-
1.
普
通
最
小
二
乘
法
(Ordinary
Least
Squares,OLS)
：
已
知
一
组
样
本
观
测
值
?
(
X
i
,
Y
i
)
:
i
?
1
,
< br>2
?
,
n
?
，普通最小二乘法要求样本回归函数尽可以好地拟合这组
值
，即样本回归线上的点
Y
i
与真实观测
点
Yt
的“总体误差”尽可能地小。普通
最小二乘法给出的判断标准是：
被解释变量的估计值与实际观测值之差的平方和
最小。
2.
广义最
小二乘法
GLS
：
加权最小二乘法具有
比普通最小二乘法更普遍的意义，
或者说普通最小二乘法只是加权最小二乘法中权恒取<
/p>
1
时的一种特殊情况。
从此
意义看，加权最小二乘法也称为广义最小二乘法。
3.
加权最小二乘法
WLS
：
加权最小二乘法是对原模型加权，使之变成一个新的
不存在异方差性的模
型，然后采用普通最小二乘法估计其参数。
4.
工具变量法
IV
：
工具变量法是克服解释变量与随机干扰项相关影响的
一种
参数估计方法。
5.
两阶段最小二乘法
2SLS,
Two Stage Least Squares
：
两阶段最
小二乘法是一种
既适用于恰好识别的结构方程，以适用于过度识别的结构方程的单方程估
计方
法。
6.
间接最小二乘法
ILS
：
间接最小二
乘法是先对关于内生解释变量的简化式方程
采用普通小最二乘法估计简化式参数，
得到简化式参数估计量，
然后过通参数关
系体
系，计算得到结构式参数的估计量的一种方法。
7.<
/p>
异方差性
Heteroskedasticity
：
对于不同的样本点，
随机干扰项的方差不再是常
数，而是互不相同，则认为出现了异方差性。
8.
序列相关性
Serial Cor
relation
：
多元线性回归模型的基本假设之一是模型的
随
机干扰项相互独立或不相关。如果模型的随机干扰项违背了相互独立的基本假
设，称为存在序列相关性。
9.
多重共线性
Multicollinearity
：
对于模型
Y
i
?
?
0
?
?
1
X
i
1
?
?
2
X
i
2
?
?
?
?
k
X
i
< br>k
?
?
i
，
其基本假设之一是解释变量
X
1<
/p>
,X
2
,
…
,Xk
?
是相互独立的。
< br>如果某两个或多个解释变量之间出现了相关性，
则称为存在多重
< br>共线性。
10.
时间序列数据
:
时间序列数据是一批按照时间先后排列的统计数据。
11.
截面数据
：截面数所是一批发生在同一时间截面上调查数据。
12.
虚拟数据
：也称为二进制数据，一般取
0
或
1.
13.
内生变量
Endogenous
Variables
：内生变量是具有某种概率分布的随机变量，
它的参数是联立方程系统估计的元素。
内生变量是由模型系统决定的，
同时也对
模型系统产生影响。内生变量一般都是经济变量。
14.
外生变量
Exogenous
Variables
：
外生变量一般是
确定性变量，或者是具有临
界概率分布的随机变量，其参数不是模型系统研究的元素。外
生变量影响系统，
但本身不受系统的影响。外生变量一般是经济变量、条件变量、政策变
量、虚变
量。
15.
先
决
变
量
Predetermined
Variables
：
外
生
变
量
与
滞
后
内
生
变
量
(Lagged
Endogenous
Variables)
统称为先决变量。
16.
总离差平方和：
TSS
?
?
?
(
Y
i
?
Y
)
2
称为总离差平方和，反映样本观
y<
/p>
i
2
?
测值总体离差的大小。
?
RSS
1
7.
残差平方和：
?
?
e
i
?
?
(
Y
i
?
Y
i
)
称为残差平方和，反映样本观测<
/p>
值与估计值偏离的大小，也是模型中解释变量未解释的那部分离差的大小。
2
18.
回归平方和：
ESS
?
y
(
Y
?
?
Y
)
反映由模型中解释变量所解释的那
?
?
i
2
?
?
i
部分离差的大小。
19.
可决系数
coefficient of determination
：可决系数
R2
是检验模型拟合优度的
ESS
RSS
2
指标，
R
2
?
?
1
?
,
R
越接近于
1
，模型的拟合优度越高。
< br>TSS
TSS
2
2
20.
随机干扰项
stochastic
disturbance:
?
称为观
察值
Y
围绕它的期望值
E(Y X)<
/p>
的
离差（
deviation
）
，记
?
i
?
Y
i
?
< br>E
(
Y
|
X
i
)
，它是一个不可观测的随机变
量，
称为
随机误差项（
stochas
tic error
）
，
通常又不加区
别地称为随机干扰项
（）
。
21.
结构式模型
Structural Mo
del
：
根据经济理论和行为规律建立的描述经济变量
之间直接结构关系的计量经济学方程系统称为结构式模型。
22.
简化式模型
Reduced-
Form Model
：
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。
23.
恰好识别
Just
Identification
：
如果某一个随机
方程具有一组参数估计量，称
其为恰好识别。
24.
过度识别
Over ident
ification
：
如果某一个随机方程具有多组参数估计量
，称
其为过度识别。
15
．格兰杰因果检验
可能存在有四种检验结果：
（
1
）
X
对
Y
有单向影响，表现为（
1
）式
X
各滞后项前的参数整体不为零，而
(2)
式
Y
各滞后项前的参数整体
为零；
（
2
）
Y
对
X
有单
向影响，表现为（
2
）式
Y
各滞后项前的参数整体不为零，而
（
1
）式
X
各滞后项前的参数整体为零；
（
3
）
< br>Y
与
X
间存在双向影响，表现为
Y
与
X
各滞后
项前的参数整体不为零；
（
4
）
Y
与
X
间不存在影响，表现为
Y
与
X
各滞后项前的参数整体为零。
分别做包含与不包含
X
滞后项的回归，
记前者与后者的残差平方和分别为
RSSU
、
RSSR
< br>；再计算
F
统计量：
F
(
RSS
R
?
RSS
U
)
/
m
?
RSS
U
/(<
/p>
n
?
k
)
k
为无约束回归模型的待估参数的个数。<
/p>
如果
:
F>F
?
(m, n-k)
，则拒
绝原假设，认为
X
是
Y
的格兰杰原因
。
21
、<
/p>
DW
检验
假设
条件：
（
1
）解释变量
X
非随机；
（
2
）随机误差项
?
i
为一阶自回归形式：
?
i=
< br>??
i-1+
?
i
（
3
）回归模型中不应含有滞后应变量作为解释变
量，即不应出现下列形式：
Yi=
?
0
+
?
1
X
1i
+
……
?
k
X
ki
+
?
Y
i
-1+
?
i
（
4
）回归含有截距项
针对原假设：
H0:
?
=0
，
构如下造统计量：
D
.
W
.
?
~
?
(
e
t
?
2
n
< br>t
~
)
2
?
e
t
?
1
~
2
e
?
t
t
?
1
n
计算
DW
值，给定
?
，由样本容量
n
和解释变量个数
k
的大小查
DW
分布表，
得临界值
dL
和
dU
比较、判断，若
<
br>,n
?
5 ( - F
<
br>?
0
存在正自相关
dL
不能确定
dU
－
dU
无自相关
4
－
dU
－
dL
不能确定
4
－
dL
存在负自相关
当
D.W.
值在
2
左右时，模型不存在一阶自相关。
22
、
White
检验
见
11
题
<
/p>
怀特检验不需要排序，且适合任何形式的异方差。其基本思想与步骤：
Y
i
?
?
0
?
?
1<
/p>
X
1
i
?
?
2
X
2
i
?
?
i
然后做辅助回归：
可以证明，在同方差性假设下，从
该辅助回归得到的可决系数
R
2
与样本
容量
n
的乘积，
渐近地服从自由度为辅
助回归方程中解释变量个数的
?
2
分布
：
nR
2
~
?
2
,
则可在大样本下，对统计量
n
R
2
进行相应的<
/p>
?
2
检验。
<
/p>
23
、
F
检验<
/p>
即检验模型
Yi=
?
0+
?
1X1i+
?
2X2i+
?
+
?
kX
ki+
?
i
i=1,2,
?
中的参数
?
j
是否显著不为
0
。
H0
：
?<
/p>
0=
?
1=
?<
/p>
2=
?
=
?
k=0
H1
：
?
j
不全为
0
在原假设
H0
成立的条件下，统计量<
/p>
~
2
?
?
?
?
X
?
?
X
?
?
X
2
?
X
2
?
?
X
X
?<
/p>
?
e
i
0
1
1
i
2
2
i
3
1
i
4
2
i
1
i
2
i
i
ESS
/
k
F
?
RSS
/(
n
?
k
?
1
)
服从自由度为
k
,
n
k
-1)
的
分布。
给定显著性水平
?
，可得到临界值
F
?
(
k,n-k-
1)
，由样本求出统计量
F
的数值，通过
F
?
F
(
k,n-k-
1)
或
F
≤
F
?
(
k,n-k
-
1)
来拒绝或接受原假设
H0
，以判定原方程
总体上
的线性关系是否显著
成立。
24
、
t
检验
-
-
-
-
-
-
-
-
-
上一篇：门禁系统术语中英文对照
下一篇：外研版英语七年级下册单词检测小卷