计量经济学(重要名词解释)

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。

经济变量：经济变量是用来描述经济因素数量水平的指标。

解释变量：解释变量也称自变量，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。

它对因变量的变动作出解释，表现为议程所描述的因果关系中的“因”。

被解释变量：被解释变量也称因变量或应变量，是作为研究对象的变量。

它的变动是由解释变量作出解释的，表现为议程所描述的因果关系的果。

内生变量：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的随机变量，其数值受模型中其他变量的影响，是模型求解的结果。

外生变量：外生变量是由模型统计之外的因素决定的变量，不受模型内部因素的影响，表现为非随机变量，但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。

滞后变量：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。

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。

控制变量：控制变量是为满足描绘和深入研究经济活动的需要，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。

计量经济模型：计量经济模型是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。

函数关系与相关关系线性回归模型总体回归模型与样本回归模型最小二乘法:在残差满足VPV为最小的条件下解算测量估值或参数估值并进行精度估算的方法。

其中V为残差向量，P为其权矩阵高斯－马尔可夫定理:在给定经典线性回归的假定下，最小二乘估计量是具有最小方差的线性无偏估计量。

回归变差（回归平方和）剩余变差（残差平方和）估计标准误差样本决定系数:将回归平方和与总离差平方和之比称为判定系数其值界于0~1之间,R²越大，残差平方和所占的比重就越小，回归直线与样本数据拟合的越好。

相关系数显著性检验t检验经济预测点预测区间预测拟合优度:指回归直线对观测值的拟合程度残差.偏回归系数：在多元回归分析中，随机因变量对各个自变量的回归系数，表示各自变量对随机变量的影响程度总变量（总离差平方和）:用TSS表示。

伍德里奇计量经济学名词解释伍德里奇计量经济学（WoodridgeEconometrics）：伍德里奇计量经济学是一种应用数学和统计学方法来分析经济现象和经济数据的学科。

它结合了经济学理论和数学统计学的工具，旨在提供经验性经济分析的定量解释和预测。

一阶自相关（First-orderAutocorrelation）：一阶自相关是指一个时间序列中当前观测值与前一个观测值之间的相关性。

在计量经济学中，一阶自相关是对时间序列数据的经济模型进行估计和推断时的一个重要考虑因素。

误差项（ErrorTerm）：误差项是指在经济模型中无法被观测到或测量到的影响因素，它代表了模型中未被考虑的其他影响因素对观测结果的影响。

误差项通常假设为随机变量，其期望值为零。

多重共线性（Multicollinearity）：多重共线性指的是经济模型中自变量之间存在高度相关性或线性相关性的情况。

多重共线性可能导致模型估计的不稳定性，使得对自变量系数的解释变得困难。

假设检验（HypothesisTesting）：假设检验是用于验证经济模型中假设是否成立的统计方法。

通过收集样本数据并进行统计推断，假设检验可以帮助我们判断经济模型中的假设是否支持或拒绝。

平稳性（Stationarity）：平稳性是指时间序列数据的统计性质在时间上保持不变的特性。

对于经济数据的分析，平稳性假设是许多计量经济模型的基础之一，它要求数据的均值、方差和协方差不随时间发生显著变化。

识别（Identification）：识别是指在经济模型中确定模型参数的唯一性和可估计性。

在伍德里奇计量经济学中，识别是一个重要的问题，它要求我们通过模型设定和数据的限制来确保模型参数能够被准确估计。

异方差性（Heteroscedasticity）：异方差性指的是在经济数据中，随着自变量的变化，误差项的方差也发生变化的现象。

计量经济学知识点总结什么是OLS估计？原理ols估计是指样本回归函数尽可能好的拟合这组织，即样本回归线上的点与真实观测点的总体误差尽可能小的估计方法。

一、什么是计量经济学？答：计量经济学以经济理论为指导，以事实为依据，以数学和统计学为方法，以电脑技术为工具，从事经济关系与及经济活动数量规律的研究，并以建立和应用随机性的经济计量模型为核心的一门经济学科。

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，用随机性的数量方程加以描述。

二、建立计量经济学模型的步骤和要点1.理论模型的设计（确定模型所包含的变量，确定模型的数量形式，拟定理论模型中的待估参数的理论期望值）2.样本数据的收集（常用的样本数据：时间序列数据，截面数据，虚变量数据）3.模型参数的估计（选择模型参数估计方法，应用软件的使用）4.模型的检验模型的检验包括几个方面？其具体含义是什么？答：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。

经济意义检验——需要检验模型是否符合经济意义，检验求得的参数估计值的符号与大小是否与根据人们的经验和经济理论所拟订的期望值相符合；统计检验——需要检验模型参数估计值的可靠性，即检验模型的统计学性质；计量经济学检验——需要检验模型的计量经济学性质，包括随机扰动项的序列相关检验、异方差性检验、解释变量的多重共线性检验等；模型的预测检验——主要检验模型参数估计量的稳定性以及对样本容量变化时的灵敏度，以确定所建立的模型是否可以用于样本观测值以外的范围。

5.模型成功的三要素：理论、方法、数据三、计量经济学模型的应用方面（功能）答：结构分析，经济预测，政策评价，检验与发展经济理论四、引入随机干扰项的原因，内容？原因：1.代表未知的影响因素2.代表数据观测误差3.代表残缺数据4.代表模型设定误差5.代表众多细小影响因素6.变量的内在随机性内容：1.被遗漏的影响因素（由于研究者对客观经济现象了解不充分，或是由于经济理论上的不完善，以至于使研究者在建立模型时遗漏了一些对被解释变量有重要影响的变量）；2.变量的测量误差（在观察和测量变量时，种种原因使观测值并不等于他的真实值而造成的误差）；3.随机误差（在影响被解释变量的诸因素中，还有一些不能控制的因素）；4.模型的设定误差（在建立模型时，由于把非线性关系线性化，或者略去模型）五、什么是随机误差项和残差，他们之间的区别是什么随机误差项u=Y-E(Y/X)，而总体回归函数Y=Y^+e，其中e就是残差,利用Y^估计Y时带来的误差e=Y-Y^是对随机变量u的估计六、一元线性回归模型的基本假设主要有哪些？违背基本假设是否就不能进行估计1.回归模型是正确设定的；2.解释变量X是确定性变量不是随机变量；在重复抽样中取固定值。

什么是计量经济学：计量经济学是经济学的一个分支学科，是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，是由经济学、统计学和数学三者结合而成的交叉学科。

数理经济学：主要关心的是用数学公式或数学模型来描述经济理论，而不考虑对经济理论的度量和经验解释。

而经济计量学主要是对经济理论的经验确认。

计量经济学方法与一般经济数学方法有什么区别：计量经济学方法揭示经济活动中各个因素之间的定量关系，用随机性的数学方程加以描述；一般经济数学方法揭示经济活动中各个因素之间的理论关系，用确定性的数学方程加以描述计量经济学的研究的对象和内容是什么：计量经济学的研究对象是经济现象，是研究经济现象中的具体数量规律（或者说，计量经济学是利用数学方法，根据统计测定的经济数据，对反映经济现象本质的经济数量关系进行研究）。

计量经济模型包括一个或一个以上的随机方程式，它简洁有效地描述、概括某个真实经济系统的数量特征，更深刻地揭示出该经济系统的数量变化规律。

是由系统或方程组成，方程由变量和系数组成。

其中，系统也是由方程组成。

计量经济模型揭示经济活动中各个因素之间的定量关系，用随机性的数学方程加以描述。

广义地说，一切包括经济、数学、统计三者的模型；狭义地说，仅只用参数估计和假设检验的数理统计方法研究经验数据的模型。

简述建立计量经济学模型的步骤：第一步：设计理论模型，包括确定模型所包含的变量、确定模型的数学形式、拟定模型中的待估参数的符号和大小的理论期望值。

第二步：收集数据样本，要考虑数据的完整性、准确性、可比性和一致性；第三步：估计模型参数；第四步：模型检验，包括经济意义检验、统计检验、计量经济学检验和模型预测检验。

几种常用的样本数据有哪些：(1)时间序列数据；(2)横截面数据；(3)虚拟变量数据（1）时间序列数据：在不同时间点上收集到的数据，这类数据反映了某一事物、现象等随时间的变化状态或程度。

（2）横截面数据：横截面数据是在同一时间，不同统计单位相同统计指标组成的数据列。

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残差项：是一随机变量，是针对样本回归函数而言的。

残差平方和：用RSS表示：度量实际值与拟合值之间的差异，是由除解释变量以外的其他因素引起的被解释变量变化的部分多重共线性：指多个解释变量间存在线性相关的情形。

如果存在完全的线性相关性，则模型的参数就无法求出，OLS回归无法进行。

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的影响的现象，表现为在线性回归模型中有多个解释变量，这样的模型成为多元线性回归模型，多元指多个变量。

动态模型：含有滞后解释变量的模型，又称动态模型分布滞后模型：如果滞后变量模型中没有滞后被解释变量，仅有解释变量X的当期值及其若干期的滞后值，则成为分布滞后模型。

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估计量的标准差：度量一个变量变化大小的测量值。

回归系数：回归模型中βo，β1等未知但却是固定的参数。

回归分析：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。

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。

建立计量经济学模型的步骤:(1)理论模型的设计(2)样本数据的收集(3)模型参数的估计(4)模型的检验。

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统称为结构式模型。

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。

一、名词解释53分=15分斜体表明仅供参考计量经济学：以经济理论和经济数据的事实为依据,运用数学和统计学的方法,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;最小二乘法：指在满足古典假设的条件下,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,简称OLS随机扰动项：总体回归函数中,各个Y值与条件期望的Y值的偏差,又称随机误差项;是代表那些对Y有影响但又未纳入模型的诸多因素的影响;总体回归函数：在给定解释变量Xi 条件下,总体被解释变量Yi的期望轨迹,函数式表示为EYi∣Xi=fXi=β0+β1Xi样本回归函数：在总体中抽取若干个样本构成新的总体,然后在新的总体下,给定解释变量Xi,被解释变量Yi 的期望轨迹,函数式表示为EYi∣Xi=Yi^= β^+β1^Xi系数显着性检验:t检验对回归系数对应的解释变量是否对被解释变量有显着影响的统计学检验方法方程显着性检验:F检验对模型的被解释变量与所有解释变量之间的线性关系在整体上是否显着的统计学检验方法高斯-马尔可夫定理：在古典假设的条件下,OLS估计量是总体参数的最佳线性无偏估计量,即BULE;拟合优度：为说明多元线性回归模型中对观测值的拟合情况,可以考察在Y的总变差中能由解释变量所解释的那部分变差的比重,即回归平方和与总体平方和的比值,R2=ESS/TSS=1-RSS/TSS.调整的可决系数: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,相对可决系数而言,克服了随解释变量的增加而变大的缺陷;表达式为R—2=1-n-1RSS/n-kTSS多重共线性:指解释变量之间存在的完全或近似的线性关系异方差：模型中随机误差项不再满足经典假设的同方差假定,其方差随观测个体的变化而变化,即Dεi =σi2加权最小二乘法：在拟合存在异方差的模型中,对不同的σi 2区别对待重小轻大原则,构造权数Wi=1/σi2,根据最小二乘原理,使加权的残差平方和最小,从而估计参数,这种求解参数估计式的方法为加权最小二乘法;自相关：又称序列相关,是指在总体回归模型的随机误差项ui 之间存在相关关系就,即covui,uj≠0.i≠j判断题101分=10分1、随机误差项ui 与残差项ei是一回事; 乂2、总体回归函数给出了对应于每一个自变量的因变量的值; 乂3、线性回归模型意味着因变量是自变量的线性函数;乂4、在线性回归模型中,解释变量是原因,被解释变量是结果; √5、在实际中,一元回归没什么用,因为因变量的行为不可能仅由一个解释变量来解释;乂6、尽管有完全的多重共线性,OLS估计量仍然是最优线性无偏估计量;乂7、在高度多重共线的情形中,要评价一个或多个偏回归系数的个别显着性是不可能的;乂8、如果有某一辅助回归显示出高的2iR值,则高度共线性的存在是肯定无疑的了; √9、变量的两两高度相关并不表示高度多重共线性; 乂10、如果分析的目的仅仅是预测,则多重共线性是无害的; √11、在多元回归中,根据通常的t检验,每个参数都是统计上不显着的,你就不会得到一个高的2R值;乂12、变量不存在两两高度相关表示不存在高度多重共线性; 乂13、当异方差出现时,最小二乘估计是有偏的和不具有最小方差特性; 乂14、当异方差出现时,常用的t检验和F检验失效; √15、在异方差情况下,通常OLS估计一定高估了估计量的标准差; 乂16、如果OLS回归的残差表现出系统性,则说明数据中有异方差性; √17、如果回归模型遗漏一个重要的变量,则OLS残差必定表现出明显的趋势; √18、在异方差情况下,通常预测失效; √19、当模型存在高阶自相关时,可用D-W 法进行自相关检验; 乂20、当模型的解释变量包括内生变量的滞后变量时,D-W 检验就不适用了; √21、DW 值在0和4之间,数值越小说明正相关程度越大,数值越大说明负相关程度越大;√22、假设模型存在一阶自相关,其他条件均满足,则仍用OLS 法估计未知参数,得到的估计量是无偏的,不再是有效的,显着性检验失效,预测失效; √23、当存在自相关时,OLS 估计量是有偏的,而且也是无效的; 乂 24、消除自相关的一阶差换变换假定自相关系数必须等于－1; 乂25、发现模型中存在误差自相关时,都可以利用差分法来消除自相关; √26、在自回归模型中,由于某些解释变量是被解释变量的滞后变量,如t t t t u y x y +++=-1321βββ 那么杜宾—沃森D —W 检验法不适用; √27、在杜宾—沃森D —W 检验法中,我们假定误差项的方差是同方差; √28、模型t t t u x y ++=21ββ中的2R 与t t t t t v x x y y +-=---)(121β中的2R 不可以直接进行比较; √ 三、汉译英15分 1、Autocorrelation also known asserial correlation, is theof awith itself, in linear regression analysis, if the errors are serially dependent => autocorrelation/serial correlation Likely causes: 1. Omit variable that ought to be included. 2. Misspecification of the functional form. This is most obvious where a straight line is put through a curve of dots. This would clearly show up in plots of residuals. 3. Errors of measurement in the dependent variable. If the errors are not random then the error term will pick up any systematic mistakes. The Problem ：OLS is not the best estimation method.is unbiased, consistent, inefficient It will underestimate the true variance. So the t values will look too good, will reject H0 when it is trueTests ：1. Plot the residuals over time or against a particular variable and see if there is a . Durbin Watson Statistic:Solutions ：increase number of observations specify correctly GLS1、自相关又称序列相关,在线性回归分析中,如果随机误差是连续相关的,自相关是μ1,μ2,…,μn 序列自身的相关; 产生原因：1.忽略了遗漏变量2.函数形式的设定偏误;例如,将本应该是曲线的模型设定为线性曲线的模型,这将会在残差图中明确地表现出来;3.相关变量的处理错误;如果误差不是随机的,那么将会产生系统误差;后果：普通最小二乘法OLS 不是最好的估计方法无偏的,一致的,无效的 它将低估参数估计值的真实方差,从而过高估计t 统计量的值,当H 0为真时,拒绝H 0;检验：1.按照时间顺序或者一个特定的变量绘制回归残差项的图形并且观察是否逐次有规律地变化;检验法解决方法：增大样本容量 准确定义 GLS 广义的最小二乘法回归 2、The econometrics literature focuses on use of the bootstrap in hypothesis testing,which relies on approximation of probabilities in the tails of the distributions of statistics. Other applications are to confidence intervals, estimation of standard errors, and bias education. The bootstrap is straightforward to implement for smooth √N -consistent estimators based on iid samples, though bootstraps with asymptotic refinements are underutilized. Caution is needed in other settings, including non-smooth estimators such as the median, nonparametric estimators, and inference for data that are not iid.计量经济学文献侧重于假设检验中的自举估计方法的使用,它依赖于检验统计量尾部概率分布的近似值;其他的应用是对置信区间,标准误差估计和偏差的评判;通常统计量不是渐进充分的,但对于独立同分布的自举样本,且统计量是光滑√N 一致统计量时,自举估计量较容易实现;,对于样本不是独立同分布或者统计量是非光滑估计量和非参数估计量等其它情形,自举推断较复杂; 3、The Durbin –Watsontest has become so venerable that practitioners often forget the assumptions underlying the test. In particular, the assumptions that 1 the explanatory variables are non-stochastic; 2 the error term follows the normal distribution;3 the regression models do not include the lagged values of the regressand; and 4 only the first-order serial correlation is taken into account are very important for the application of the DW test. It should also be added that a significant DW statistic may not necessarily indicate autocorrelation. Rather, it may be an indication of omission of relevant variables from the model.注：venerable 珍贵的,神圣的；regressand 回归元,在计量经济学中常指被解释变量；normal distribution 正态分布；the first-order serial correlation 一阶自相关；DW检验如此高大上以至于检验人员经常忘记相关的假设检验,特别是,如下假设1被解释变量是非随机的2误差项遵循正态分布3回归模型不包括解释变量的滞后值4在应用DW检验最重要的一点是只考虑一阶自相关;同样应该注意的是,一个重要的DW统计量可能不一定表明自相关关系,而是这个序列模型遗漏了相关变量的一个迹象而已;四、简答题4~5个共20分1、回归分析与相关分析的区别与联系联系：回归分析与相关分析都是研究变量间的统计学课题;回归分析是在相关分析和因果分析的基础上,去研究解释变量对被解释变量的影响,相关分析中相关系数的确定是建立在回归分析的基础上的,二者互相补充、相辅相成;2、经典假设的内容是什么零均值假定；同方差假定；无自相关假定；随机扰动项与解释变量不相关；正态性假定;3、影响随机误差项的主要因素有哪些模型设定误差；变量的观测误差；经济变量的内在随机性；影响因素数据无法取得4、产生多重共线性的背景判断方法处理方法对模型的主要影响产生背景：经济变量之间有共同变化的趋势；模型中包含滞后变量；利用截面数据建立模型；样本数据自身的问题;判断方法：简单相关系数法、方差膨胀因子法、条件系数法、经验法、逐步回归检测法处理方法：增大样本数、剔除变量、岭回归完全多种共线性对模型的影响：参数的估计值不确定；参数估计值的方差无限大;严重多重共线性对模型的影响：参数估计的方差和协方差增大；参数估计的置信区间趋于变大；假设检验容易作出错误的判断；可能造成可决系数R^2较高,F检验的显着性很高,但t检验却可能不显着;5、异方差的影响检测手段补救措施影响：对估计参数的统计特性的影响有参数的OLS估计仍然具有无偏性但是其方差不再是最小的；古典假设下的假设检验即t、F检验不再成立；检测手段：图示法、Glejser检验、Goldfeld-Quanadt检验、White检验、ARGH检验；补救措施：加权最小二乘法、模型对数变换、对模型变换;怀特检验White检验的步骤了解120~121、加权最小二乘法的思想;6、自相关的后果同异方差对估计参数的统计特性的影响有参数的OLS估计仍然具有无偏性但是其方差不再是最小的；古典假设下的假设检验即t、F检验不再成立标准误被低估,t值高估7、DW检验的步骤、五个区域及其应用条件步骤：构建原假设H0：ρ=0；构建统计量DW≈21-ρ^;查DW分布表,得到相应DL和DU;判定模型自相关状态;五个区域：0≤DW≤DL 正相关；DL<DW≤DU不确定；DU<DW<4-DU无自相关；4-DU ≤DW<4-DL不能判定；4-DL≤DW≤4应用条件：解释变量X为非随机的；随机误差项为一阶自回归形式；线性模型的解释变量中不包含滞后的被解释变量；只适用于有常数项的回归模型；数据序列无缺失项;8、在回归模型中,如果模型的随机干扰项无自相关,但是我们错误的判定模型中有一阶自相关,并使用了广义差分模型,将会产生什么后果五、计算分析题2个30分；计算、软件输出结果的分析1、一元线性回归中相关参数估计,比如参数如何求得；R2的相关问题；t、F统计量的表达；标准误的计算;2、Eviews 案例输出结果的解释,主要就是F 值,t 值,R 2值,回归模型式,残差能否反映自相关或者异方差问题类似这些;多重共线性、异方差、自相关的判断 六、证明题一个10分第二章1、OLS 回归线的性质证明 见课本29~30页 1样本回归线通过样本均值2i i i n Y Y Y∧∧-的均值等于实际值Y 的均值3剩余项i e 的均值为零,由最小二乘准则知 4被解释变量i Y ∧与剩余项e i 不相关i ,iY e r ∧∧=因为2222222222222(y x )(x )(y x )x y x x x 0i i i i i i i i i i iiiy e y βββββββ∧∧∧∧∧∧∧∧∧∑=∑-=∑-=∑-∑=∑-∑=, 所以 i ,iY e r ∧=05解释变量i X 与剩余项e i 不相关X ,i i e X r ==由OLS 正规方程式有12()0i i i i i Y X X X e ββ∧∧∑--=∑=,所以 X ,i i e r =02、OLS 估计量的线性、无偏性、有效性的证明 见课本32~34页1线性： 2无偏性： 3有效性。

计量经济学常考的名词解释在计量经济学领域中，有一些常考的名词，理解这些名词的概念对于学习和应用计量经济学非常重要。

本文将对部分常考名词进行解释，以帮助读者更好地掌握计量经济学的核心知识。

一、假设检验（Hypothesis Testing）假设检验是计量经济学中的一项重要工具，用于评估统计模型的有效性和统计推断的可靠性。

通过对现实问题进行抽样和数据分析，我们可以根据样本数据的特征推断总体的一些性质。

假设检验涉及两个假设：原假设（null hypothesis）和备择假设（alternative hypothesis）。

通过计算样本数据的特征，我们可以对原假设进行验证或拒绝。

二、回归分析（Regression Analysis）回归分析是计量经济学中最常用的方法之一，用于研究变量之间的关系。

在回归分析中，我们使用一个或多个自变量来解释一个或多个因变量的变化。

通过拟合一个数学模型，我们可以测量变量之间的关联程度，并进行预测和因果推断。

三、时间序列（Time Series）时间序列是按照时间顺序进行排序的数据序列。

在计量经济学中，时间序列数据常常用于分析和预测经济和金融变量的动态演变。

时间序列分析可以帮助我们理解和解释时间相关性、趋势、季节性和周期性等模式。

四、异方差性（Heteroskedasticity）异方差性是指随机误差项的方差在不同条件下不稳定或不均匀分布的情况。

在计量经济学中，异方差性可能导致回归分析结果的无效性和推断的误差。

通过应用稳健的标准误差估计方法，我们可以纠正异方差性并获得更准确的回归结果。

五、端点问题（Endpoint Problem）在计量经济学中，端点问题指的是当因变量或自变量的取值受限于某些边界条件时，回归分析可能产生的问题。

例如，当因变量的取值范围在0到1之间时，回归模型的预测结果可能超出这个范围，导致无法解释或使用。

解决端点问题的方法包括截尾回归（truncated regression）和双曲正切转换（hyperbolic tangent transformation）等。

1.计量经济学是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，挪威经济学家弗里希，将计量经济学定义为（经济理论），（统计学），（数学）三者的结合。

2.数理经济模型揭示经济活动总共各个因素之间的（理论）关系，用（确定）性的数学方程加以描述，计量经济模型揭示经济活动中各因素之间的关系，用(随机)性的数学方程加以描述。

3.经济数学模型是用（数学方法）描述经济活动。

4.计量经济学根据研究对象和内容侧重面不同，可以分为（理论）计量经济学和（应用）计量经济学。

5.计量经济学模型包括（单方程模型）和（联立方程模型）两大类。

6.建模过程中理论模型设计主要包括三部分工作，即(选择变量)，(确定变量的数学关系)，(拟定模型中待估计参数的数值范围)。

7.确定理论模型中所包含的变量，主要是指确定（解释变量）。

8.可以作为解释变量的几类变量有（外生经济）变量，（外生条件）变量，（外生政策）变量和（滞后被解释）变量。

9.选择模型数学形式的主要依据是（经济行为理论）。

10.研究经济问题时，一般要处理三种模型的数据：（时间序列数据），(截面数据)和(虚变量数据)。

11.样本数据的质量包括4个方面：（完整性），（准确性），（可比性），（一致性）。

12.模型参数的估计包括（对模型的识别），（估计方法的选择）和软件的应用等内容。

13.计量经济学模型用以预测必须通过的检验为（经济意义检验），（统计检验），（计量经济学检验）和（预测检验）。

14.计量经济模型的计量经济通常包括随机误差项的（序列相关检验），（异方差异检验），解释变量的（方重共线性检验）。

15.计量经济学模型的应用可以概括为四个方面，即（结构分析），（经济预测），(政策评价)，(检验和发展经济理论)。

16.结构分析所采用的主要方法是（弹性分析），（乘数分析）和（比较静力分析）。

1.与数学中的函数关系相比，计量经济模型的显著特点是引入随机误差项u，u包含了丰富的内容，主要包括四方面（在解释变量中被忽略掉得影响），（变量观测值观测误差影响），（模型关系设立误差影响）。

计量经济学第一部分：名次解释1、模型：对现实的描述和模拟。

2、广义计量经济学：利用经济理论、统计学和数学定量研究经济现象的经济计量方法的统称，包括回归分析方法、投入产出分析方法、时间序列分析方法等。

3、狭义计量经济学：以揭示经济现象中的因果关系为目的，在数学上主要应用回归分析方法。

4、总体回归函数：指在给定Xi 下Y 分布的总体均值与Xi 所形成的函数关系（或者说总体被解释变量的条件期望表示为解释变量的某种函数）。

5、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。

6、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）。

7、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。

8、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。

9、残差项：是一随机变量，是针对样本回归函数而言的。

10、条件期望：即条件均值，指X 取特定值Xi 时Y 的期望值。

11、回归系数：回归模型中βo ，β1等未知但却是固定的参数。

12、回归系数的估计量：指用01,ββ等表示的用已知样本提供的信息所估计出来总体未知参数的结果。

13、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。

14、最大似然法：又称最大或然法，指用生产该样本概率最大的原则去确定样本回归函数的方法。

15、估计量的标准差：度量一个变量变化大小的测量值。

16、总离差平方和：用TSS 表示，用以度量被解释变量的总变动。

17、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。

18、残差平方和：用RSS 表示：度量实际值与拟合值之间的差异，是由除解释变量以外的其他因素引起的被解释变量变化的部分。

19、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。

20、拟合优度检验：检验模型对样本观测值的拟合程度，用2R 表示，该值越接近1，模型对样本观测值拟合得越好。