下载文档原格式
1.经济变量: 经济变量是用来描述经济因素数量水平的指标。
2.解释变量:是用来解释作为研究对象的变量（即因变量）为什么变动、如何变动的变量。
它对因变量的变动做出解释,表现为方程所描述的因果关系中的“因”。
3.被解释变量:是作为研究对象的变量。
它的变动是由解释变量做出解释的,表现为方程所描述的因果关系的果。
）4.内生变量:是由模型系统内部因素所决定的变量,表现为具有一定概率分布的随机变量,是模型求解的结果。
5.外生变量:是由模型系统之外的因素决定的变量,表现为非随机变量。
它影响模型中的内生变量,其数值在模型求解之前就已经确定。
6.滞后变量:是滞后内生变量和滞后外生变量的合称,前期的内生变量称为滞后内生变量;前期的外生变量称为滞后外生变量。
7.前定变量:通常将外生变量和滞后变量合称为前定变量,即是在模型求解以前已经确定或需要确定的变量。
8.控制变量:在计量经济模型中人为设置的反映政策要求、决策者意愿、经济系统运行条件和状态等方面的变量,它一般属于外生变量。
9.计量经济模型:为了研究分析某个系统中经济变量之间的数量关系而采用的随机代数模型, 是以数学形式对客观经济现象所作的描述和概括。
10.函数关系:如果一个变量y 的取值可以通过另一个变量或另一组变量以某种形式惟一地、精确地确定,则y 与这个变量或这组变量之间的关系就是函数关系。
11.相关关系:如果一个变量y 的取值受另一个变量或另一组变量的影响,但并不由它们惟一确定,则y 与这个变量或这组变量之间的关系就是相关关系。
12.最小二乘法:用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,称为最小二乘法。
13.高斯-马尔可夫定理:在古典假定条件下,OLS 估计量是模型参数的最佳线性无偏估计量,这一结论即是高斯-马尔可夫定理。
14.总变差（总离差平方和）:在回归模型中,被解释变量的观测值与其均值的离差平方和。
15•回归变差(回归平方和):在回归模型中，因变量的估计值与其均值的离差平方和，也就是由解释变量解释的变差。
一、名词解释第一章1、计量经济学：计量经济学是以经济理论和经济数据的事实为依据，运用数学、统计学的方法，借助计算机为辅助工具，通过建立数学模型来研究经济数量关系和规律的一门经济学科。
2、虚拟变量数据：虚拟变量数据是人为构造的，通常取值为1或0的，用来表征政策等定性事实的数据。
3、计量经济学检验：计量经济学检验主要是检验模型是否符合计量经济方法的基本假定。
4、政策评价：政策评价是利用计量经济模型对各种可供选择的政策方案的实施后果进行模拟测算，从而对各种政策方案做出评价第二章1、回归平方和：回归平方和用ESS 表示，是被解释变量的样本估计值与其平均值的离差平方和。
2、拟和优度检验：拟和优度检验指检验模型对样本观测值的拟合程度，用表示，该值越接近1，模型对样本观测值拟合得越好。
3、相关关系：当一个或若干个变量X 取一定数值时，与之相对应的另一个变量Y 的值虽然不确定，但却按某种规律在一定范围内变化，变量之间的这种关系，称为不确定性的统计关系或相关关系，可表示为Y=f(X ，u)，其中u 为随机变量。
4、高斯-马尔科夫定理：在古典假定条件下，O LS 估计式是其总体参数的最佳线性无偏估计式。
第三章1、偏回归系数：在多元线性回归模型中，回归系数j （j=1，2，……，k ）表示的是当控制其他解释变量不变的条件下，第j 个解释变量的单位变动对被解释变量平均值的影响，这样的回归系数称为偏回归系数。
2、多重可决系数：“回归平方和”与“总离差平方和”的比值，用表示。
3、修正的可决系数：用自由度修正多重可决系数 中的残差平方和与回归平方和。
4、回归方程的显著性检验（F 检验）：对模型中被解释变量与所有解释变量之间的线性关系在总体上是否显著做出推断。
5、回归参数的显著性检验（t 检验）：当其他解释变量不变时，某个回归系数对应的解释变量是否对被解释变量有显著影响做出推断。
6、无多重共线性假定：假定各解释变量之间不存在线性关系，或者说各解释变量的观测值之间线性无关，在此条件下，解释变量观测值矩阵X 列满秩Rank(X)=k ，此时，方阵X`X 满秩， Rank(X`X)=k从而X`X 可逆，(X`X) 存在。
1、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1x ，2x ，…，k x 是相互独立的，如果存在02211=+++ki k i i x c x c x c ，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。
2、虚假序列相关：由于随机干扰项的序列相关往往是在模型设定中遗漏了重要的解释变量或对模型的函数形式设定有误时而导致的序列相关。
3、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。
4、多重共线性：在经典回归模型中总是假设解释变量之间是相互独立的。
如果某两个或多个解释变量之间出现了相关性，则称为多重共线性。
5、无偏性：是指参数估计量的均值（期望）等于模型的参数值。
6、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。
7、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。
8、虚假回归（伪回归）：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。
9、异方差性：即相对于不同的样本点，也就是相对于不同的解释变量观测值，随机干扰项具有不同的方差。
10、计量经济学：它是经济学的一个分支学科，以揭示经济活动中客观存在的数量关系为内容的分支学科。
11、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。
12、截面数据：是一批发生在同一时间截面上的数据。
13、回归分析：是研究一个变量关于另一个（些）变量的依赖关系的计算方法和理论，其目的在于通过后者的已知和设定值，去估计和（或）预测前者的（总体）均值。
14、随机误差项：观察值围绕它的期望值的离差就是随机误差项。
15、最佳线性无偏估计量（高斯-马尔可夫定理）：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，这就是著名的高斯-马尔可夫定理。
序列相关性名词解释
序列相关又称自相关，是指总体回归模型的随机误差项之间存在相关关系。
序列相关性在计量经济学中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。
序列相关即不同观测点上的误差项彼此相关。
序列相关产生的原因有很多，一般认为主要有一下几种，经济变量惯性的作用引起随机误差项自相关，经济行为的滞后性引起随机误差项自相关，一些随机偶然因素的干扰引起随机误差项自相关，模型设定误差引起随机误差项自相关，观测数据处理引起随机误差项序列相关。
一般经验告诉我们，对于采用时间序列数据作样本的计量经济学问题，由于在不同样本点上解释变量以外的其他因素在时间上的连续性，带来它们对被解释变量的影响的连续性，所以往往存在序列相关性。
重庆科技学院学生实验报告一，实验目的和要求熟练掌握序列相关行的含义，原因，后果，检验方法，修正方法。
二、实验内容和原理内容：自相关性检验原理：首先采用普通最小二乘法估计模型，以求得随机干扰项的“近似估计量”，然后通过分析这些“近似估计量”之间的相关性以达到判断随机干扰项是否具有序列相关性的目的。
三、主要仪器设备电脑一台；EVIEW50 软件一套；MATHTYFPE8 软件一套；MICROSOFXCE12007 软件一套；四、实验操作方法和步骤一、估计回归方程二、进行序列相关性检验三、序列相关的补救五、实验记录与处理（数据、图表、计算等）（具体过程见下页）六、实验结果及分析（具体分析见下页）说明：此部分的内容和格式各学院可根据实验课程和实验项目的具体需要，自行设计和确定相关内容和栏目，但表头格式应统一；对于设计性实验则只要求说明实验的目的要求、提出可供实验的基本条件和注意事项，实验方案和步骤的设置、仪器的安排等可由学生自己设计。
五、实验记录与处理（数据、图表、计算等）一、估计回归方程工业增加值主要由全社会固定资产投资决定。
为了考察全社会固定资产投资对工业增加值的影响，可使用如下模型：丫二0 i Xi ;其中，X表示全社会固定资产投资，丫表示工业增加值。
下表列出了中国1998-2000的全社会固定资产投资X与工业增加值丫的统计数据。
Dependent Variable: Y Method: Least Squares Date： 12/22/09 Time; 08:53Sample: 1SS0 2CU0Included observatiors: 21Variable Coefficient Std. Error t-Statistic Prob.C6E3.0114298 1673 2240392 □ .0372X 1.101861 0 CI1S344 .0SS3O 0 oooc R-squared 0.994936 Mean dependent var 13744 09Adjusted R-squared 0.394669 S D. dependenl var 13029.80S.E. of regression 951.33S8 Akaike info criterion 16.64401Sum squared resid 17195864Schwarz criterion 1674343Lug likelihood -172.7621F-statistic3732.750Durbin-Watson slat 1.282353 FrcbfF-statistic)0 000000由此实验结果可知模型估计结果为：Y=668.0114+1.181861X(2.24039)(61.0963)R2 =0.994936，R 2 =0.994669，SE=951.3388, D.W.=1.282353。
