计量经济学名词解释.doc

名词解释
虚假序列相关: 虚假序列相关是指由于忽略了重要解释变量而导致模型出现的序列相关性
无偏性: 所谓无偏性是指参数估计量的均值（期望）等于模型的参数值。
工具变量: 、工具变量是在模型估计过程中被作为工具使用，以替代模型中与随机误差项相关的随机解释变量的变量。
结构分析: 经济学中所说的结构分析是指对经济现象中变量之间关系的研究。
虚假回归：如果两列时间序列数据表现出一致的变化趋势（非平稳），即它们之间没有任何经济关系，但进行回归也会表现出较高的可决系数
异方差性：在线性回归模型中，经典假设要求随机误差项具有0均值和同方差。所谓异方差性是指这些随机误差项服从不同方差的正态分布。
过度识别:是指模型方程中有一个或几个参数有若干个估计值。
恰好识别:是指对联立方程模型，我们能够唯一地估计出模型的参数 相对资本密集度:假设在生产活动中除了技术以外，只有资本与劳动两种劳动要素，定义两要素的产出弹性之比为相对资本密集度，用w表示。即
简化式模型: 用所有先决变量作为每一个内生变量的解释变量，所形成的模型称为简化式模型。中性技术进步: 技术进步前后，相对资本密集度不变，即劳动的产出弹性与资本的产出弹性同步增长行为方程: 描述经济系统中变量之间行为关系的结构式方程。先决变量: 外生变量和内生变量的滞后变量
相关分析：主要研究随机变量间的相关形式及相关程度。
回归分析：研究一个变量关于另一个变量的依赖关系的计算方法和理论。
高斯马尔科夫定理：普通最小二乘估计量具有线性性、无偏性和有效性等优良性质，是最佳线性无偏估计量。
高斯马尔科夫假定：(1)模型设立正确 (2)无完全共线性 (3)可识别性 (4) 零均值、同方差。无序列相关假定(5) 解释变量与随机项不相关
计量经济学模型：揭示经济活动中各种因素之间的定量关系，用随机性的数学方程加以描述。

计量经济学模型成功的三要素:理论、方法和数据。
完全共线性：对于多元线性回归模型，其基本假设之一是解释变量，，…，是相互独立的，如果存在，i=1，2，…，n，其中c不全为0，即某一个解释变量可以用其他解释变量的线性组合表示，则称为完全共线性。
最小二乘估计量的性质：(1)线形性(2)无偏性(3)有效性(4)渐近无偏性(5)一致性(6)渐进有效性。
最小样本容量：即从最小二乘原理和最大似然原理出发，欲得到参数估计量，不管其质量如何，所要求的样本容量的下限。
随机干扰项：即随机误差项，是一个随机变量，是针对总体回归函数而言的。
需求函数的零阶齐次性：消费者收入、商品价格和相关商品价格均增长倍时，商品的需求量不变。
要素的替代弹性：定义为两种要素的比例的变化率与边际替代率的变化率之比,记为，一般。
虚拟变量陷阱：我们一般称由于引入的虚拟变量个数与定性因素个数相同时出现的模型无法估计的问题，称为“虚拟变量陷阱。
先决变量：外生变量和内生变量的滞后变量。
残差项：残差项是指对每个样本点，样本观测值与模型估计值之间的差值。
模型的检验主要包括：经济意义检验、统计检验、计量经济学检验、模型的预测检验。
行为方程：描述经济系统中变量之间行为关系的结构式方程。
条件期望：即条件均值，指X取特定值Xi时Y的期望值。
回归系数：回归模型中βo，β1等未知但却是固定的参数。
中性技术进步：技术进步前后，相对资本密集度不变，即劳动的产出弹性与资本的产出弹性同步增长。
截面数据：同一时间（时期或时点）某个指标在不同空间的观测数据。
时间序列数据：把反映某一总体特征的同一指标的数据，按照一定的时间顺序和时间间隔排列起来，这样的统计数据称为时间序列数据
面板数据：指时间序列数据和截面数据相结合的数据。
截面数据：截面数据是许多不同的观察对象在同一时间点上的取值的统计数据集合，可理解为对一个随机变量重复抽样获得的数据。
时间序列数据：时间序列数据是同一观察对象在不同时间点上的取值的统计序列，可理解为随时间变化而生成的数据。
虚变量数据：虚拟变量数据是人为设定的虚拟变量的取值。是表征政策、条件等影响研究对象的定性因素的人工变量，其取值一般只取“0”或“1”。
内生变量与外生变量：内生变量是由模型系统决定同时可能也对模型系统产生影响的变量，是具有某种概率分布的随机变量，外生变量是不由模型系统决定但对模型系统产生影响的变量，是确定性的变量。
总体回归函数：是指在给定Xi下Y分布的总体均值与Xi所形成的函数关系（或者说将
总体被解释变量的条件期望表示为解释变量的某种函数）
最大似然估计法（ML）: 又叫最大或然法，指用产生该样本概率最大的原则去确定样本
回归函数的方法。
OLS估计法：指根据使估计的剩余平方和最小的原则来确定样本回归函数的方法。
残差平方和：用RSS表示，用以度量实际值与拟合值之间的差异，是由除解释变量之外
的其他因素引起的被解释变量变化的部分。
多元线性回归模型：在现实经济活动中往往存在一个变量受到其他多个变量影响的现象，表现在线性回归模型中有多个解释变量，这样的模型被称做多元线性回归模型，多元是指多个解释变量。
调整的可决系数：又叫调整的决定系数，是一个用于描述多个解释变量对被解释变量的联合影响程度的统计量，克服了随解释变量的增加而增大的缺陷，与的关系为。
偏回归系数：在多元回归模型中，每一个解释变量前的参数即为偏回归系数，它测度了当其他解释变量保持不变时，该变量增加1单位对被解释变量带来的平均影响程度。
正规方程组：采用OLS方法估计线性回归模型时，对残差平方和关于各参数求偏导，并令偏导数为0后得到的方程组，其矩阵形式为。
方程显著性检验：是针对所有解释变量对被解释变量的联合影响是否显著所作的检验，旨在对模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立作出判断。
随机解释变量：指在现实经济现象中，解释变量不是可控的，即解释变量的观测值具有随机性，并且与模型的随机干扰项可能有相关关系，这样的解释变量称为随机解释变量。
多重共线性：指两个或两个以上解释变量之间存在某种线性相关关系。
不完全多重共线性：在实际经济活动中，多个解释变量之间存在多重共线性问题，但解释变量之间的线性关系是近似的，而不是完全的。
最小二乘法：又称最小平方法，指根据使估计的剩余平方和最小的原则确定样本回归函数的方法。
广义最小二乘法：（GLS）是最具有普遍意义的最小二乘法，可用来处理模型存在异方差或序列相关时的估计问题。
序列相关性：指对于不同的样本值，随机干扰之间不再是完全相互独立的，而是存在某种相关性。
差分法：是克服序列相关性的有效方法，它是将原计量经济学模型变换为差分模型后再进行OLS估计，分为一阶差分法和广义差分法。
虚拟变量：在建立模型时，有一些影响经济变量的因素无法定量描述，如职业、性别对收入的影响，教育程度，季节因素等往往需要用定性变量度量。为了在模型中反映这类因素的影响，并提高模型的精度，需要将这类变量“量化”。根据这类边另的属性类型，构造仅取“0”或“1”的人工变量，通常称这类变量为“虚拟变量”。
自回归模型：指模型中的解释变量仅是X的当期值与被解释变量Y的若干期滞后值，它由于被解释变量的滞后期值对被解释变量现期做了回归，故叫做自回归模型。
简化式模型：将联立方程计量经济学模型的每个内生变量表示成所有先决变量和随机干扰项的函数，即用所有先决变量作为每个内生变量的解释变量，所形成的模型称为简化式模型。
先决变量：模型中的外生变量和滞后内生变量被统称为先决变量，其含义是在模型求解时，这些变量已有所赋的值。
不可识别：如果联立方程计量经济学模型中某个结构方程不具有确定的统计形式，则称该方程为不可识别。或者说如果从参数关系体系无法求出其结构方程的参数，则称该方程为不可识别。如果一个模型系统中存在一个不可识别的随机方程，则认为该联立方程系统是不可识别的。
间接最小二乘法：先对关于内生解释变量的简化式方程采用普通最小二乘法估计简化式参数，得到简化式参数估计量，然后通过参数关系体系，计算得到的结构式参数的估计量，这种方法称为间接最小二乘法。
横截面数据：一批发生在同一时间截面上的调查数据。
拟合优度检验：检验模型对样本观测值的拟合程度，使用的统计量是可决系数，Î（0，1），越接近1，模型拟合程度越好。
结构式模型：根据经济理论和行为规律建立的描述经济变量之间直接关系结构的计量经济学方程系统。
总体回归曲线：给定解释变量条件下被解释变量的期望轨迹。
D-W检验：全称杜宾—瓦森检验，适用于一阶自相关的检验。该法构造一个统计量，计算该统计量的值，根据样本容量和解释变量数目查D.W.分布表，得到临界值和，然后按照判断准则考察计算得到的D.W.值，以判断模型的自相关状态。
参数关系体系：指描述联立方程模型的简化式参数与结构式参数之间关系的表达式，其中：为简化式参数的矩阵，、为结构式参数的矩阵。
约化模型的基本原则：1.模型具有数据一致性。2.模型必须与经济理论相一致。3.解释变量必须是弱外生的。4.模型具有恒定的参数。5.模型具有包容性。6.模型具有简洁性。
样本回归函数：指从总体中抽出的关于Y，X的若干组值形成的样本所建立的回归函数。
随机的总体回归函数：含有随机干扰项的总体回归函数（是相对于条件期望形式而言的）。
无约束回归：无需对模型中变量的参数施加约束条件进行的回归。
受约束回归：在实际经济活动中，常常需要根据经济理论对模型中变量的参数施加一定的约束条件，对模型参数施加约束条件后进行回归。
联合假设检验：是相对于单个假设检验来说的，指假设检验中的假设有多个，不止一个。如多元回归中的方程的显著性检验就是一个联合假设检验，而每个参数的t检验就是单个假设检验。
线性回归模型：既指对变量是线性的，也指对参数β为线性的，即解释变量与参数β只以他们的1次方出现。
估计量的标准差：度量一个变量变化大小的测量值。
总离差平方和：用TSS表示，用以度量被解释变量的总变动。
回归平方和：用ESS表示：度量由解释变量变化引起的被解释变量的变化部分。
协方差：用Cov（X，Y）表示，度量X,Y两个变量关联程度的统计量。
t检验时针对每个解释变量进行的显著性检验，即构造一个t统计量，如果该统计量的值落在置信区间外，就拒绝原假设。
一阶序列相关：如果模型的随机误差项存在，则称为一阶序列相关。
平稳时间序列：指统计规律不会随时间变化而变化的时间序列。
多重共线性：指两个或两个以上解释变量之间存在某种线性相关关系。
自相关：又称序列自相关，指总体回归模型的随机误差项ui之间存在相关关系。
K阶单整：如果一个时间序列经过k次差分后变为平稳序列，则称原序列是k阶单整的。
差分平稳过程：一个具有随机性趋势的序列，通过差分可以消除，使之变为平稳的时间序列，则称原序列为差分平稳过程。
协整：非平稳的经济变量X和Y，如果他们的线性组合式平稳的，则意味着它们的长期均衡关系成立，这是我们成X和Y是协整的。