1、名詞解釋虛假序列相關: 虛假序列相關是指由于忽略了重要解釋變量而導致模型出現的序列相關性無偏性: 所謂無偏性是指參數估計量的均值（期望）等于模型的參數值。工具變量: 、工具變量是在模型估計過程中被作為工具使用，以替代模型中與隨機誤差項相關的隨機解釋變量的變量。結構分析: 經濟學中所說的結構分析是指對經濟現象中變量之間關系的研究。虛假回歸：如果兩列時間序列數據表現出一致的變化趨勢（非平穩），即它們之間沒有任何經濟關系，但進行回歸也會表現出較高的可決系數異方差性：在線性回歸模型中，經典假設要求隨機誤差項具有0均值和同方差。所謂異方差性是指這些隨機誤差項服從不同方差的正態分布。過度識別:是指模型方程

2、中有一個或幾個參數有若干個估計值。恰好識別:是指對聯立方程模型，我們能夠唯一地估計出模型的參數 相對資本密集度:假設在生產活動中除了技術以外，只有資本與勞動兩種勞動要素，定義兩要素的產出彈性之比為相對資本密集度，用w表示。即 簡化式模型: 用所有先決變量作為每一個內生變量的解釋變量，所形成的模型稱為簡化式模型。中性技術進步: 技術進步前后，相對資本密集度不變，即勞動的產出彈性與資本的產出彈性同步增長行為方程: 描述經濟系統中變量之間行為關系的結構式方程。先決變量: 外生變量和內生變量的滯后變量相關分析：主要研究隨機變量間的相關形式及相關程度?；貧w分析：研究一個變量關于另一個變量的依賴關系的計算

3、方法和理論。高斯馬爾科夫定理：普通最小二乘估計量具有線性性、無偏性和有效性等優良性質，是最佳線性無偏估計量。高斯馬爾科夫假定：(1)模型設立正確 (2)無完全共線性 (3)可識別性 (4) 零均值、同方差。無序列相關假定(5) 解釋變量與隨機項不相關計量經濟學模型：揭示經濟活動中各種因素之間的定量關系，用隨機性的數學方程加以描述。計量經濟學模型成功的三要素:理論、方法和數據。 完全共線性：對于多元線性回歸模型，其基本假設之一是解釋變量，是相互獨立的，如果存在，i=1，2，n，其中c不全為0，即某一個解釋變量可以用其他解釋變量的線性組合表示，則稱為完全共線性。最小二乘估計量的性質：(1)線形性(

4、2)無偏性(3)有效性(4)漸近無偏性(5)一致性(6)漸進有效性。最小樣本容量：即從最小二乘原理和最大似然原理出發，欲得到參數估計量，不管其質量如何，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而言的。需求函數的零階齊次性：消費者收入、商品價格和相關商品價格均增長倍時，商品的需求量不變。要素的替代彈性：定義為兩種要素的比例的變化率與邊際替代率的變化率之比,記為，一般。虛擬變量陷阱：我們一般稱由于引入的虛擬變量個數與定性因素個數相同時出現的模型無法估計的問題，稱為“虛擬變量陷阱。先決變量：外生變量和內生變量的滯后變量。殘差項：殘差項是指對每個樣本點，樣本

5、觀測值與模型估計值之間的差值。模型的檢驗主要包括：經濟意義檢驗、統計檢驗、計量經濟學檢驗、模型的預測檢驗。行為方程：描述經濟系統中變量之間行為關系的結構式方程。條件期望：即條件均值，指X取特定值Xi時Y的期望值。回歸系數：回歸模型中o，1等未知但卻是固定的參數。中性技術進步：技術進步前后，相對資本密集度不變，即勞動的產出彈性與資本的產出彈性同步增長。截面數據：同一時間（時期或時點）某個指標在不同空間的觀測數據。時間序列數據：把反映某一總體特征的同一指標的數據，按照一定的時間順序和時間間隔排列起來，這樣的統計數據稱為時間序列數據面板數據：指時間序列數據和截面數據相結合的數據。截面數據：截面數據是

6、許多不同的觀察對象在同一時間點上的取值的統計數據集合，可理解為對一個隨機變量重復抽樣獲得的數據。時間序列數據：時間序列數據是同一觀察對象在不同時間點上的取值的統計序列，可理解為隨時間變化而生成的數據。虛變量數據：虛擬變量數據是人為設定的虛擬變量的取值。是表征政策、條件等影響研究對象的定性因素的人工變量，其取值一般只取“0”或“1”。內生變量與外生變量：內生變量是由模型系統決定同時可能也對模型系統產生影響的變量，是具有某種概率分布的隨機變量，外生變量是不由模型系統決定但對模型系統產生影響的變量，是確定性的變量?？傮w回歸函數：是指在給定Xi下Y分布的總體均值與Xi所形成的函數關系（或者說將總體被解

7、釋變量的條件期望表示為解釋變量的某種函數）最大似然估計法（ML）: 又叫最大或然法，指用產生該樣本概率最大的原則去確定樣本回歸函數的方法。OLS估計法：指根據使估計的剩余平方和最小的原則來確定樣本回歸函數的方法。殘差平方和：用RSS表示，用以度量實際值與擬合值之間的差異，是由除解釋變量之外的其他因素引起的被解釋變量變化的部分。多元線性回歸模型：在現實經濟活動中往往存在一個變量受到其他多個變量影響的現象，表現在線性回歸模型中有多個解釋變量，這樣的模型被稱做多元線性回歸模型，多元是指多個解釋變量。調整的可決系數：又叫調整的決定系數，是一個用于描述多個解釋變量對被解釋變量的聯合影響程度的統計量，克服

8、了隨解釋變量的增加而增大的缺陷，與的關系為。偏回歸系數：在多元回歸模型中，每一個解釋變量前的參數即為偏回歸系數，它測度了當其他解釋變量保持不變時，該變量增加1單位對被解釋變量帶來的平均影響程度。正規方程組：采用OLS方法估計線性回歸模型時，對殘差平方和關于各參數求偏導，并令偏導數為0后得到的方程組，其矩陣形式為。方程顯著性檢驗：是針對所有解釋變量對被解釋變量的聯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系在總體上是否顯著成立作出判斷。隨機解釋變量：指在現實經濟現象中，解釋變量不是可控的，即解釋變量的觀測值具有隨機性，并且與模型的隨機干擾項可能有相關關系，這樣的解釋變

9、量稱為隨機解釋變量。多重共線性：指兩個或兩個以上解釋變量之間存在某種線性相關關系。不完全多重共線性：在實際經濟活動中，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系是近似的，而不是完全的。最小二乘法：又稱最小平方法，指根據使估計的剩余平方和最小的原則確定樣本回歸函數的方法。廣義最小二乘法：（GLS）是最具有普遍意義的最小二乘法，可用來處理模型存在異方差或序列相關時的估計問題。序列相關性：指對于不同的樣本值，隨機干擾之間不再是完全相互獨立的，而是存在某種相關性。差分法：是克服序列相關性的有效方法，它是將原計量經濟學模型變換為差分模型后再進行OLS估計，分為一階差分法和廣義差分法。虛

10、擬變量：在建立模型時，有一些影響經濟變量的因素無法定量描述，如職業、性別對收入的影響，教育程度，季節因素等往往需要用定性變量度量。為了在模型中反映這類因素的影響，并提高模型的精度，需要將這類變量“量化”。根據這類邊另的屬性類型，構造僅取“0”或“1”的人工變量，通常稱這類變量為“虛擬變量”。自回歸模型：指模型中的解釋變量僅是X的當期值與被解釋變量Y的若干期滯后值，它由于被解釋變量的滯后期值對被解釋變量現期做了回歸，故叫做自回歸模型。簡化式模型：將聯立方程計量經濟學模型的每個內生變量表示成所有先決變量和隨機干擾項的函數，即用所有先決變量作為每個內生變量的解釋變量，所形成的模型稱為簡化式模型。先決

11、變量：模型中的外生變量和滯后內生變量被統稱為先決變量，其含義是在模型求解時，這些變量已有所賦的值。不可識別：如果聯立方程計量經濟學模型中某個結構方程不具有確定的統計形式，則稱該方程為不可識別?；蛘哒f如果從參數關系體系無法求出其結構方程的參數，則稱該方程為不可識別。如果一個模型系統中存在一個不可識別的隨機方程，則認為該聯立方程系統是不可識別的。間接最小二乘法：先對關于內生解釋變量的簡化式方程采用普通最小二乘法估計簡化式參數，得到簡化式參數估計量，然后通過參數關系體系，計算得到的結構式參數的估計量，這種方法稱為間接最小二乘法。橫截面數據：一批發生在同一時間截面上的調查數據。擬合優度檢驗：檢驗模型對

12、樣本觀測值的擬合程度，使用的統計量是可決系數，Î（0，1），越接近1，模型擬合程度越好。結構式模型：根據經濟理論和行為規律建立的描述經濟變量之間直接關系結構的計量經濟學方程系統?？傮w回歸曲線：給定解釋變量條件下被解釋變量的期望軌跡。D-W檢驗：全稱杜賓瓦森檢驗，適用于一階自相關的檢驗。該法構造一個統計量，計算該統計量的值，根據樣本容量和解釋變量數目查D.W.分布表，得到臨界值和，然后按照判斷準則考察計算得到的D.W.值，以判斷模型的自相關狀態。參數關系體系：指描述聯立方程模型的簡化式參數與結構式參數之間關系的表達式，其中：為簡化式參數的矩陣，、為結構式參數的矩陣。約化模型的基本原則：

13、1.模型具有數據一致性。2.模型必須與經濟理論相一致。3.解釋變量必須是弱外生的。4.模型具有恒定的參數。5.模型具有包容性。6.模型具有簡潔性。樣本回歸函數：指從總體中抽出的關于Y，X的若干組值形成的樣本所建立的回歸函數。隨機的總體回歸函數：含有隨機干擾項的總體回歸函數（是相對于條件期望形式而言的）。無約束回歸：無需對模型中變量的參數施加約束條件進行的回歸。受約束回歸：在實際經濟活動中，常常需要根據經濟理論對模型中變量的參數施加一定的約束條件，對模型參數施加約束條件后進行回歸。聯合假設檢驗：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

14、聯合假設檢驗，而每個參數的t檢驗就是單個假設檢驗。線性回歸模型：既指對變量是線性的，也指對參數為線性的，即解釋變量與參數只以他們的1次方出現。估計量的標準差：度量一個變量變化大小的測量值?？傠x差平方和：用TSS表示，用以度量被解釋變量的總變動?；貧w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。協方差：用Cov（X，Y）表示，度量X,Y兩個變量關聯程度的統計量。t檢驗時針對每個解釋變量進行的顯著性檢驗，即構造一個t統計量，如果該統計量的值落在置信區間外，就拒絕原假設。一階序列相關：如果模型的隨機誤差項存在，則稱為一階序列相關。平穩時間序列：指統計規律不會隨時間變化而變化的時間