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。
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。
辅助回归(Auxiliary Regression):用于计算检验统计量——例如异方差性和序列相关的检验统计量——或其他任何不估计主要感兴趣的模型的回归。
平均值(Average):n个数之和除以n。
基期值(Base Value):指定的基期的值,用以构造指数数字;通常基本值为1或100。
最优线性无偏估计量(Best Linear Unbiased Estimator, BLUE):在所有线性、无偏估计量中,有最小方差的估计量。在高斯—马尔科夫假定下,OLS是以解释变量样本值为条件的BLUE 。
偏误(Bias):估计量的期望参数值与总体参数值之差。
偏误估计量(Biased Estimator):期望或抽样平均与假设要估计的总体值有差异的估计量。
向零的偏误(Biased Towards Zero):描述的是估计量的期望绝对值小于总体参数的绝对值。
二值响应模型(Binary Response Model):二值因变量的模型。
两变量回归模型(Bivariate Regression Model):见简单线性回归模型。
BLUE(BLUE):见最优线性无偏估计量。
Breusch-Godfrey 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。
其余条件不变(Ceteris Paribus):其他所有相关因素均保持固定不变。
经管学苑
快来,点在看啦