經(jīng)濟(jì)計(jì)量學(xué)詞典

《經(jīng)濟(jì)計(jì)量學(xué)詞典》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、A筡?疿?k???v#蒠寋"?校正R2（AdjustedR-Squared）：多元回歸分析中擬合優(yōu)度的量度，在估計(jì)誤差的方差時(shí)對(duì)添加的解釋變量用一個(gè)自由度來調(diào)整。篤搬úv#恐??對(duì)立假設(shè)（AlternativeHypothesis）：檢驗(yàn)虛擬假設(shè)時(shí)的相對(duì)假設(shè)。兪俛e5??AR（1）序列相關(guān)（AR(1)SerialCorrelation）：時(shí)間序列回歸模型中的誤差遵循AR（1）模型。佁C?腕璬^??漸近置信區(qū)間（AsymptoticCon?denceInterval）：大樣本容量下近似成立的置信區(qū)間。擄鱖????漸近正態(tài)性（

2、AsymptoticNormality）：適當(dāng)正態(tài)化后樣本分布收斂到標(biāo)準(zhǔn)正態(tài)分布的估計(jì)量。i?=揊23??漸近性質(zhì)（AsymptoticProperties）：當(dāng)樣本容量無限增長(zhǎng)時(shí)適用的估計(jì)量和檢驗(yàn)統(tǒng)計(jì)量性質(zhì)。邂.鳽5l??漸近標(biāo)準(zhǔn)誤（AsymptoticStandardError）：大樣本下生效的標(biāo)準(zhǔn)誤。碓C锪]r???漸近t統(tǒng)計(jì)量（AsymptotictStatistic）：大樣本下近似服從標(biāo)準(zhǔn)正態(tài)分布的t統(tǒng)計(jì)量。1'?Kr邑籺.??漸近方差（AsymptoticVariance）：為了獲得漸近標(biāo)準(zhǔn)正態(tài)分布，我們必須用以

3、除估計(jì)量的平方值。芎伏s厭??漸近有效（AsymptoticallyEf?cient）：對(duì)于服從漸近正態(tài)分布的一致性估計(jì)量，有最小漸近方差的估計(jì)量。u?斟e(cuò)P????漸近不相關(guān)（AsymptoticallyUncorrelated）：時(shí)間序列過程中，隨著兩個(gè)時(shí)點(diǎn)上的隨機(jī)變量的時(shí)間間隔增加，它們之間的相關(guān)趨于零。?)獲%???衰減偏誤（AttenuationBias）：總是朝向零的估計(jì)量偏誤，因而有衰減偏誤的估計(jì)量的期望值小于參數(shù)的絕對(duì)值。/?砟MV?謄??自回歸條件異方差性（AutoregressiveConditiona

4、lHeteroskedasticity,ARCH）：動(dòng)態(tài)異方差性模型，即給定過去信息，誤差項(xiàng)的方差線性依賴于過去的誤差的平方。焐衄鷙S@???一階自回歸過程[AR（1）]（AutoregressiveProcessofOrderOne[AR(1)]）：一個(gè)時(shí)間序列模型，其當(dāng)前值線性依賴于最近的值加上一個(gè)無法預(yù)測(cè)的擾動(dòng)。>策9?)??輔助回歸（AuxiliaryRegression）：用于計(jì)算檢驗(yàn)統(tǒng)計(jì)量——例如異方差性和序列相關(guān)的檢驗(yàn)統(tǒng)計(jì)量——或其他任何不估計(jì)主要感興趣的模型的回歸。呶cX樖??平均值（Average）：n

5、個(gè)數(shù)之和除以n。聺QU畬v.烅?B5s?林潿?薐菎?YN€??基組、基準(zhǔn)組（BaseGroup）：在包含虛擬解釋變量的多元回歸模型中，由截距代表的組。詵}:暟???基期（BasePeriod）：對(duì)于指數(shù)數(shù)字，例如價(jià)格或生產(chǎn)指數(shù)，其他所有時(shí)期均用來作為衡量標(biāo)準(zhǔn)的時(shí)期。敐K?*孨??基期值（BaseValue）：指定的基期的值，用以構(gòu)造指數(shù)數(shù)字；通?；局禐?或100。?vW頍Tu???最優(yōu)線性無偏估計(jì)量（BestLinearUnbiasedEstimator,BLUE）：在所有線性、無偏估計(jì)量中，有最小方差的估計(jì)量。在高

6、斯—馬爾科夫假定下，OLS是以解釋變量樣本值為條件的BLUE。桖豔{?蝏???貝塔系數(shù)（BetaCoef?cients）：見標(biāo)準(zhǔn)化系數(shù)。?l抻?幨??偏誤（Bias）：估計(jì)量的期望參數(shù)值與總體參數(shù)值之差。yz}n?lt;d烏D??偏誤估計(jì)量（BiasedEstimator）：期望或抽樣平均與假設(shè)要估計(jì)的總體值有差異的估計(jì)量。x-，樳潏??向零的偏誤（BiasedTowardsZero）：描述的是估計(jì)量的期望絕對(duì)值小于總體參數(shù)的絕對(duì)值。FcG砑v柱???二值響應(yīng)模型（BinaryResponseModel）：二值因變量的模型

7、。91駷?????二值變量（BinaryVariable）：見虛擬變量。~?Y狍_{(q??兩變量回歸模型（BivariateRegressionModel）：見簡(jiǎn)單線性回歸模型。蛃鞧.~?Tw??BLUE（BLUE）：見最優(yōu)線性無偏估計(jì)量。zt鋤?lt;w??Breusch-Godfrey檢驗(yàn)（Breusch-GodfreyTest）：漸近正確的AR（p）序列相關(guān)檢驗(yàn)，以AR（1）最為流行；該檢驗(yàn)考慮到滯后因變量和其他不是嚴(yán)格外生的回歸元。`?Ql?&u??Breusch-Pagan檢驗(yàn)（Breusch-PaganTes

8、t）：將OLS殘差的平方對(duì)模型中的解釋變量做回歸的異方差性檢驗(yàn)。?$都?寢?C&薻u?榿?e?k卆t:-??因果效應(yīng)（CausalEffect）：一個(gè)變量在其余條件不變情況下的變化對(duì)另一個(gè)變量產(chǎn)生的影響。欃輒釿遼3??其余條件不變（Cete