Глоссарий по эконометрике

Материал из Викиверситета
Перейти к навигации Перейти к поиску

Эконометрика – это наука об измерении и анализе экономических явлений и их взаимосвязей. Зарождение эконометрики является следствием междисциплинарного подхода к изучение экономики. Эта наука возникла в результате взаимодействия и объединения трех компонентов: экономической теории, статистических и математических методов. Впоследствии к ним присоединилась вычислительная техника как условие развития эконометрики.

А[править]

Адекватная модель — модель, для которой ряд возмущений будет удовлетворять основным предпосылкам регрессионного анализа.

Адекватность модели – соответствие построенной модели моделируемому реальному экономическому объекту или процессу.

Алгебраическое дополнение элемента aij — произведение соответствующего минора, умноженного на минус единицу в степени (i+j), где i — номер строки матрицы, j — номер столбца матрицы.

Алгоритм — система правил, определяющая содержание и последовательность операций, переводящих исходные данные в конечный результат; свойства алгоритма — детерминированность, результативность и массовость.

Альтернативная (конкурирующая) гипотеза — гипотеза, которая является логическим отрицанием нулевой гипотезы.

Априорный этап – начальный этап эконометрического моделирования, на котором проводится анализ сущности изучаемого объекта, формирование и формализация априорной (известной до начала моделирования)информации.

Б[править]

База данных — объективная форма представления и организации совокупности данных, систематизированных таким образом, чтобы эти данные могли быть найдены и обработаны с помощью электронных вычислительных машин; совокупность специальным образом организованных данных и связей между ними.

«Белый шум» — простейший пример временного ряда, у которого математическое ожидание равно нулю, а ошибки Ԑt некоррелированы. Возмущения (ошибки)Ԑt в классической линейной регрессионной модели образуют «белый шум», а в случае нормального распределения — нормальный (гауссовский) «белый шум».

В[править]

Выборочный частный коэффициент корреляции — отношение алгебраического дополнения Aij, умноженного на минус единицу, к корню квадратному из произведения алгебраических дополнений элементов rij, и rji матрицы выборочных коэффициентов корреляции.

Выборочная доля – доля единиц выборочной совокупности, обладающих заданным значением признака. Выборочная доля – состоятельная, несмещенная и эффективная точечная оценка генеральной доли.

Выборочная дисперсия – характеристика рассеяния случайной величины для выборочной совокупности. Исправленная выборочная дисперсия является состоятельной, несмещенной и эффективной точечной оценкой генеральной дисперсии.

Выборка из генеральной совокупности — совокупность результатов, полученная при непосредственном проведении испытаний; часть единиц генеральной совокупности, подлежащей непосредственному наблюдению. Число элементов выборки является конечным и называется объемом выборки.

Выборка – совокупность объектов, случайным образом отобранная из генеральной совокупности с целью исследования.

Временной (динамический) ряд, или ряд динамики — выборка наблюдений, в которой важны не только сами наблюдаемые значения случайных величин, но и порядок их следования друг за другом. Чаще всего упорядоченность обусловлена тем, что экспериментальные данные представляют собой серию наблюдений одной и той же случайной величины в последовательные моменты времени. В этом случае динамический ряд называется временным рядом. При этом предполагается, что тип распределения наблюдаемой случайной величины остается одним и тем же (например, нормальным), но параметры его меняются в зависимости от времени. В экономике под временным рядом подразумевается последовательность наблюдений некоторого признака в последовательные моменты времени. Отдельные наблюдения называются уровнями ряда.

Временные ряды – это данные, характеризующие один и тот же объект в различные моменты времени (временной срез). Например, еженедельные данные по объему продаж фирмы или ежеквартальные данные по инфляции.

Взвешенный метод наименьших квадратов — применяется для отыскания параметра b и представляет собой обобщенный метод наименьших квадратов для модели с гетероскедастичностью, когда ковариационная матрица возмущений есть диагональная матрица.

Вероятность условная — вероятность события при условии наступления в данном испытании другого события; обозначается Р(А/В).

Вероятность Р(А) события А — численная мера степени объективной возможности появления события А', отношение числа исходов, благоприятствующих наступлению этого события, к общему числу равновозможных исходов (классическое определение вероятности).

Вероятностная (стохастическая или статистическая) зависимость — зависимость между двумя случайными величинами, причем каждому значению одной из них соответствует определенное (условное) распределение другой.

Вектор — упорядоченная совокупность n действительных чисел, записываемых в виде x = (x1, x2, … , xn), где xi — i-я компонента вектора x.

Вариации размах — разность между максимальным и минимальным значениями признака ряда распределения случайной величины.

Вариационный ряд — групповая таблица, построенная по количественному признаку, сказуемое которой показывает число единиц в каждой группе.

Вариация – изменение значений признака внутри изучаемой совокупности.

Г[править]

Гетероскедастичность – нарушение равенства дисперсий ошибок регрессии

Генеральная совокупность – совокупность всех мыслимых результатов наблюдения, которые могут быть получены в данных условиях. Различают конечные, содержащие конечное число элементов, и бесконечные, содержащие бесконечное число элементов, генеральные совокупности.

Гетероскедастичность – нарушение равенства дисперсий ошибок регрессии.

Гипотеза статистическая — различного рода предположения относительно характера или параметров распределения случайной переменной, которые можно проверить, опираясь на результаты наблюдений в случайной выборке.

Гистограмма — график статистической плотности распределения случайной величины.

Гомоскедастичность – свойство постоянства дисперсий ошибок регрессии.

Гомоскедастичность модели — свойство постоянства дисперсий ошибок регрессии ε для каждого значения xi, равенство дисперсий возмущений (ошибок) регрессии:ΣԐj = σ2Ԑn .

Градиент функции в точке М — вектор, координаты которого равны соответствующим частным производным данной функции в точке М; указывает направления наискорейшего роста функции и максимальную скорость роста, равную модулю градиента.

Группировка — расчленение, при котором группы образуются из элементов, качественно однородных в определенном отношении.

Групповая средняя – средняя, вычисленная для группы объектов.

Д[править]

Диверсификация — 1) разнообразие, разностороннее развитие; 2) инвестирование денег в различные ценные бумаги или вклад финансов в различные производства с целью уменьшения среднего риска.

Дисконтирование — приведение экономических показателей разных лет к сопоставимому по времени виду с помощью коэффициентов дисконтирования, основанных на вычислении сложных процентов.

Дискретная случайная величина — множество возможных значений случайной величины, число которых конечно или счетно.

Дисперсия D(X) случайной величины X — математическое ожидание квадрата ее отклонения от математического ожидания. Дисперсия характеризует отклонение (разброс, рассеяние, вариацию) значений случайной величины относительно среднего значения.

Дисперсионный анализ – статистический метод для оценки влияния различных факторов на результат эксперимента, а также для последующего планирования аналогичных экспериментов.

Дисперсия – характеристика рассеяния, разброса, вариации значений случайной величины относительно среднего значения. Дисперсией случайной величины называется математическое ожидание квадрата ее отклонения от математического ожидания.

Доверительная вероятность — достоверность (надежность) определения неизвестного значения параметра с помощью оценки параметра.

Доверительный интервал(при интервальной оценке неизвестного параметра генеральной совокупности) – числовой интервал, который с заданной доверительной вероятностью накрывает неизвестное значение параметра.

Ж[править]

З[править]

Зависимая переменная — в регрессионной модели некоторая переменная Y, являющаяся функцией регрессии с точностью до случайного возмущения.

Задача эконометрики – построение экономических моделей, оценка их параметров, проверка гипотез о свойствах экономических показателей, установление видов их взаимосвязей.

Задачи регрессионного анализа — установление формы зависимости между переменными, оценка функции регрессии, оценка неизвестных значений (прогноз значений) зависимой переменной.

Закон больших чисел — общий принцип, согласно которому, по формулировке академика А.Н.Колмогорова, совокупное действие большого числа случайных факторов приводит (при некоторых весьма общих условиях) к результату, почти не зависящему от случая. Другими словами, при большом числе случайных величин их средний результат перестает быть случайным и может быть предсказан с большой степенью определенности.

Закон распределения случайной величины — всякое соотношение, устанавливающее связь между возможными значениями случайной величины и соответствующими им вероятностями.

Значимость на уровне - для коэффициента уравнения регрессии это означает, что гипотезу о равенстве его нулю надо отбросить на уровне значимости.

И[править]

Испытание — наблюдение того или иного явления (события) при осуществлении определенного комплекса условий (наблюдение того же явления в других условиях считается другим испытанием).

Исследование операций — 1) научная дисциплина, объединяющая разнообразные задачи, связанные с проблемой принятия решений, и использующая общую методологию анализа этих задач; 2) применение математических, количественных методов для обоснования решений во всех областях человеческой деятельности.

временного ряда — построение для ряда остатков адекватной ARMA-модели, т.е. такой ARMA-модели, в которой остатки представляют собой «бе-лый шум», а все регрессоры значимы. Такое представление не единственное, напри-мер, один и тот же ряд может быть идентифицирован и с помощью AR-модели, и с помощью МА-модели. В этом случае выбирается наиболее простая модель.

Идентифицируемый структурный параметр — структурный параметр, который может быть однозначно оценен с помощью косвенного метода наименьших квадратов. Уравнение идентифицируемо, если идентифицируемы все входящие в него структурные параметры.

Индекс базисный — получают путем сопоставления с уровнем какого-либо одного периода, принятого за базу сравнения.

Индекс Доу-Джонсона — обобщающий ежедневный показатель деловой активности и рыночной конъюнктуры, рассчитываемый фондовой биржей как математическое ожидание курсов акций и других ценных бумаг ведущих компаний.

Интервальная оценка параметра — числовой интервал ( , ), который с заданной вероятностью накрывает неизвестное значение параметра . Интервал ( , ) называется доверительным, а вероятность — доверительной вероятно-стью, или надежностью оценки. Интервальной оценкой параметра называют числовой интервал (доверитель-ный интервал), который с заданной вероятностью накрывает неизвестное значение оцениваемого параметра. Интервальная оценка дает представление о точности и надежности точечной оценки параметра генеральной совокупности.

Интерполяция — нахождение по имеющимся данным за определенный период времени некоторых недостающих значений признака внутри данного периода.

Информация — факты, данные, наблюдения, расширяющие знания о предмете; сведения, которыми обмениваются люди, люди и технические устройства, технические устройства между собой; обмен сигналами в животном и растительном мире; передача признаков от клетки к клетке, от организма к организму.

К[править]

Квартиль — значения признака, которые делят ранжированный ряд на четыре равные по численности части.

Классификация — 1) научный метод, заключающийся в дифференциации всего множества объектов и последующем их объединении в определенные группы на основе какого-либо признака; 2) единообразное распределение явлений и объектов по группам и классам.

Классическая нормальная линейная модель множественной регрессии — модель, в которой зависимая переменная возмущения и объясняющие переменные удовлетворяют предпосылкам регрессионного анализа и предпосылке о невырожденности матрицы значений объясняющих переменных.

Ковариация (корреляционный момент) двух случайных величин – математическое ожидание произведения отклонений этих величин от своих математических ожиданий.

Концепция — 1) определенный способ понимания, трактовки какого-либо предмета, явления, процесса, основная точка зрения на них, руководящая идея для их систематического освещения; 2) ведущий замысел, конструктивный принцип различных видов деятельности.

Коррелированность – наличие линейной зависимости между двумя случайными величинами. Случайные величины X и Y называются коррелированными, если коэффициент корреляции отличен от нуля и некоррелированными в противном случае. Из независимости случайных величин X и Y следует их некоррелированность (равенство нулю коэффициента корреляции), но из некоррелированности не следует их независимость, т.е. равенство нулю коэффициента корреляции указывает на отсутствие линейной связи между переменными, но не на отсутствие связи между ними вообще.

Коррелограмма — график выборочной автокорреляционной функции.

Корреляция(от лат. «correlatio» - соотношение, взаимосвязь) - корреляционной зависимостью между двумя переменными величинами называется функциональная зависимость между значениями одной из них и условным математическим ожиданием другой.

Корреляции теория — математико-статистическая теория, изучающая зависимости вариации признака от окружающих условий.

Корреляционная статистическая зависимость — соотношение, соответствие, зависимость между двумя случайными переменными, при этом каждому значению одной случайной переменной соответствует определенное условное математическое ожидание (среднее значение) другой.

Корреляционный анализ — раздел математической статистики, изучающий взаимную зависимость случайных величин.

Косвенный метод наименьших квадратов — применяется, если разрешить си-стему уравнений относительно У, так, чтобы в правых частях уравнений оставались только экзогенные переменные X, после чего к полученным уравнениям применяется обычный метод наименьших квадратов для получения оценки некоторых выражений от исходных параметров, из которых затем можно найти оценки и самих параметров.

Коэффициент авторегрессии — коэффициент корреляции между соседними возмущениями или коэффициент автокорреляции.

Коэффициент вариации — показатель относительной колеблемости признака, отношение среднего квадратического отклонения случайной величины к ее математическому ожиданию.

Коэффициент детерминации – одна из наиболее эффективных оценок адекватности регрессионной модели, мера качества уравнения регрессии. Коэффициент детерминации показывает, какая часть вариации зависимой переменной обусловлена вариацией объясняющей переменной. Чем ближе коэффициент детерминации к единице, тем лучше регрессия аппроксимирует эмпирические данные. Если коэффициент детерминации равен единице, то эмпирические точки лежат на линии регрессии и между переменными X и Y существует линейная функциональная связь. Если коэффициент детерминации равен нулю, то вариация зависимой переменной полностью обусловлена воздействием неучтенных в модели переменных, и линия регрессии параллельна оси абсцисс. В случае парной линейной регрессионной модели коэффициент детерминации равен квадрату коэффициента корреляции.

Коэффициент корреляции двух случайных величин – отношение их ковариации к произведению средних квадратических отклонений этих величин. Коэффициент корреляции определяет тесноту линейной связи двух случайных величин. Чем ближе коэффициент корреляции по модулю к единице, тем теснее линейная связь. В случае равенства нулю коэффициента корреляции линейная корреляционная связь отсутствует и линия регрессии параллельна оси абсцисс.

Коэффициент корреляции двух случайных величин — величина, рассчитываемая по наблюдениям над двумя случайными величинами и характеризующая степень их связи; отношение ковариации двух случайных величин к произведению их средних квадратических отклонений.

Коэффициент частной эластичности — предел отношения относительного ча-стного приращения функции к относительному приращению этой переменной.

Критерий эффективности — инструмент определения степени достижения цели системой управления; правило, позволяющее сопоставлять стратегии, характеризующиеся различной степенью достижения цели, и осуществлять направленный выбор стратегий из множества допустимых. Существует три вида критериев: пригодности, оптимизации и адаптивизации.

Л[править]

Лаг — смещение во времени изменения одного показателя по сравнению с изменением другого.

Лаг временной — направление и продолжительность отставания уровней одно-го из взаимосвязанных временных рядов от уровней другого ряда.

Лаговые переменные — переменные, взятые в предыдущий момент времени и выступающие в качестве эндогенных и экзогенных переменных.

Линейное программирование — раздел прикладной математики, изучающий задачи условной оптимизации в планировании и управлении.

Линии регрессии (кривые регрессии) — графики функций регрессии, или про-сто регрессии У по X и X по У.

Линии регрессии нормально распределенных случайных величин — прямые линии, т.е. нормальные регрессии случайных величин всегда линейны.

Логарифмически нормальное распределение — распределение непрерывных случайных величин, логарифм которых подчинен нормальному закону распределения.

Логистика — наука о планировании, организации, управлении, контроле и регулировании движения материальных и информационных потоков в пространстве и во времени от их первичного состояния до конечного потребителя.

М[править]

Модель – идеальный объект, который заменяет реальный объект в процессе его познания, сохраняет его существенные черты и позволяет получить новые знания об объекте исследования.

Маржинальные (предельные) величины — величины, соответствующие экстремальному (максимальному или минимальному) своему значению (например, MR — предельный доход при прогрессивной системе налогообложения).

Математическая модель – представляет реальный объект определенными математическими структурами – функциями, уравнениями, неравенствами и т.п.

Математическое ожидание – важнейшая числовая характеристика случайных величин. Математическим ожиданием дискретной случайной величины называется сумма произведений всех ее возможных значений на соответствующие им вероятности.

Математическая статистика — прикладная наука, занимающаяся разработкой методов сбора, описания и обработки результатов наблюдений (испытаний) с целью изучения закономерностей массовых случайных явлений.

Матрица — прямоугольная таблица чисел, содержащая t строк и n столбцов. Различают следующие виды матриц: вектор-столбец, вектор-строка, квадратная, диагональная, нулевая, единичная, обратная и транспонированная.

Медиана — среднее значение ранжированного ряда распределения. Положение медианы определяется ее номером , где n — число единиц совокупности.

Метод наименьших квадратов — метод обработки статистических наблюдений, основанный на гипотезе нормальности ошибок измерения; применяется в корреляционном и регрессионном анализе; неизвестные параметры b0 и b1 выбираются таким образом, чтобы сумма квадратов отклонений эмпирических значений yi от значений , найденных по уравнению регрессии , была минимальной:


Метод скользящих средних — метод выравнивания (сглаживания) временного ряда, т.е. выделения неслучайной составляющей. Основан на переходе от начальных значений членов ряда к их средним значениям на интервале времени, длина которого определена заранее. При этом сам выбранный интервал времени «скользит» вдоль ряда.

Метод уменьшения мультиколлинеарности — из двух объясняющих переменных, имеющих высокий коэффициент корреляции (больше 0,8), одну переменную исключают из рассмотрения. При этом, какую переменную оставить, а какую — удалить из анализа, решают в первую очередь на основании экономических соображений. Если с экономической точки зрения ни одной из переменных нельзя отдать предпочтение, то оставляют ту из двух переменных, которая имеет больший коэффициент корреляции с зависимой переменной. Другой метод устранения или уменьшения мультиколлинеарности заключается в переходе от несмещенных оценок, определенных по методу наименьших квадратов, к смещенным оценкам, обладающим, однако, меньшим рассеянием относительно оцениваемого параметра.

Минор элемента aij — определитель матрицы (n-1)-го порядка, полученной из матрицы А вычеркиванием i-и строки и j-ro столбца.

Множественная регрессия – модель зависимости некоторого выходного экономического показателя (объясняемой переменной) от набора входных показателей (объясняющих переменных).

Многомерная (n-мерная) случайная величина (система случайных величин, n-мерный вектор) — упорядоченный набор Х = (X1, X2, ..., Хn) случайных величин.

Многоугольник, или полигон, распределения вероятностей — ломаная, получаемая соединением точек, которые соответствуют значениям случайной величины (ось абсцисс) и их вероятностям (ось ординат).

Мода — значение случайной величины, которому соответствует максимум функции вероятности или плотности распределения; наиболее часто встречающееся значение признака в ряде распределения.

Моделирование имитационное — воспроизведение с помощью ЭВМ поведения исследуемой системы и ее описание по результатам процесса имитации.

Модели временных рядов – к этому классу моделей относятся модели тренда и модели сезонности.

Модель сезонности – характеризует устойчивые внутригодовые колебания уровня показателя.

Модель межотраслевого баланса (модель Леонтьева, модель «затраты—выпуск») — объем конечной продукции каждой отрасли (Y) равен произведению разности единичной матрицы и матрицы прямых материальных затрат (Е - А) на матрицу валовой продукции каждой отрасли (X): Y = (Е - А)Х.

Мощность (функция мощности) критерия — вероятность не допустить ошибку второго рода, т.е. принять нулевую гипотезу, когда она неверна.

Мультиколлинеарность — высокая взаимная коррелированность объясняющих переменных; может проявляться в функциональной (явной) и стохастической (скрытой) формах.

Мультипликативность — свойство отдельных эффектов системы оказывать умножающее воздействие положительной обратной связи на выходную величину управляемой системы.

Н[править]

О[править]

Обобщенная регрессионная модель — модель, в которой ковариации и дисперсии объясняющих переменных могут быть произвольными.

Обратная матрица — матрица, умноженная на исходную матрицу, в результате дающая единичную.

Объект изучения статистики — общество во всем многообразии его форм и проявлений. Но общество, а также протекающие в нем процессы и закономерности развития изучают и другие общественные науки — экономическая теория (политическая экономия), экономика промышленности, сельского хозяйства, социология и др. При этом каждая из наук находит в объекте свой специфический аспект изучения — предмет познания.

Объясняемая и объясняющая переменные — см. Односторонняя зависимость случайной переменной от одной (или нескольких) неслучайной независимой переменной.

Односторонняя зависимость случайной переменной от одной (или нескольких) неслучайной независимой переменной — возникает, например, в случае, когда при каждом фиксированном значении неслучайной независимой переменной соответствующие значения случайной переменной подвержены случайному разбросу за счет действия ряда неконтролируемых факторов. При этом зависимую переменную называют функцией отклика, объясняемой, выходной, результирующей, эндогенной переменной, результативным признаком, а независимую переменную — объясняю-щей, входной, предсказывающей, предикторной, экзогенной переменной, фактором, регрессором, факторным признаком.

Операция — совокупность целенаправленных действий, объединенных единым замыслом и направленных на достижение определенных целей.

Определитель (детерминант) квадратной матрицы n-го порядка — число, обозначаемое и определяемое по специальным правилам в зависимости от порядка матрицы. Определитель квадратной матрицы n-ro порядка может быть вычислен с помощью разложения по элементам строки или столбца согласно теореме Лапласа.

Оценка параметра — всякая функция результатов наблюдений над случайной величиной X (иначе статистика), с помощью которой судят о значениях пара-метра.

Оценка несмещенная — оценка, математическое ожидание которой равно истинному значению искомого параметра.

Оценка эффективная — несмещенная оценка, имеющая минимальную дисперсию.

Оценка состоятельная — оценка, сходящаяся по вероятности к оцениваемому параметру с увеличением числа испытаний.

П[править]

Парето-оптимальное решение — лучшим инвестиционным проектом является тот, для которого не существует другого проекта, не уступающего рассматриваемому по всем показателям, а хотя бы по одному превосходящему его.

Парная регрессия – зависимость между переменными в генеральной совокуп-ности вида: , X – неслучайная величина,Y,  - случайные величины. Наиболее распространенный вид парной регрессии – линейная парная регрессия.

Планирование эксперимента — математическая теория экстремальных экспериментов, позволяющая выбирать оптимальную стратегию исследования при неполном знании процесса.

Плотность вероятности (плотность распределения или просто плотность) непрерывной случайной величины X— производная ее функции распределения. Плотность вероятности (плотность распределения или совместная плотность) непрерывной двумерной случайной величи-ны (X, Y) — вторая смешанная частная производная ее функции распределения, т.е.


Показатель — обобщенный количественный параметр социально-экономических явлений и процессов в единстве с их качественными характеристика-ми.

Предикторная переменная — см. Односторонняя зависимость случайной переменной от одной (или нескольких) неслучайной независимой переменной.

Предопределенные переменные – экзогенные и лаговые (за предыдущие моменты времени) эндогенные переменные системы.

Предмет статистики — размеры и количественные соотношения качественно определенных социально-экономических явлений, закономерности их связи и развития в конкретных условиях места и времени. Свой предмет статистика изучает методом обобщающих показателей.

Предсказывающая переменная — см. Односторонняя зависимость случайной переменной от одной (или нескольких) неслучайной независимой переменной.

Пространственные данные (пространственная выборка) – в экономике под пространственной выборкой понимают набор показателей экономических переменных, полученных в данный момент времени. В эконометрике о пространственной выборке имеет смысл говорить в том случае, если все наблюдения получены примерно в неизменных условиях, т.е. представляют собой набор независимых выборочных данных из некоторой генеральной совокупности.

Процедура сглаживания экспериментальных данных — состоит их двух этапов: 1) определяется параметрическое семейство, к которому принадлежит искомая функция Мx(У) (рассматриваемая как функция от значений объясняющих переменных X). Это может быть множество линейных функций, показательных функций и т.д.; 2) находятся оценки параметров этой функции с помощью одного из методов математической статистики.

Р[править]

Ранг матрицы – наивысший порядок ее миноров, отличных от нуля.

Регрессия (Y по X) – зависимость условного математического ожидания Mx(Y) случайной величины Y (при X=x) от x; аналогично, регрессия (X по Y) – зависимость условного математического ожидания My(Y) случайной величины X (при Y=y) от y.

Регрессии уравнение — уравнение линии, вокруг которой группируются точки корреляционного поля; указывает основное направление и тенденцию связи.

Регрессионный анализ — 1) раздел математической статистики, изучающий характер связи между случайными переменными; 2) совокупность статистических методов обработки результатов экспериментов, позволяющих в условиях стохастической зависимости выходной переменной от входных параметров определить данную зависимость.

Регрессор — см. Односторонняя зависимость случайной переменной от одной (или нескольких) неслучайной независимой переменной.

Результирующая переменная, или результативный признак — см. Односторонняя зависимость случайной переменной от одной (или нескольких) неслучайной независимой переменной.

Репрезентативность (представительность) выборки — достаточно полное отражение свойств генеральной совокупности. Должна удовлетворять следующим требованиям: 1) элементы генеральной совокупности выбираются случайным образом; 2) независимость результатов испытаний в выборке; 3) определенный (правильный) подбор объема выборки.

Распределение(хи-квадрат) с k степенями свободы — распределение суммы квадратов k независимых случайных величин, распределенных по стандартному нормальному закону.

Ряд динамики — числовые значения статистического показателя, представ-ленные во временной последовательности; ряд, расположенный в хронологической последовательности значений статистических показателей.

С[править]

Т[править]

У[править]

Ф[править]

Фиктивные переменные – переменные, полученные путем перевода качественных признаков переменных в количественных, то есть при присвоении цифровых меток.

Х[править]

Ц[править]

Ч[править]

Ш[править]

Э[править]

Экзогенные переменные – независимые переменные, которые определяются вне системы х.

Эндогенные переменные – взамосвязные переменные которые определяются внутри модели у.

Этапы эконометрического исследования: 1)постановка проблемы, 2)получение данных, анализ их качества, 3)спецификация модели, 4)оценка параметров, 5)интерпретация результатов.

Ю[править]

Я[править]

ССЫЛКИ[править]

Википедия

Подписи[править]

--Alexander der (обсуждение) 20:43, 11 ноября 2013 (UTC)