計量經(jīng)濟學名詞解釋

廣義計量經(jīng)濟學：采用經(jīng)濟理論、統(tǒng)計學和數(shù)學定量討論經(jīng)濟現(xiàn)象的經(jīng)濟計量方法的統(tǒng)

稱，包括回歸分析方法、投入產(chǎn)出分析方法、時間序列分析方法等。

狹義計量經(jīng)濟學：以揭示經(jīng)濟現(xiàn)象中的因果關(guān)系為目的，在數(shù)學上主要應用回歸分析方

法。

計量經(jīng)濟學：是經(jīng)濟學的一個分支學科，是以揭示經(jīng)濟活動中的客觀存在的數(shù)量關(guān)系

為內(nèi)容的分支學科。

計量經(jīng)濟學模型：揭示經(jīng)濟活動中各種因索之間的定量關(guān)系，用隨機性的數(shù)學方程加以

描述。

截面數(shù)據(jù)：截面數(shù)據(jù)是很多不同的觀看對象在同一時間點上的取值的統(tǒng)計數(shù)據(jù)集合，可

理解為對一個隨機變量重復抽樣獲得的數(shù)據(jù)。

時間序列數(shù)據(jù)：把反映某一總體特征的同一指標的數(shù)據(jù)，依據(jù)肯定的時間挨次和時間間

隔排列起來,這樣的統(tǒng)計數(shù)據(jù)稱為時間序列數(shù)據(jù)

面板數(shù)據(jù)：指時間序列教據(jù)和截面數(shù)據(jù)相結(jié)合的數(shù)據(jù)，

總體回歸函數(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)。

隨機的總體回歸函數(shù)：含有隨機干擾項的總體回歸函數(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)B為線性的，即解釋變量與參數(shù)B只

以他們的1次方消失。

最小二乘法：又稱最小平方法，指依據(jù)使估量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：乂稱最大或然法，指用生產(chǎn)該樣本概率最大的原則去確定樣本回歸函數(shù)的

方法。

總離差平方和：用TSS表示，用以度量被解釋變量的總變動。

回歸平方和：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兩個變量關(guān)聯(lián)程度的統(tǒng)計量。

擬合優(yōu)度檢驗：檢驗模型對樣本觀測值的擬合程度，用R?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)實經(jīng)濟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。

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)，它測度了

當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。

方程顯著性檢驗：是針對全部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，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推斷。

回歸分析：回歸分析是討論一個變量關(guān)于另一個（些）變量的依靠關(guān)系的計算方法和理

論。目的是通過后者的已知或設定值，去估量和猜測前者的（總體）均值。

相關(guān)分析：主要討論隨機變量間的相關(guān)形式及相關(guān)程度的計算方法和

理論。

結(jié)構(gòu)分析：經(jīng)濟學中所說的結(jié)構(gòu)分析是指對經(jīng)濟現(xiàn)象日變量之間關(guān)系的討論。

擬合優(yōu)度：所估量的樣本回歸線對樣本觀測數(shù)據(jù)擬合的優(yōu)劣程度。

方差膨脹因子VIF：多個解釋變量幫助回歸確定多重可決系數(shù)的基礎上計算的方差擴大

因子。

相關(guān)系數(shù)：可以度量兩個變量之間線性相關(guān)程度的簡潔線性相關(guān)系數(shù)。

可決系數(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。

極大似然準則：用產(chǎn)生該樣本概率最大的原則去確定樣本回歸函數(shù)。

最小二乘準則：用使估量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),是一個用于描述伴隨模型中解釋變量的增加

和多個解釋變量對被解格變量的聯(lián)合影響程度的量。

聯(lián)合假設檢驗：是相對于單個假設檢驗來說的，指假設檢驗中的假設有多個，不止一個。

如多元回歸中的方程的顯著性檢驗就是一個聯(lián)合假設檢驗，而每個參數(shù)的t檢臉就是單

個假設檢驗。

受約束回歸：在實際經(jīng)濟活動中，經(jīng)常需要依據(jù)經(jīng)濟理論對模型中變量的參數(shù)施加肯定

的約束條件，對模型參數(shù)施加約束條件后進行FI歸。

無約束回歸：無需對模型中變量的參數(shù)施加約束條件進行的回歸。

多重共線性：在經(jīng)典回歸模型中總是假設解釋變量之間是相互獨立的。假如某兩個或多

個解釋變量之間消失了相關(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：在實際經(jīng)濟活動中，多個解釋變量之間存在多重共線性問題，

但解釋變量

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，被解釋變量的隨機誤差項的方差不再是常數(shù)，而互不

相同，則認為消失了異方差性。

自相關(guān)（序列相關(guān)）：線性回歸模型違反了誤差項不線性相關(guān)的假定及不同樣本點的誤

差項之間存在線性相關(guān)C

虛假自相關(guān)：由于設定偏誤而產(chǎn)生的自相關(guān)叫做虛假自相關(guān)，可以通過轉(zhuǎn)變模型設定予

以消退。

最小樣本容量：即從最小二乘原理和最大似然原理動身，欲得到參數(shù)估量量，不管其質(zhì)

量如何，所要求的樣本容量的下限。

隨機干擾項：即隨機誤差項，是一個隨機變量，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)估量量的均值（期望）等于模型的參數(shù)值。

有效性：所謂有效性是指估量量不僅具有無偏性而目.具有最小方差性。

一階序列相關(guān)：假如模型的隨機誤差項存在則稱為一階序列相關(guān)。虛假

序列相關(guān)：由于忽視了重要解釋變量而導致模型消失的序列相關(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:是在模型估量過程中被作為工具使用，以替代模型中與隨機誤差項相關(guān)的隨

機解釋變量的變量。

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變量，它的參數(shù)是聯(lián)立方程系統(tǒng)估量的元素，內(nèi)

生變量一般都是經(jīng)濟變量。

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變量，其參數(shù)不是模型系

統(tǒng)討論的元素?。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)濟變量、

條件變量、政策變量、虛變量。

虛擬變量陷阱:每個定性變量有一-組虛擬變量，若變量存在完全的多重共線性，無法采

用01S估量其參數(shù)，就陷入了虛擬變量陷阱。

滯后變量模型：把過去時期的，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：假如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的當期值與被解釋變量Y的一個或多個滯后值的模型。

回歸系數(shù)：回歸模型中E。，B1等未知但卻是固定的參數(shù)。

虛假回歸：假如兩列時間序列數(shù)據(jù)表現(xiàn)出全都的變化趨勢（非平穩(wěn)），即他們之間沒有

仔何經(jīng)濟關(guān)系,但進行回歸也會表現(xiàn)出較高的可.決系數(shù)

偽回歸：變量間原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：樣本的實際觀測值與模型估量值之間的差值ei。

殘差項：殘差項是指對每個樣本點，樣本觀測值與模型估量值之間的差值。

隨機誤差項：被解釋變尾的個別值與條件數(shù)學期望之差，是方程表達式以外的隨機變量

因素對被解釋變量Yi的影響總和，是一個不行觀測的隨機變量。

K階單整：假如一個時間序列經(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)濟變量X和Y,假如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：一個具有隨機性趨勢的序列，通過差分可以消退，使之變?yōu)槠椒€(wěn)的時間

序列過程。

平穩(wěn)時間序列：統(tǒng)計規(guī)律不會隨著時間的推移而發(fā)生變化的時間序列。

格蘭杰因果關(guān)系：對丁時間序列變量X和Y,假如X是Y變化的緣由，則X的變化應當

發(fā)生在Y變化之前，而且X的過去值應當有助于猜測Y的將來值，但Y的過去值不應當

能猜測X的將來值。

加權(quán)最小二乘法：是對原模型進行加權(quán)，使之成為一個新的不存在異方差性的模型，然

后采納一般最小二乘法估量其參數(shù)的方法。

方差分析模型：是一種特別的線性模型，其設計矩陣X的元素全為?；?,模型參數(shù)為

因素水平的效應值，且滿意肯定的線性約束條件。

單位根過程：乂稱隨機游走過程，是指自回歸模型中尸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：依據(jù)定性因素的屬性類別，構(gòu)造的只取“0”或“I”的人T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