计量经济学重点知识归纳 (二).pdfVIP

L一般最小二乘法(Ordinal7LeastSquares,OLS)：已知一组样本观测值

{(Xj*):i=l,2…,〃},一般最小二乘法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%与真实观测点Yt的“总体误差”尽可能地小。一般

最小二乘法给出的推断标准是：被解释变量的估量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一般最小二乘法更普遍的意义，

或者说一般最小二乘法只是加权最小二乘法中权恒取1时的一种特别状况.从今

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，然后采纳一般最小二乘法估量其参数。

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

参数估量方法。

5.两阶段最小二乘法2SLS,TwoStageLeastSquares：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量方

法。

.间接最小二乘法ILS：间按最小二乘法是先对关于内生解释变量的简化式方程

采纳一般小最二乘法估量简化式参数，得到简化式参数估量量，然后过通参数关

系体系，计算得到结构式参数的估量量的一种方法。

7,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，则认为消失了异方差性。

8.序列相关性SerialCorrelation：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。假如模型的随机干扰项违反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Multicullinearity：对于模型

X=凡+四X“+eX,2+…+凤X次+从，其基本假设之一是解释变量Xl,X2,…,Xk

是相互独立的。假如某两个或多个解释变量之间消失了相关性，则称为存在多重

共线性。

10.时间序列数据:时间序列数据是一批依据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EndogenousVariables：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量的元素。内生变量是由模型系统打算的，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ExogenousVariables：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讨论的元素。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PredeterminedVariables：外生变量与滞后内生变量(Lagged

EndogenousVariables)统称为先决变量。

1.总滴差平方和：55=y/=y(y-r)2称为总离差平方和，反映样本观

测值总体离差的大小。

17.残差平方和：Rss=£d=Z(X-Ry称为残差平方和，反映样本观测

值与估量值偏离的大小，也是模型中解释变量未解释的那部分别差的大小。

18.回归平方和：Ess=yy(2_力反映由模型中解释变量所解释的那

部分别差的大小。乙•，乙‘

19.可决系数coefficientofdetermination:可决系数R2是检验模型拟合优度的

指标，尺2=段=1壁小2越接近于］,模型的拟合优度越高。

TSSTSS

20.随机干扰项stochasticdisturbance:〃称为观看值I韦I绕它的期望值E(YX)

的离差(deviation),汜从二匕一比丫I,它是一个不行观测的随机变量，

称为随机误差项(stochasticerror),通常又不加区分地称为随机干扰项()。

2