专业英语——计量经济学

Econometrics

         25考研结束啦，很多同学都对自己进行了估分，估完分就到了要准备复试的环节了，对于很多同学来说口语是最难的一部分，今天为同学们准备了计量经济学的专业英语词汇。可以持续关注新东方考研网，为你提供广西历年研究生资讯信息，帮助大家了解名种研究生相关信息。

一、名词解释

1.广义计量经济学 the generalized econometrics
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。

2.狭义计量经济学 the narrow econometrics
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。

3.总体回归函数  population regression function (PRF)
总体回归函数指在给定 条件下Y分布的总体均值与 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）。

4.样本回归函数 Sample Regression Function (SRF)
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。

5.线性回归模型 linear regression model
线性回归模型指参数β为线性的，即解释变量与参数β只以他们的1次方出现。

6.随机干扰项stochastic disturbance term
即随机误差项，是一个随机变量，是针对总体回归函数而言的。

7.残差项 residual term
残差项是一随机变量，是针对样本回归函数而言的。

8.条件期望 conditional expectation
即条件均值，指X取特定值 时Y的期望值。

9.回归系数 regression coefficient
回归模型中 等未知但却是固定的参数。

10.回归系数的估计量 the estimate of regression coefficients
回归系数的估计量指用 等表示的用已知样本提供的信息所估计出来总体未知参数的结果。

11.最小二乘法 least-squares method
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。

12.最大似然法 Maximum Likelihood (ML)
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。

13.估计量的标准差 standard deviations of estimator
度量一个变量变化大小的测量值。

14.总离差平方和 Sum of Squares for Total
用TSS表示，用以度量被解释变量的总变动。

15.回归平方和 Explained Sum of Squares
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。

16.残差平方和 residual sum of squares
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。

17.协方差 covariance
用 表示，度量X,Y两个变量关联程度的统计量。

18.拟合优度检验 goodness of fit test
检验模型对样本观测值的拟合程度，用 表示，该值越接近1，模型对样本观测值拟合得越好。

19. 相关分析 correlation analysis
研究随机变量间的相关形式。

20.回归分析 egression analysis
研究一个变量关于另一个（些）变量的依赖关系的计算方法和理论。

21.多元线性回归模型 multivariable linear regression model
在现实经济活动中往往存在一个变量受到其他多个变量的影响的现象，表现为在线性回归模型中有多个解释变量，这样的模型成为多元线性回归模型，多元指多个变量。

22.偏回归系数 partial regression coefficient
在多元回归模型中，每一个解释变量前的参数即为偏回归系数，它测度了当其他解释变量保持不变时，该变量增加1个单位对解释变量带来的平均影响程度。

23.多重共线性 Multicollinearity
指多个解释变量间存在线性相关的情形。如果存在完全的线性相关性，则模型的参数就无法求出，OLS回归无法进行。

24.受约束回归 restricted regression
在实际经济活动中，常常需要根据经济理论对模型中变量的参数施加一定的约束条件，对模型参数施加约束条件后进行回归。

25.无约束回归 Unrestricted regression
无需对模型中变量的参数施加约束条件进行的回归。

26.异方差性 heteroscedasticity
对于不同的解释向量，被解释变量的随机误差项的方差不再是常数，而互不相同，则认为出现了异方差性。

27.序列相关性 serial correlation
如果对于不同的解释向量，随机误差项之间不再是不相关的，而是存在某种相关性，则认为出现了序列相关性。

28.多重共线性 Multicollinearity
如果某两个或多个解释变量之间出现了相关性，则称为多重共线性。

29.随机解释变量问题 random explanatory variable
如果存在一个或多个随机变量作为解释变量，则称原模型出现随机解释变量问题。

30.虚拟变量 dummy variable
根据某些变量的属性类型，构造只取“0”或“1”的人工变量，通常称为虚拟变量。

31.虚拟变量模型model of the dummy variable
同时含有一般解释变量与虚拟变量的模型称为虚拟变量模型或者方差分析模型。

32.伪回归 spurious regression
是指变量间本不存在相依关系，但回归结果却得出存在相依关系的错误结论。

33.内生变量 endogenous variables
是指模型要解释的变量，是由模型决定的变量。

34.外生变量 exogenous variable
指由模型以外的因素所决定的已知变量，它是模型据以建立的外部条件。外生变量决定内生变量，外生变量的变化会引起内生变量的变化。

35. 单位根检验 unit root test
单位根检验是指检验序列中是否存在单位根，因为存在单位根就是非平稳时间序列了。

36. 协整 cointegration
是指多个非平稳变量的某种线性组合是平稳的。

37. 滞后变量模型 lag variable models
把过去时期的，具有滞后作用的变量叫做滞后变量，含有滞后变量的模型称为滞后变量模型。 

38. 动态模型 dynamic mode
含有滞后解释变量的模型，又称动态模型。

39. 分布滞后模型 distributed-lag model
如果滞后变量模型中没有滞后被解释变量，仅有解释变量X的当期值及其若干期的滞后值，则成为分布滞后模型。

40. 自回归模型 autoregression model
解释变量仅包含X的当期值与被解释变量Y的一个或多个滞后值的模型。

41.工具变量法 method of instrumental variable
是指在原模型的参数估计过程中用工具变量“替代”随机解释变量。 

二、简答题

1. 建立与应用计量经济学模型的主要步骤有哪些？
What are the main steps to build and apply econometric model?

建立与应用计量经济学模型的主要步骤包括：①设定理论模型，包括选择模型所包含的变量，确定变量之间的数学关系和拟定模型中待估参数的数值范围；②收集样本数据，要考虑样本数据的完整性、准确性、可比性和一致性；③估计模型参数；④检验模型，包括经济意义检验、统计检验、计量经济学检验和模型预测检验。

① The first step is to set up the theoretical models including choosing all the variables, and deciding their mathematical relationships and numeric range parameters to be estimated in the established model. 

② The second is to collect sample data in the aspect of integrality, accuracy, comparability and consistency. 

③ Then test the model parameter. 

④ Last, test the model in the following aspects, namely, the prediction of economic significance, statistic, econometric and model prediction.

2. 模型的检验包括哪些方面？
What does the test of model consist?

模型的检验主要包括经济意义检验、统计检验、计量经济学检验和模型的预测检验四个方面。

It mainly consists four parts: the prediction of economic significance, statistic, econometric and model prediction.

3. 简述相关分析和回归分析的联系和区别。
Please briefly introduce the relation and distinction between correlation analysis and regression analysis.

相关分析与回归分析既有联系又有区别。

首先，两者都是研究非确定性变量间的统计依赖关系，并能测度线性依赖程度的大小。

其次，两者间又有明显的区别。相关分析仅仅是从统计数据上测度变量间的相关程度，而无需考察两者间是否有因果关系，变量的地位是对称的；回归分析则更关注具有统计相关关系的变量间的因果关系分析，变量的地位是不对称的，有解释变量和被解释变量之分，而且解释变量也往往被假设为非随机变量。再次，相关分析只关注变量间的联系程度，不关注具体的依赖关系；而回归分析则更加关注变量间的具体依赖关系，因此可以进一步通过解释变量的变化来估计或预测被解释变量的变化，达到深入分析变量间依存关系，掌握其运动规律的目的。

There are both similarities and differences. In the first place, both of them focus on studying statistical and dependence relationship among indeterminate variables and measure the degree of linear dependency.

Second, there exists a distinctive difference. Correlation analysis is just to measure the correlation among different variables statistically, but it is not necessary to examine whether there exist some causal relationships, symmetry of variable linear regression focuses on causal relationship among different variables but not for symmetry of variable. Between explanatory variable and explained variable, the former is often regard as nonrandom variable.

Next, correlation analysis only centers on the degree of association between variables but not specific association while linear regression pays attention to specific association. Therefore, we can explain and predict the change of explained variable through the variation of the explanatory variable to further analyze their interdependent relationship and grasp the rules of their movement.

4. 简述最大似然法和最小二乘法依据的不同原理。
Briefly introduce the different principles that method of the maximum likelihood and the least square method are based on.

对于最小二乘法，当从模型总体随机抽取n组样本观测值后，最合理的参数估计量应该使得模型能最好地拟合样本数据；而对于最大似然法，当从模型总体随机抽取n组样本观测值后，最合理的参数估计量应该使得从模型中抽取该n组样本观测值的概率最大。

First, for the least square method, when we randomly choose n groups of samples from the overall model, the most reasonable estimators of parameters should make the model perfectly fit the sample data; As for the maximum likelihood, again, when we randomly take out of n groups of sample to observe, the most proper estimators of parameters should have the highest probability of the observed value from the chosen samples.

5. 简述最小二乘估计量的性质。
Please briefly introduce the property of the least squares estimator.

（1）线性性，即它是否是另一随机变量的线性函数；

（2）无偏性，即它的均值或期望值是否等于总体的真实值；

（3）有效性，即它是否在所有线性无偏估计量中具有最小方差。

（4）渐近无偏性，即样本容量趋于无穷大时，是否它的均值序列趋于总体真值；

（5）一致性，即样本容量趋于无穷大时，它是否依概率收敛于总体的真值；

（6）渐近有效性，即样本容量趋于无穷大时，是否它在所有的一致估计量中具有最小的渐近方差。

(1) Linearity: whether it is a linear function of another random variable.

(2) Unbiasedness: whether its mean value or expected value equals to the total actual value.

(3) Validity: whether there is a minimum variance of all the linear unbiased estimator.

(4) Asymptotic unbiasedness: when the sample size goes to infinity, whether the mean value tends to the total actual value.

(5) Consistency: when the sample size goes to infinity, whether it goes to the total actual value according to the probability convergence. 

(6) The asymptotic validity: when the sample size goes to infinity, whether all its consistent estimator exists the minimum asymptotic variance.

6. 什么是“虚拟变量陷阱”？
What is the “dummy variable trap”?

一般在引入虚拟变量时要求如果有m个定性变量，只在模型中引入m-1个虚拟变量。否则，如果引入m个虚拟变量，就会导致模型解释变量间出现完全共线性的情况。我们一般称由于引入的虚拟变量个数与定性因素个数相同时出现的模型无法估计的问题，称为“虚拟变量陷阱”。

When we introduce the “dummy variable trap”, if there are m qualitative variable, only m-1 dummy variable are needed. Otherwise, there are m dummy variable, the model will explain that all variables are in a total colinearity. “Dummy variable trap” is often referred to the model failing to work because the number of dummy variable equals to the number of qualitative factors.

7. 回归模型中引入虚拟变量的作用是什么？有哪几种基本的引入方式？
What is the function of introducing dummy variables into regression model? How many ways of introduction are there?

在模型中引入虚拟变量，主要是为了寻找某（些）定性因素对解释变量的影响。在虚拟变量的基本引入方式中，加法方式与乘法方式是最主要的引入方式，前者主要适用于定性因素对截距项产生影响的情况，后者主要适用于定性因素对斜率项产生影响的情况。除此外，还可以加法与乘法组合的方式引入虚拟变量，这时可测度定性因素对截距项与斜率项同时产生影响的情况。

The purpose of introducing a dummy variable into regression model is to look for the influence of qualitative factors on explanatory variables. Among all the leading-in methods, addition model and multiplicative model are the most common ones. The former is mainly used to define the influence of qualitative factor on intercept term while the latter is often used to define the influence of qualitative on slope item. Besides, we can also combine addition model and multiplicative model together to introduce the dummy variable. Then we can test the influence of qualitative factor on intercept term and slope item.

8. 滞后变量模型有哪几种类型？
How many types do lagged variables consist？

滞后变量模型有分布滞后模型和自回归模型两大类，前者只有解释变量及其滞后变量作为模型的解释变量，不包含被解释变量的滞后变量作为模型的解释变量；而后者则以当期解释变量与被解释变量的若干期滞后变量作为模型的解释变量。

Lagged variables include distributed-lagged model and autoregression model. The former only covers the explanatory variable in the model of explanatory variable and its lagged variable model, but does not consist the explanatory variable in the model of the lagged variables of explained variable. However, the latter is the explanatory variable in the model of some lagged variables of current explanatory variable and explained variable.

9. 分布滞后模型估计时遇到的主要问题有哪些？
What kind of major problems will you encounter when using distributed-lagged model to predict?

（1）分布滞后模型估计时遇到的主要问题有：对于无限期的分布滞后模型，由于样本观测值的有限性，使得无法直接对其进行估计。

（2）有限期的分布滞后模型，普通最小二乘回归会遇到如下问题：

① 没有先验准则确定滞后期长度；

② 如果滞后期较长，将缺乏足够的自由度进行统计检验；

③ ƒ同名变量滞后值之间可能存在高度线性相关，即模型可能存在高度的多重共线性。 

(1) The major problems one will encounter when using distributed-lagged model to predict include: as for the indefinite distributed-lagged model, it may be difficult to have a direct prediction because of the limited sample amount.

(2) When using limited distributed-lagged model, one may encounter the following questions as to the ordinary least square regression:

① There is no priori criterion to determine the length of lagged period.

② If the lagged period is longer, there is no enough freedom to conduct statistical test.

③ The model may have a high degree of multicollinearity.

10. 自回归模型估计时遇到的主要问题？
What major problems will you encounter when using autoregression model to predict?

自回归模型估计时遇到的主要问题有：

（1）滞后被解释变量的存在可能导致它与随机干扰项相关，以及随机干扰项出现序列相关性。

（2）局部调整模型则存在着滞后被解释变量 与随机干扰项的异期相关性问题。

(1) The existence of lagged explained variable is likely to lead to itself connecting with other random disturbance items.

(2) Partial adjustment model may have the issue of anomalous correlation between the lagged and explained variable  and other random disturbance items.