计量经济学术语说明
计量经济学名词解释
计量经济学名词解释 WTD standardization office【WTD 5AB- WTDK 08- WTD 2C】计量经济学名词解释1．经济变量：经济变量是用来描述经济因素数量水平的指标。
（3分）2．解释变量：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。
（2分）它对因变量的变动做出解释，表现为方程所描述的因果关系中的“因”。
（1分）3．被解释变量：是作为研究对象的变量。
（1分）它的变动是由解释变量做出解释的，表现为方程所描述的因果关系的果。
（2分）4．内生变量：是由模型系统内部因素所决定的变量，（2分）表现为具有一定概率分布的随机变量，是模型求解的结果。
（1分）5．外生变量：是由模型系统之外的因素决定的变量，表现为非随机变量。
（2分）它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。
（1分）6．滞后变量：是滞后内生变量和滞后外生变量的合称，（1分）前期的内生变量称为滞后内生变量；（1分）前期的外生变量称为滞后外生变量。
（1分）7．前定变量：通常将外生变量和滞后变量合称为前定变量，（1分）即是在模型求解以前已经确定或需要确定的变量。
（2分）8．控制变量：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，（2分）它一般属于外生变量。
（1分）9．计量经济模型：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，（2分）是以数学形式对客观经济现象所作的描述和概括。
（1分）10．函数关系：如果一个变量y的取值可以通过另一个变量或另一组变量以某种形式惟一地、精确地确定，则y与这个变量或这组变量之间的关系就是函数关系。
（3分）11．相关关系：如果一个变量y的取值受另一个变量或另一组变量的影响，但并不由它们惟一确定，则y与这个变量或这组变量之间的关系就是相关关系。
（3分）12．最小二乘法：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，称为最小二乘法。
计量经济学名词解释
1.总体回归函数是指在给定X i下Y分布的总体均值与X i所形成的函数关系。
样本回归函数指从总体中抽搐的关于Y，X的若干组形成的样本所建立的回归函数。
随机的总体回归函数指相对条件期望而言含有随机干扰项的总体回归函数。
线性回归模型指对变量是线性的，也指对参数β为线性的，即解释变量与参数β只以它们的1次方出现。
随机干扰项也称随机误差项，是一个随机变量，是针对总体回归函数而言的。
残差项是一随机变量，是针对样本回归函数而言的。
2.回归系数的估计量指用β0，β1等表示的用已知样本提供的信息所估计出来的总体未知参数的结果。
回归系数或回归参数之回归模型中β0，β1最小二乘法是指根据是估计的剩余平方和最小的原则确定样本回归函数的方法。
条件期望又称条件均值，指X取特定值X i时Y的期望值。
估计量的标准差是度量一个变量变化大小的测量度。
最大似然法指用产生该样本概率最大的原则去确定样本回归函数的方法。
3.总离差平方和TTS表示，用以度量被解释变量的总变动。
回归平方和用ESS表示，用以度量由解释变量变化引起的被解释变量的变化部分。
残差平方和用RSS表示，用以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。
协方差用Cov（X，Y）表示，是用来度量X，Y两个变量关联程度的统计量。
拟合优度检验指检验模型对样本观测值的拟合程度，用R 表示，该制约接近1，模型对样本观测值拟合得越好。
4.t检验是针对每个解释变量进行的显著性检验，即构造一个t统计量，如果该统计量的值落在置信区间外，就拒绝原假设。
异方差性指对于不同的样本值，随机干扰项的方差不再是常数，而是互不相同的。
序列相关性指对于不同样本值，随机干扰项之间不再是完全相互独立，而是存在某种相关性。
多重线性指两个或多个解释变量之间存在某种线性相关关系。
D.W.检验：全称杜宾-瓦森检验，适合用于一阶自相关的检验，该法构造一个统计量。
5.完全多重共线性指在有多个解释变量模型中，解释变量之间的线性关系是准确的。
计量经济学(重要名词解释)
——名词解释将因变量与一组解释变量和未观测到的扰动联系起来的方程，方程中未知的总体参数决定了各解释变量在其他条件不变下的效应。
与经济分析不同，在进行计量经济分析之前，要明确变量之间的函数形式。
经验分析（Empirical Analysis）：在规范的计量分析中，用数据检验理论、估计关系式或评价政策有效性的研究。
确定遗漏变量、测量误差、联立性或其他某种模型误设所导致的可能偏误的过程线性概率模型（LPM）（Linear Probability Model, LPM）：响应概率对参数为线性的二值响应模型。
没有一个模型可以通过对参数施加限制条件而被表示成另一个模型的特例的两个（或更多）模型。
有限分布滞后（FDL）模型（Finite Distributed Lag (FDL) Model）：允许一个或多个解释变量对因变量有滞后效应的动态模型。
布罗施-戈弗雷检验（Breusch-Godfrey Test）：渐近正确的AR（p）序列相关检验，以AR（1）最为流行；该检验考虑到滞后因变量和其他不是严格外生的回归元。
布罗施-帕甘检验（Breusch-Pagan Test）/（BP Test）：将OLS 残差的平方对模型中的解释变量做回归的异方差性检验。
若一个模型正确，则另一个非嵌套模型得到的拟合值在该模型是不显著的。
因此，这是相对于非嵌套对立假设而对一个模型的检验。
在模型中包含对立模型的拟合值，并使用对拟合值的t 检验来实现。
回归误差设定检验（RESET）（Regression Specification Error Test, RESET）：在多元回归模型中，检验函数形式的一般性方法。
它是对原OLS 估计拟合值的平方、三次方以及可能更高次幂的联合显著性的F 检验。
怀特检验（White Test）：异方差的一种检验方法，涉及到做OLS 残差的平方对OLS 拟合值和拟合值的平方的回归。
这种检验方法的最一般的形式是，将OLS 残差的平方对解释变量、解释变量的平方和解释变量之间所有非多余的交互项进行回归。
计量经济学(重要名词解释)
——名词解释将因变量与一组解释变量和未观测到的扰动联系起来的方程，方程中未知的总体参数决定了各解释变量在其他条件不变下的效应。
与经济分析不同，在进行计量经济分析之前，要明确变量之间的函数形式。
经验分析（Empirical Analysis）：在规范的计量分析中，用数据检验理论、估计关系式或评价政策有效性的研究。
确定遗漏变量、测量误差、联立性或其他某种模型误设所导致的可能偏误的过程线性概率模型（LPM）（Linear Probability Model, LPM）：响应概率对参数为线性的二值响应模型。
没有一个模型可以通过对参数施加限制条件而被表示成另一个模型的特例的两个（或更多）模型。
有限分布滞后（FDL）模型（Finite Distributed Lag (FDL) Model）：允许一个或多个解释变量对因变量有滞后效应的动态模型。
布罗施-戈弗雷检验（Breusch-Godfrey Test）：渐近正确的AR（p）序列相关检验，以AR（1）最为流行；该检验考虑到滞后因变量和其他不是严格外生的回归元。
布罗施-帕甘检验（Breusch-Pagan Test）/（BP Test）：将OLS 残差的平方对模型中的解释变量做回归的异方差性检验。
若一个模型正确，则另一个非嵌套模型得到的拟合值在该模型是不显著的。
因此，这是相对于非嵌套对立假设而对一个模型的检验。
在模型中包含对立模型的拟合值，并使用对拟合值的t 检验来实现。
回归误差设定检验（RESET）（Regression Specification Error Test, RESET）：在多元回归模型中，检验函数形式的一般性方法。
它是对原OLS 估计拟合值的平方、三次方以及可能更高次幂的联合显著性的F 检验。
怀特检验（White Test）：异方差的一种检验方法，涉及到做OLS 残差的平方对OLS 拟合值和拟合值的平方的回归。
这种检验方法的最一般的形式是，将OLS 残差的平方对解释变量、解释变量的平方和解释变量之间所有非多余的交互项进行回归。
计量经济学名词解释全
计量经济学名词解释全 Last revised by LE LE in 2021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。
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。
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的客观存在的数量关系为内容的分支学科。
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，用随机性的数学方程加以描述。
截面数据：截面数据是许多不同的观察对象在同一时间点上的取值的统计数据集合，可理解为对一个随机变量重复抽样获得的数据。
时间序列数据：把反映某一总体特征的同一指标的数据，按照一定的时间顺序和时间间隔排列起来，这样的统计数据称为时间序列数据面板数据：指时间序列数据和截面数据相结合的数据。
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）。
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。
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）。
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。
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。
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。
总离差平方和：用TSS表示，用以度量被解释变量的总变动。
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。
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。
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。
R表示，该值越接近1，模型对样本拟合优度检验：检验模型对样本观测值的拟合程度，用2观测值拟合得越好。
计量经济学术语说明
计量经济学术语说明计量经济学是经济学中的一门重要分支，它运用统计学和数学方法对经济现象进行定量分析和解释。
在计量经济学领域，有许多特定的概念和术语，下面将对一些常用的计量经济学术语进行说明。
首先是最小二乘法，也就是OLS（Ordinary Least Squares）方法。
最小二乘法是解决线性回归模型的常用方法。
它通过最小化实际观测值与回归模型估计值之间的差异的平方和来确定模型的参数估计值。
最小二乘法在经济学研究中广泛应用，可以用来估计变量之间的关系以及做出预测。
其次是工具变量（Instrumental Variables）。
在计量经济学中，有时候变量之间可能存在内生性问题，即变量之间的相关性不仅仅因果关系所致。
为了解决这个问题，我们可以使用工具变量。
工具变量需要满足两个条件：首先，它与内生变量之间存在相关性；其次，它与因变量之间没有直接相关性。
通过使用工具变量，我们可以解决内生性问题，并得到一致的估计结果。
接下来是异方差（Heteroscedasticity）。
异方差是指随着自变量的变化，随机误差项的方差不是常数。
当存在异方差时，我们无法得到有效的OLS估计结果。
为了解决异方差问题，我们可以使用加权最小二乘法对模型进行估计，或者进行异方差稳健的标准误估计。
此外，还有共线性（Multicollinearity）。
共线性是指在多元线性回归模型中，自变量之间存在高度相关性。
共线性会导致模型的变量间关系不明确，参数估计值不准确。
为了解决共线性问题，我们可以使用主成分分析进行降维，或者剔除相关性较高的变量。
另外一个重要的术语是误差项（Error Term）。
误差项是指在经济模型中无法被解释的部分，它包括了所有未观测到的影响因素。
误差项是经济学分析中不可或缺的一部分，它可以代表我们的模型中没有考虑到的其他因素对结果的影响。
此外，还有解释变量（Explanatory Variable）和被解释变量（Dependent Variable）。
计量经济学(重要名词解释).(精选)
——名词解释将因变量与一组解释变量和未观测到的扰动联系起来的方程，方程中未知的总体参数决定了各解释变量在其他条件不变下的效应。
与经济分析不同，在进行计量经济分析之前，要明确变量之间的函数形式。
经验分析（Empirical Analysis）：在规范的计量分析中，用数据检验理论、估计关系式或评价政策有效性的研究。
确定遗漏变量、测量误差、联立性或其他某种模型误设所导致的可能偏误的过程线性概率模型（LPM）（Linear Probability Model, LPM）：响应概率对参数为线性的二值响应模型。
没有一个模型可以通过对参数施加限制条件而被表示成另一个模型的特例的两个（或更多）模型。
有限分布滞后（FDL）模型（Finite Distributed Lag (FDL) Model）：允许一个或多个解释变量对因变量有滞后效应的动态模型。
布罗施-戈弗雷检验（Breusch-Godfrey Test）：渐近正确的AR（p）序列相关检验，以AR（1）最为流行；该检验考虑到滞后因变量和其他不是严格外生的回归元。
布罗施-帕甘检验（Breusch-Pagan Test）/（BP Test）：将OLS 残差的平方对模型中的解释变量做回归的异方差性检验。
若一个模型正确，则另一个非嵌套模型得到的拟合值在该模型是不显著的。
因此，这是相对于非嵌套对立假设而对一个模型的检验。
在模型中包含对立模型的拟合值，并使用对拟合值的t 检验来实现。
回归误差设定检验（RESET）（Regression Specification Error Test, RESET）：在多元回归模型中，检验函数形式的一般性方法。
它是对原OLS 估计拟合值的平方、三次方以及可能更高次幂的联合显著性的F 检验。
怀特检验（White Test）：异方差的一种检验方法，涉及到做OLS 残差的平方对OLS 拟合值和拟合值的平方的回归。
这种检验方法的最一般的形式是，将OLS 残差的平方对解释变量、解释变量的平方和解释变量之间所有非多余的交互项进行回归。
计量经济学名词解释
计量经济学名词解释 Document number：NOCG-YUNOO-BUYTT-UU986-1986UT名词解释虚假序列相关: 虚假序列相关是指由于忽略了重要解释变量而导致模型出现的序列相关性无偏性: 所谓无偏性是指参数估计量的均值（期望）等于模型的参数值。
工具变量: 、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。
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。
虚假回归：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异方差性：在线性回归模型中，经典假设要求随机误差项具有0均值和同方差。
所谓异方差性是指这些随机误差项服从不同方差的正态分布。
过度识别:是指模型方程中有一个或几个参数有若干个估计值。
恰好识别:是指对联立方程模型，我们能够唯一地估计出模型的参数 相对资本密集度:假设在生产活动中除了技术以外，只有资本与劳动两种劳动要素，定义两要素的产出弹性之比为相对资本密集度，用w 表示。
即 K L E E w / 简化式模型: 用所有先决变量作为每一个内生变量的解释变量，所形成的模型称为简化式模型。
中性技术进步: 技术进步前后，相对资本密集度不变，即劳动的产出弹性与资本的产出弹性同步增长行为方程: 描述经济系统中变量之间行为关系的结构式方程。
先决变量: 外生变量和内生变量的滞后变量相关分析：主要研究随机变量间的相关形式及相关程度。
回归分析：研究一个变量关于另一个变量的依赖关系的计算方法和理论。
高斯马尔科夫定理：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。
高斯马尔科夫假定：(1)模型设立正确 (2)无完全共线性 (3)可识别性 (4) 零均值、同方差。
无序列相关假定(5) 解释变量与随机项不相关计量经济学模型：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。
计量经济学名词解释全
计量经济学名词解释全Newly compiled on November 23, 2020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。
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。
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的客观存在的数量关系为内容的分支学科。
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，用随机性的数学方程加以描述。
截面数据：截面数据是许多不同的观察对象在同一时间点上的取值的统计数据集合，可理解为对一个随机变量重复抽样获得的数据。
时间序列数据：把反映某一总体特征的同一指标的数据，按照一定的时间顺序和时间间隔排列起来，这样的统计数据称为时间序列数据面板数据：指时间序列数据和截面数据相结合的数据。
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）。
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。
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）。
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。
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。
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。
总离差平方和：用TSS表示，用以度量被解释变量的总变动。
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。
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。
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。
R表示，该值越接近1，模型对样本拟合优度检验：检验模型对样本观测值的拟合程度，用2观测值拟合得越好。
计量经济学名词解释
名词解释：1、计量经济学：是以经济理论和经济数据的事实为依据，运用数学、统计学的方法，借助计算机为辅助工具，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。
2、虚拟变量数据：是人为构造的，用来表征政策等定性事实的数据。
3.回归平方和：用ESS 表示，是被解释变量的样本估计值与其平均值的离差平方和。
4、拟和优度检验：指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。
5、偏回归系数：在多元线性回归模型中，回归系数j β（j=1，2，……，k ）表示的是当控制其他解释变量不变的条件下，第j 个解释变量的单位变动对被解释变量平均值的影响，这样的回归系数称为偏回归系数。
6. 多重可决系数：“回归平方和”与“总离差平方和”的比值，用2R 表示。
7、修正的可决系数：用自由度修正多重可决系数2R 中的残差平方和与回归平方和。
8、回归方程的显著性检验（F 检验）：对模型中被解释变量与所有解释变量之间的线性关系在总体上是否显著做出推断。
9、回归参数的显著性检验（t 检验）：当其他解释变量不变时，某个回归系数对应的解释变量是否对被解释变量有显著影响做出推断。
10、正规方程组：指采用OLS 法估计线性回归模型时，对残差平方和关于各参数求偏导，并令偏导数为零后得到的一组方程，其矩阵形式为X X X Y β''= 。
11、多重共线性: 解释变量之间精确的线性关系和解释变量之间近似的线性关系。
12、完全的多重共线性: 解释变量的数据矩阵中，至少有一个列向量可以用其余的列向量线性表示。
13、辅助回归: 多元线性回归模型，分别以每个解释变量为被解释变量，做对其他解释变量的回归。
14、方差扩大因子VIF j: 1除以（1-多重可决系数的平方），决定了方差和协方差增大的速度。
15、逐步回归法: 将变量逐个的引入模型，每引入一个解释变量后，都要进行F 检验，并对已经选入的解释变量逐个进行t 检验。
计量经济学名词解释
计量经济学名词解释计量经济学是研究经济现象和经济理论运用数学和统计学方法进行定量分析的学科。
下面是一些计量经济学常用的名词及其解释。
1. 回归分析（Regression Analysis）：回归分析是计量经济学中最常用的一种定量方法，用于研究因变量与一个或多个自变量之间的关系。
通常通过估计回归方程来进行分析，并使用统计方法评估估计结果的可信度。
2. 多元回归（Multiple Regression）：多元回归是回归分析的一种扩展形式，用于研究因变量与多个自变量之间的关系。
多元回归可以更准确地解释和预测因变量，但也需要更多的数据和更复杂的统计分析。
3. 面板数据（Panel Data）：面板数据是指在一段时间内对多个个体或单位进行多次观测的数据。
计量经济学通过面板数据可以分析个体间的差异和个体内部的动态变化，提供了更丰富的信息。
4. 差分法（Difference-in-Differences）：差分法是一种处理定量数据的方法，用于评估某个政策或干预对于因变量的影响。
该方法通过比较干预组与非干预组的变化差异来分析干预的效果。
5. 处理选择偏误（Selection Bias）：处理选择偏误是指由于个体自愿参与某个处理或实验，导致样本不代表总体的情况。
计量经济学使用各种方法来解决处理选择偏误，以确保研究结果的准确性。
6. 仪器变量（Instrumental Variables）：仪器变量是一种用于解决内生性问题的方法。
在计量经济学中，内生性指的是自变量与误差项存在相关关系。
仪器变量通过引入与自变量相关但与误差项不相关的变量来解决内生性问题，提高估计结果的准确性。
7. 广义矩估计（Generalized Method of Moments，GMM）：广义矩估计是一种估计模型参数的方法，它基于矩条件的经济模型，通过最大化矩条件以估计未知参数。
广义矩估计不需要对误差项分布做出强假设，适用于更广泛的经济模型。
8. 时间序列分析（Time Series Analysis）：时间序列分析是研究一系列时间上连续排列的观测值的经济统计方法。
计量经济学名词解释全
计量经济学名词解释全文档编制序号：[KKIDT-LLE0828-LLETD298-POI08]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。
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。
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的客观存在的数量关系为内容的分支学科。
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，用随机性的数学方程加以描述。
截面数据：截面数据是许多不同的观察对象在同一时间点上的取值的统计数据集合，可理解为对一个随机变量重复抽样获得的数据。
时间序列数据：把反映某一总体特征的同一指标的数据，按照一定的时间顺序和时间间隔排列起来，这样的统计数据称为时间序列数据面板数据：指时间序列数据和截面数据相结合的数据。
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）。
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。
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）。
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。
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。
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。
总离差平方和：用TSS表示，用以度量被解释变量的总变动。
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。
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。
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。
计量经济学术语说明
序列直方图：Mean 均值, median 中位数, maximum 最大值, minimum 最小值, Std.Dev 标准差, skewness 偏度, kurtosis 峰度, “arque-bera 统计量及其概率probability ”说明：正态分布的偏度S=0，呈对称分布。
若样本序列的S>0，则呈右偏分布；否则呈左偏分布。
正态分布的峰度K=3，若样本序列的K>3，则序列分布的尾部比正态分布的尾部厚，其分布呈现出“高瘦”形状，即“尖峰”；否则其分布的尾部比正态分布的尾部薄，其分布呈现出“矮胖”的形状。
大多数金融时间序列呈“尖峰厚尾、非对称分布”。
Jarque-Bera 检验统计量用来初步检验某个分布是否为正态分布。
在序列观测值为正态分布的原假设下，Jarque-Bera 统计量服从2(2)χ分布，可以根据Jarque-Bera 统计量的概率值P 来决定是否拒绝零假设。
若P 大于检验水平α，则不能拒绝样本序列服从正态分布的原假设。
线性回归：Variable 变量，coefficient 系数std.error 回归方程系数估计值标准误差，其主要用于衡量回归系数的统计可靠性，标准误差越大，说明回归系数估计值越不精确。
t-statistic 是回归系数的 T 统计量，用于检验某个系数是否显著的异于零。
Prob.是t 统计量值的双侧概率（P 值），若P 小于检验水平，说明相应的系数估计值显著的异于零；否则系数不显著。
如：在5%显著性水平下，如果P 值小于0.05，就拒绝原假设，否则接受原假设，认为他们对模型的因变量（Y ）没有影响。
R-squanred 决定系数R^2, 较大则说明模型对因变量拟合得较好，模型中的解释变量能够解释因变量变动的很大一部分。
（R^2并不是判断模型拟合好坏的唯一指标，回归模型的R^2较小，并不一定说明模型拟合程度很差。
有时，如果回归方程中没有截距项或常数项，或者使用了两阶段最小二乘法（TSLS ），则R^2可能为负数。
计量经济学术语（诠释）
计量经济学术语（诠释）A校正R2（Adjusted R-Squared）：多元回归分析中拟合优度的量度，在估计误差的方差时对添加的解释变量用一个自由度来调整。
对立假设（Alternative Hypothesis）：检验虚拟假设时的相对假设。
AR（1）序列相关（AR(1) Serial Correlation）：时间序列回归模型中的误差遵循AR（1）模型。
渐近置信区间（Asymptotic Confidence Interval）：大样本容量下近似成立的置信区间。
渐近正态性（Asymptotic Normality）：适当正态化后样本分布收敛到标准正态分布的估计量。
渐近性质（Asymptotic Properties）：当样本容量无限增长时适用的估计量和检验统计量性质。
渐近标准误（Asymptotic Standard Error）：大样本下生效的标准误。
渐近t 统计量（Asymptotic t Statistic）：大样本下近似服从标准正态分布的t统计量。
渐近方差（Asymptotic Variance）：为了获得渐近标准正态分布，我们必须用以除估计量的平方值。
渐近有效（Asymptotically Efficient）：对于服从渐近正态分布的一致性估计量，有最小渐近方差的估计量。
渐近不相关（Asymptotically Uncorrelated）：时间序列过程中，随着两个时点上的随机变量的时间间隔增加，它们之间的相关趋于零。
衰减偏误（Attenuation Bias）：总是朝向零的估计量偏误，因而有衰减偏误的估计量的期望值小于参数的绝对值。
自回归条件异方差性（Autoregressive Conditional Heteroskedasticity, ARCH）：动态异方差性模型，即给定过去信息，误差项的方差线性依赖于过去的误差的平方。
一阶自回归过程[AR（1）]（Autoregressive Process of Order One [AR(1)]）：一个时间序列模型，其当前值线性依赖于最近的值加上一个无法预测的扰动。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
序列直方图：
Mean 均值, median 中位数, maximum 最大值, minimum 最小值, Std.Dev 标准差, skewness 偏度, kurtosis 峰度, “arque-bera 统计量及其概率probability ”
说明：正态分布的偏度S=0，呈对称分布。
若样本序列的S>0，则呈右偏分布；否则呈左偏分布。
正态分布的峰度K=3，若样本序列的K>3，则序列分布的尾部比正态分布的尾部厚，其分布呈现出“高瘦”形状，即“尖峰”；否则其分布的尾部比正态分布的尾部薄，其分布呈现出“矮胖”的形状。
大多数金融时间序列呈“尖峰厚尾、非对称分布”。
Jarque-Bera 检验统计量用来初步检验某个分布是否为正态分布。
在序列观测值为正态分布的原假设下，Jarque-Bera 统计量服从2(2)χ分布，可以根据Jarque-Bera 统计量的概率值P 来决定是否拒绝零假设。
若P 大于检验水平α，则不能拒绝样本序列服从正态分布的原假设。
线性回归：
Variable 变量，coefficient 系数
std.error 回归方程系数估计值标准误差，其主要用于衡量回归系数的统计可靠性，标准误差越大，说明回归系数估计值越不精确。
t-statistic 是回归系数的 T 统计量，用于检验某个系数是否显著的异于零。
Prob.是t 统计量值的双侧概率（P 值），若P 小于检验水平，说明相应的系数估计值显著的异于零；否则系数不显著。
如：在5%显著性水平下，如果P 值小于0.05，就拒绝原假设，否则接受原假设，认为他们对模型的因变量（Y ）没有影响。
R-squanred 决定系数R^2, 较大则说明模型对因变量拟合得较好，模型中的解释变量能够解释因变量变动的很大一部分。
（R^2并不是判断模型拟合好坏的唯一指标，回归模型的R^2较小，并不一定说明模型拟合程度很差。
有时，如果回归方程中没有截距项或常数项，或者使用了两阶段最小二乘法（TSLS ），则R^2可能为负数。
）（R-squared 是模型中所有自变量对因变量的整体拟合效果的度量，但是并不是越高越好，因为自变量越多，R2就越高，由此有了ADJUSTED R-squared,这个指标就剔除了自由度的影响。
）
Adjusted R-squared 修整决定系数R^2,
Mean dependent var 被解释变量均值
S.D.dependentvar 被解释变量标准差
S.E.of regression 回归标准误差，用于度量残差的大小。
大约67%的残差将位于正负一个标准误差范围之内，而95%的残差将位于正负两个标准误差范围之内。
Akaike info criterion 赤池信息准则（AIC ）和Schwarz criterion 施瓦兹信息准则（SC ）。
AIC 信息准则和SC 准则用于评价模型的好坏，一般要求AIC 值或SC 值越小越好。
当选择变量的滞后阶数（如协整检验中），可以通过选择使AIC 或SC 达到最小的滞后分布长度。
Sum squared resid 残差平方和RSS ，越小越好，可以用作某些检验的输入值（如F 检验）。
Log likelihood 是对数似然值（简记L ），是基于极大似然估计得到的统计量，在线性回归中，其计算公式为：2log 2log 222
n n n L πσ=--- 。
对数似然值用于说明模型的精确性，L 越大说明模型越精确。
同时，可以通过比较有条件约束方程和无条件约束方程的对数似然估计值的差异进行似然比检验。
L 越大越好，实际上右边的AIC,SC 就是根据它计算的，AIC 和SC 是越小越好，它们是为了选择最佳滞后期。
F-statistic 和Prob (F-statistic)分别是F 统计量极其相应的概率即P 值，用于对方程的整体显著性进行检验。
F 检验是一个所有系数估计值都不为零的联合检验，即使所有系数的t 统计量都是不显著的，F 统计量也可能是显著的。
F 统计量越大模型整体越显著，根据上面提到的
R2，残差平方和（SSR ）计算得到。
Durbin-watson stat 是DW 统计量，用于检验残差序列的自相关性，其计算公式为：
2
112
22211()..2(1)n n
t t t t t t n n t t t t u u u u DW u
u --====-=≈-∑∑∑∑ 。
Durbin 和Watson 给出了在5%和1%显著水平下，不同样本量n 和自变量个数k 检验的临界值，用户可以将Durbin-Watson 统计量值与临界值进行比较，从而判断模型的残差序列是否存在自相关。
一般，如果DW 统计量值比2小很多，说明该序列存在正的自相关。
DW 统计量值在2左右比较好，但是前提是模型中没有因变量的滞后期。
一旦有因变量的滞后期了，就不能相信这个统计量了，应该看LM 统计量。