，解釋變量X的樣本方差趨于一個(gè)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(gè)不可觀測(cè)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(jì)量6. 條件期望：即條件均值，指X取特定值Xi時(shí)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(duì)因變量y 影響大小的參數(shù)。9. 回歸系數(shù)的估計(jì)量：指用等表示的用已知 樣本提供的信息所估計(jì)出來(lái)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(cè)值（Xi, Yi）（i=1,2,n）要求樣本回歸函數(shù)盡可能好地?cái)M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(cè)值后，最合理的參數(shù)估計(jì)量應(yīng)該使得從模型中抽取該n組樣本觀測(cè)值的概率最大。12. 估計(jì)量的標(biāo)準(zhǔn)差：度量一個(gè)變量變化

5、大小的測(cè)量值。13. 總離差平方和：記為總離差平方和（TSS）：說(shuō)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(cè)值與估計(jì)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(gè)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(lái)度量X,Y兩個(gè)變量關(guān)聯(lián)程度的統(tǒng)計(jì)量17. 擬合優(yōu)度檢驗(yàn)：擬合優(yōu)度檢驗(yàn)是指對(duì)樣本回歸線與樣本觀測(cè)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(duì)每個(gè)解釋變量進(jìn)行的顯著性檢驗(yàn)，即構(gòu)造一個(gè)t統(tǒng)計(jì)量，如果該統(tǒng)計(jì)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(gè)獨(dú)立的卡方變量之商的分布（注意自由度）20. 異方差性：對(duì)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(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23. 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)

7、，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。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(gè)或多個(gè)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(wèn)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(jì)。28. 廣義最小二乘法(GL

8、S) ：是一種常見(jiàn)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(gè)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(jì)量的無(wú)偏和一致估計(jì),并可以對(duì)其進(jìn)行OLS下的t檢驗(yàn)和F檢驗(yàn).29. D.W.檢驗(yàn)：簡(jiǎn)述D.W.檢驗(yàn)的步驟：（1）計(jì)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(wú)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(shí)，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(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。31. 正規(guī)方程組：指采用OLS法估計(jì)線性回歸模型時(shí)，對(duì)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(wú)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(wú)窮大時(shí)，它是否依概率收斂于總體的真值34. 參數(shù)估計(jì)量的置信區(qū)間：置信區(qū)間是指由樣本統(tǒng)計(jì)量所構(gòu)造的總體參數(shù)的估計(jì)區(qū)間。 參數(shù)的置信區(qū)間用來(lái)考察：在一次抽樣中所估計(jì)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(cè)值的置信區(qū)間：36. 受約束回歸：在實(shí)際經(jīng)濟(jì)活動(dòng)中，常常需要根據(jù)經(jīng)濟(jì)理論對(duì)模型中變量的參數(shù)施加一定的約束條件，對(duì)模型參數(shù)施加約束條件后進(jìn)行回歸。37. 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。38. 參數(shù)穩(wěn)定性檢驗(yàn)：(書(shū)上98頁(yè)) 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(duì)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(guò)引入“虛擬變量”來(lái)完成的。根據(jù)這些因素的屬性類(lèi)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(shí)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(guò)去時(shí)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(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。44. 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。45. h檢驗(yàn)：46. 有限最小二乘法：47. 聯(lián)立問(wèn)題：同時(shí)研究多個(gè)經(jīng)濟(jì)關(guān)系，反映在模型的建立上，就需要一個(gè)由多個(gè)方程組成的聯(lián)立方程組來(lái)解決問(wèn)題，這就是模型的聯(lián)立性問(wèn)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(duì)關(guān)于內(nèi)生解釋變量的簡(jiǎn)化

12、式方程采用普通最小二乘法估計(jì)簡(jiǎn)化式參數(shù)，得到簡(jiǎn)化式參數(shù)估計(jì)量，然后通過(guò)參數(shù)關(guān)系體系，計(jì)算得到結(jié)構(gòu)式參數(shù)的估計(jì)量。間接最小二乘法只適用于恰好識(shí)別的結(jié)構(gòu)方程的參數(shù)估計(jì)，因?yàn)橹挥星『米R(shí)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(jì)量。50. 識(shí)別問(wèn)題：如果聯(lián)立方程計(jì)量經(jīng)濟(jì)學(xué)模型中某個(gè)結(jié)構(gòu)方程不具有確定的統(tǒng)計(jì)形式，則稱該方程為不可識(shí)別51. 二階段最小二乘法：是一種既適用于恰好識(shí)別的結(jié)構(gòu)方程，又適用于過(guò)度識(shí)別的結(jié)構(gòu)方程的單方程估計(jì)方法。52. 三階段最小二乘法：53. 簡(jiǎn)化式模型：將聯(lián)立方程計(jì)量經(jīng)濟(jì)學(xué)模型的每個(gè)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(gè)內(nèi)生變量

13、的解釋變量，所形成的模型稱為簡(jiǎn)化式模型。54. 不可識(shí)別：若聯(lián)立方程計(jì)量經(jīng)濟(jì)學(xué)模型中某個(gè)結(jié)構(gòu)不具有確定性的統(tǒng)計(jì)形式，則稱該方程為不可識(shí)別55. 恰度識(shí)別：是指對(duì)聯(lián)立方程模型，我們能夠唯一地估計(jì)出模型的參數(shù)。56. 過(guò)度識(shí)別：是指模型方程中有一個(gè)或幾個(gè)參數(shù)有若干個(gè)估計(jì)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(jì)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(jì)方法估計(jì)每個(gè)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(shí)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.