计量经济学名词解释 设定信托名词解释汇总分析

计量经济学名词解释 第二章第三章第四章第五章第六章第七章第八章第九章第十章

第二章

普通最小二乘法（OLS）：通过最小化误差的平方和寻找数据的最佳函数匹配。 广义最小二乘法（GLS）：通过对原始模型的变换，解释了误差方差的方差已知结构（异方差性）、误差中的序列相关形式或同时解释二者的估计量。 加权最小二乘法（WLS）：用了对某种已知形式的异方差进行调整的估计量。其中，每个残差的平方都用一个等于误差的（估计的）方差的倒数作为权数。

解释平方和（SSE）：多元回归模型中度量拟合值的样本变异。 残差平方和（SSR）：是实际值与估计值之差的平方的总和，也就是误差项平方的总和。 总平方和（SST）：因变量相对于其样本均值的总样本变异。

高斯马尔科夫假定（横截面数据）： MLR1：线性于参数 MLR2：随机抽样 MLR3：不存在完全共线性 MLR4：零条件均值 MLR5：同方差假定。 MLR1—4:无偏性；MLR1—5:得到的估计量是BLUE（最优线性无偏估计量）的 高斯马尔科夫假定（时间序列数据）： TS.1：线性于参数 TS.2：无完全共线性 TS.3：零条件均值 TS.4：同方差性 TS.5：无序列相关。

标准差 = 一次抽样中个体分数间的离散程度，反映了个体分数对样本均值的代表性，用于描述统计标准误 = 多次抽样中样本均值间的离散程度，反映了样本均值对总体均值的代表性，用于推论统计

标准误：样本统计量的标准差，描述对应的样本统计量抽样分布的离散程度及衡量对应样本统计量抽样误差大小的尺度。 总平方和（SST）：度量因变量相对于它的样本均值的总样本变异。

总体回归函数（PRF）：E(y|x)= β0+β1x，将总体因变量的条件期望表示为解释变量的某种函数。样本回归函数（SRF）：y=β0+β1x其中β0和β1是根据样本数据估计出来的值，非实际模型，只是用来拟合实际模型。因变量Y的样本观测值的拟合值表示为解释变量的某种函数。

同方差：回归模型中的误差在解释变量条件下具有不变的方差。

弹性： y的x弹性：Ey/Ex=(△y/y)/(△x/x)=f’(x)·x/y，当x增加1% 时y的百分比变化量。指一个变量相对于另一个变量发生的一定比例的改变的属性。对数-对数模型半弹性：通常把称为y对x的半弹性，表示当x增加一个单位时y的百分数变化。对数-水平模型 第三章

自由度：在多元回归模型分析中，取值不受限制的变量个数，等于观测值的个数减去待估参数的个数。 干扰项：反应了除自变量和因变量之间的线性关系之外的随机因素对因变量的影响，是不能由自变量和因变量之间的线性关系所解释的变异性。 向上（下）的偏误：估计量的期望值>（