Глоссарий

Глоссарий

К разделу 1

Аддитивные ошибки (additive errors) — ошибки, входящие в правую часть уравнения в виде отдельного слагаемого.

Вариабельность (variability) — изменчивость переменной на множестве наблюдений.

Выборочная дисперсия (sample variance) — деленная на (п 1) сумма квадратов отклонений наблюдаемых значений хи хп переменной х от их арифметического среднего. Характеризует степень разброса значений х{9 хп вокруг своего среднего х, или вариабельность (изменчивость) этой переменной на множестве наблюдений.

Выборочная ковариация (sample covariance) — деленная на (п 1) сумма произведений отклонений наблюдаемых значений х{9 хп переменной х от их арифметического среднего на отклонения наблюдаемых значений yl9 ...9уп переменной у от их арифметического среднего.

Выборочный коэффициент корреляции (sample correlation coefficient) — показатель степени выраженности линейной связи между произвольными переменными х и у на множестве наблюдений, в которых эти переменные принимают значения xfnyi9 і = 1,п.

Диаграмма рассеяния (scatter plot, scatter diagram, scatter graph) — способ представления связи между результатами измерений двух переменных. Диаграмма, на которой в прямоугольной системе координат располагаются точки (xi9 yt)9 і = 1, п9 где п — количество наблюдаемых пар значений переменных х и у.

Дисперсионный анализ (analysis of variance) — разложение выборочной дисперсии объясняемой переменной на две компоненты.

Зависимая переменная (dependent variable) — переменная в математической модели связи, значения которой определяются значениями независимых переменных.

Корреляционное поле (correlation diagram) — См. Диаграмма рассеяния.

Коэффициент детерминации (coefficient of determination) — отношение суммы квадратов, объясненной моделью, к полной сумме квадратов.

Линейная модель наблюдений (linear observation model) — модель, согласующая принятую линейную математическую модель связи с наблюдаемыми данными.

Линейная модель связи (linear relation) — математическое выражение линейной зависимости между переменными.

Ложная (фиктивная, паразитная — spurious) линейная связь — подобранная линейная связь между переменными, не имеющая содержательной экономической интерпретации.

Математическая модель связи (mathematical model, dependence model) — модель, выраженная в форме функциональной зависимости значений одной переменной от значений других переменных и отражающая усредненную зависимость одной переменной (зависимая переменная) от других переменных (независимые переменные).

Метод «от общего к частному» (general-to-specific approach) — в качестве первоначальной выбирается более полная модель, которая затем, если это возможно, редуцируется к более простой модели.

Множественный коэффициент корреляции (multiple-R) — коэффициент корреляции между наблюдаемыми значениями объясняемой переменной и прогнозными значениями этой переменной.

Модель Михаэлиса Ментон (Michaelis-Menton model) — модель нелинейной связи между двумя переменными, предусматривающая наличие вертикальной и горизонтальной асимптот графика зависимости.

Модель наблюдений (observation model) — модель, согласующая принятую математическую модель связи с наблюдаемыми данными, учитывающая совокупное влияние на конкретные значения зависимой переменной множества дополнительных факторов, не учитываемых принятой моделью связи.

Модель пропорциональной связи (proportional relation) — модель, в которой зависимая переменная имеет с независимой переменной пропорциональную связь.

Мультипликативные ошибки (multiplicative errors) — ошибки, входящие в правую часть уравнения в виде сомножителя.

Независимая переменная (independent variable) — переменная в математической модели связи, от значений которой зависят значения зависимой переменной.

Нелинейный метод наименьших квадратов (nonlinear least squares — NLLS) — реализация принципа наименьших квадратов для нелинейных моделей наблюдений. Поиск значений оценок наименьших квадратов осуществляется с использованием процедур последовательной минимизации целевой суммы квадратов.

Нецентрированный коэффициент детерминации (uncentered R2) — вариант коэффициента детерминации, который используют при оценивании линейной эконометрической модели без постоянной составляющей.

Облако рассеяния (scatter cloud) — совокупность точек на диаграмме рассеяния.

Обратная (inverse) модель линейной связи — модель линейной связи между двумя переменными, в которой зависимая и независимая переменные исходной (прямой) модели меняются местами.

Объясняемая переменная (explained variable) — переменная, уединенная в левой части уравнения эконометрической модели.

Объясняющая переменная (explanatory variable) — переменная, входящая в правую часть уравнения эконометрической модели.

Остаток в 1-м наблюдении (residual) — разность между значением зависимой переменной в і-м наблюдении и прогнозным значением этой переменной, вычисленным для значения независимой переменной в і-м наблюдении по формуле, соответствующей подобранной модели связи.

Остаточная сумма квадратов (residual sum of squares — RSS) — сумма квадратов отклонений наблюдаемых значений зависимой переменной от прогнозных значений, полученных в результате оценивания эконометрической модели.

Отрицательная (negative) корреляционная связь между переменными —

связь между переменными хиу, при которой значение выборочного коэффициента корреляции, вычисленного на основе имеющихся наблюдений, отрицательно.

Оценки наименьших квадратов (least squares estimates), или 1,5-оценки —

оценки параметров эконометрической модели, полученные из условия минимизации суммы квадратов расхождений между наблюдаемыми значениями зависимой переменной и значениями этой переменной, вычисленными для наблюдаемых значений независимой переменной по оцененной модели связи.

Ошибка в і-м наблюдении (error, disturbance) — разность между значением зависимой переменной в і-м наблюдении и значением этой переменной, вычисленным для значения независимой переменной в і-м наблюдении по формуле, соответствующей теоретической модели связи.

Подобранная модель (fitted model) — модель связи между переменными, построенная в результате оценивания выбранной эконометрической модели.

Полная сумма квадратов (total sum of squares — TSS) — сумма квадратов отклонений наблюдаемых значений зависимой переменной от их среднеарифметического.

Положительная (positive) корреляционная связь между переменными —

связь между переменными хиу, при которой значение выборочного коэффициента корреляции, вычисленного на основании имеющихся наблюдений, положительно.

Принцип наименьших квадратов (least squares principle) — принцип, согласно которому находятся оценки наименьших квадратов.

Принцип охвата (encompassing principle) — модель должна быть в определенном смысле «неулучшаемой», должна объяснять результаты, получаемые по конкурирующим с ней моделям.

Принцип парсимонии, экономичности, простоты (parsimony principle) — модель должна быть простой, насколько это возможно, пока не доказана ее неадекватность имеющимся статистическим данным.

Прогнозное значение зависимой переменной в #-м наблюдении (fitted value) — значение зависимой переменной, вычисленное для значения независимой переменной в /-м наблюдении по формуле, соответствующей подобранной модели связи.

Процесс порождения данных (ППД, или DGP — data generating process) — «истинный» механизм порождения эмпирических данных.

Система нормальных уравнений (normal equations) — система уравнений, из которой находятся оценки наименьших квадратов.

Спецификация эконометрической модели (specification of an econometric model) — задание эконометрической модели в виде уравнения с указанием задействованных переменных и функциональной формы связи между переменными, задание априорных ограничений на параметры и вероятностного описания последовательности случайных ошибок.

Среднее значение (mean, mean value) — среднеарифметическое наблюдаемых значений хи хп переменной х.

Стандартизованная переменная (standardized variable) — переменная, получаемая в результате стандартизации исходной переменной, т.е. деления значений исходной переменной на ее стандартное отклонение.

Стандартное отклонение переменной (standard deviation) — квадратный корень из выборочной дисперсии переменной. Имеет ту же размерность, что и сама переменная.

Статистическая модель (statistic model) — См. Эконометрическая модель.

Сумма квадратов, объясненная моделью (explained sum of squares — ESS) — сумма квадратов отклонений прогнозных значений зависимой переменной от среднеарифметического наблюдаемых значений зависимой переменной.

Частный коэффициент корреляции (partial correlation coefficient) — коэффициент корреляции между двумя переменными, очищенными от линейных связей с другими переменными.

Эконометрика (econometrics) — совокупность методов анализа связей между различными экономическими показателями (факторами) на основе реальных статистических данных с использованием аппарата теории вероятностей и математической статистики.

Эконометрическая модель (econometric model) — модель, выбираемая эконо-метристом для описания статистических данных на основании модели связи, указываемой экономической теорией, и ранее проведенных исследований, структура которой по возможности наиболее приближена к «истинному» процессу порождения статистических данных. Отклонения наблюдаемых значений зависимой переменной от значений, вычисленных по принятой математической модели связи, рассматриваются как случайные величины (реализации случайных величин).

К разделу 2

Ковариационная матрица (covariance matrix) случайного вектора — квадратная матрица, элементами которой являются ковариации пар случайных величин, составляющих случайный вектор.

Математическое ожидание (expectation) случайного вектора — вектор, состоящий из математических ожиданий случайных величин, его составляющих.

Метод наименьших квадратов (least squares) — метод оценивания параметров эконометрической модели, состоящий в минимизации суммы квадратов расхождений между наблюдаемыми значениями зависимой переменной и значениями этой переменной, вычисленными для наблюдаемых значений независимых переменных по оцененной модели связи.

Многомерное нормальное распределение (multivariate normal distribution) — совместное распределение компонент случайного вектора, обобщающее понятие одномерного нормального распределения.

Множественная линейная регрессия (multiple linear regression) — модель множественной регрессии, в которой функция регрессии является линейной функцией неизвестных параметров.

Множественная регрессия (multiple regression) — регрессионная модель, содержащая более двух объясняющих переменных, не считая постоянной составляющей.

Наилучшая линейная несмещенная оценка (BLUE — best linear unbiased estimate) — оптимальная оценка в классе несмещенных линейных оценок вектора коэффициентов линейной эконометрической модели.

Непараметрическая регрессия (nonparametric regression) — регрессионная модель, в которой функция регрессии полностью произвольна (непараметризована).

Нормальная линейная модель регрессии (normal linear regression) — модель линейной регрессии, в которой ошибки имеют нормальное (гауссовское) распределение.

Ортогональная структура матрицы наблюдаемых значений объясняющих переменных — ситуация, в которой векторы наблюдаемых значений переменных, являющихся объясняющими переменными в линейной эконометрической модели, попарно ортогональны.

Параметрическая регрессия (parametric regression) — регрессионная модель, в которой функция регрессии задана с точностью до некоторого числа неизвестных параметров, подлежащих оцениванию.

Правило «при прочих равных» (ceteris paribus) — предположение о том, что при изменении значения одной из объясняющих переменных значения остальных объясняющих переменных остаются неизменными.

Простая (simple) линейная регрессия (то же что, Парная (two-variable) линейная регрессия, то же, что Прямолинейная (straight-line) регрессия) —

регрессионная модель, в которой функция регрессии является линейной функцией единственной объясняющей переменной, отличной от константы.

Регрессионная модель, уравнение регрессии (regression model, regression equation) — эконометрическая модель, в которой условное математическое ожидание аддитивной ошибки в і-м наблюдении при фиксированных значениях объясняющих переменных в этом наблюдении равно нулю.

Регрессионная сумма квадратов (regression sum of squares) — См. Сумма квадратов, объясненная моделью.

Регрессионный анализ (regression analysis) — совокупность вероятностно-статистических методов исследования регрессионных моделей.

Регрессоры (regressors) — объясняющие переменные в модели регрессии.

Случайный вектор размерности п (n-dimensional random vector) — упорядоченный набор п одномерных случайных величин, имеющих некоторое совместное распределение вероятностей.

Статистика 52 (S2 statistic) — статистика, являющаяся несмещенной оценкой дисперсии случайных ошибок в нормальной линейной модели регрессии.

Статистические данные (statistical data), или наблюдения (observations) — наблюдаемые значения переменных, включенных в эконометрическую модель.

Теорема Гаусса — Маркова (Gauss-Markov theorem) — теорема об оптимальности оценки наименьших квадратов вектора коэффициентов линейной эконометрической модели в классе несмещенных линейных оценок этого вектора.

Теорема Фриша — Во — Ловелла (Frisch-Waugh-Lovell theorem) — теорема, дающая интерпретацию оценок коэффициентов линейных моделей с несколькими объясняющими переменным.

Условия Гаусса — Маркова (Gauss-Markov conditions) — условия, накладываемые на эконометрическую модель в теореме Гаусса — Маркова.

Функция регрессии (regression function) — функция, выражающая зависимость условного математического ожидания значения объясняемой переменной в і-м наблюдении (при фиксированных значениях объясняющих переменных в і-м наблюдении) от значений объясняющих переменных в і-м наблюдении.

Центрирование переменной (centering) — вычитание из всех наблюдаемых значений переменной их среднего значения. Центрированная переменная имет среднее значение, равное нулю.

Центрирование случайного вектора (centering) — вычитание из случайного вектора его математического ожидания. Центрированный случайный вектор имеет нулевой вектор математических ожиданий.

К разделу 3

Асимптотический критерий (asymptotic test) — критерий, рассчитываемый на основании асимптотического распределения тестовой статистики (статистики критерия).

Гипотеза значимости для отдельного коэффициента (hypothesis of the statistical significance of a coefficient, hypothesis that a coefficient is equal to zero) — гипотеза, предполагающая равенство нулю коэффициента при определенной объясняющей переменной.

Гипотеза значимости регрессии в целом (hypothesis of overall significance of a regression; hypothesis that all of the slope coefficients, excluding the constant, or intercept in a regression are zero) — гипотеза о равенстве нулю всех коэффициентов линейной модели регрессии, не затрагивающая только постоянную составляющую.

Гнездовые модели (nested models) — пара линейных эконометрических моделей с одной и той же объясняемой переменной, одна из которых вложена в другую, являясь ее частным случаем.

Интервальный прогноз (forecast interval) — доверительный интервал для наблюдаемого значения (или для математического ожидания наблюдаемого значения) объясняемой переменной, получаемого при заданном наборе значений объясняющих переменных.

Информационные критерии (information criteria) — полученные на основе теории информации критерии для выбора между несколькими альтернативными эконометрическими моделями с одной и той же объясняемой переменной; все эти критерии предусматривают «штраф» за увеличение количества объясняющих переменных в модели, но несколько отличными способами.

Конфликт критериев (conflict among testing procedures) при рассмотрении альтернативных гипотез — ситуация, когда при рассмотрении пары альтернативных статистических гипотез ни одна из них не отвергается, будучи взятой в качестве нулевой гипотезы.

Коэффициент возрастания дисперсии (variance inflation factor) — показатель, характеризующий степень возрастания дисперсии оценки коэффициента при некоторой объясняющей переменной вследствие коррелированности этой переменной с другими объясняющими переменными, включенными в эконометрическую модель.

Критерий Акаике (Akaike's information criterion — AIC) — один из информационных критериев, в котором штрафная составляющая равна ^, где, п

количество объясняющих переменных, п — количество наблюдений.

Критерий Вальда (Wald statistic) — основанный на использовании статистики Вальда критерий для проверки линейной гипотезы в нормальной линейной модели со стандартными предположениями.

Критерий Шварца (Schwarz's information criterion — SC, SIC) — один из информационных критериев, в котором штрафная составляющая равна plnn г

, где р — количество объясняющих переменных, п — количество

п

наблюдений.

Линейная гипотеза (linear hypothesis) — гипотеза, накладывающая одно или несколько линейных ограничений на коэффициенты линейной эконометрической модели.

Модель без ограничений (unrestricted model) — эконометрическая модель, в которой на значения коэффициентов не накладывается никаких ограничений.

Модель с ограничениями (restricted model) — эконометрическая модель, в которой на значения коэффициентов накладываются определенные ограничения.

Мультиколлинеарность (multicollinearity) — наличие высокой степени линейной корреляции между двумя или более объясняющими переменными.

Негнездовые F-критерии (nonnested F-tests) — F-критерии, используемые для выбора между двумя негнездовыми эконометрическими моделями.

Оценка наименьших квадратов в модели с ограничениями (restricted least squared estimate) — оценка наименьших квадратов вектора параметров в модели с ограничениями, заданными гипотезой Я0.

Ошибка прогноза (forecast error) — разность между значением объясняемой переменной, наблюдаемым для заданного набора значений объясняющих переменных, и прогнозным значением объясняемой переменной для этого набора значений объясняющих переменных.

Полная мультиколлинеарность (exact collinearity) — ситуация, в которой столбцы матрицы значений объясняющих переменных линейно зависимы.

Редуцированная модель (reduced model) — модель, получаемая на основании исходной эконометрической модели и включающая в результате наложения на коэффициенты исходной модели определенных ограничений меньшее количество объясняющих переменных.

Скорректированный коэффициент детерминации, скорректированный r2

(adjusted R-squared, adjusted R2) — показатель, используемый для выбора между несколькими альтернативными эконометрическими моделями с одной и той же объясняемой переменной. Получается путем коррекции обычного коэффициента детерминации, учитывающей количество объясняющих переменных в модели и количество наблюдений.

Статистика Вальда (Wald statistic) — используемая для проверки линейной гипотезы в нормальной линейной модели со стандартными предположениями статистика, имеющая при нулевой гипотезе асимптотическое распределение хи-квадрат с соответствующим числом степеней свободы.

Статистика критерия (test statistics) — используемая для проверки нулевой гипотезы случайная величина, значения которой могут быть вычислены (по крайней мере, теоретически) на основании имеющихся статистических данных и распределение которой известно (хотя бы приближенно).

Статистическая гипотеза (statistical hypothesis) — априорное предположение, уточняющее спецификацию эконометрической модели.

Статистически значимая оценка (statistically significant estimate) — значение оценки коэффициента при некоторой объясняющей переменной, попадающее в критическое множество статистического критерия для проверки гипотезы о равенстве этого коэффициента нулю.

Статистически незначимая оценка (statistically non-significant estimate) — значение оценки коэффициента при некоторой объясняющей переменной, не попадающее в критическое множество статистического критерия для проверки гипотезы о равенстве этого коэффициента нулю.

Точечный прогноз, прогнозное значение {forecast) — значение объясняемой переменной, вычисленное для заданного набора значений объясняющих переменных на основании подобранной модели связи.

Точный, неасимптотический критерий (non-asymptotic test) — критерий, рассчитываемый на основании неасимптотического распределения тестовой статистики, соответствующего имеющемуся количеству наблюдений.

F-критерий для проверки линейной гипотезы (F-test) — основанный на использовании F-статистики критерий для проверки линейной гипотезы в нормальной линейной модели со стандартными предположениями.

F-статистика (F-statistic) — статистика, имеющая при нулевой гипотезе F-pac-пределение Фишера

F-значение (P-value), наблюденный уровень значимости (observed level of significance) при применении /-критерия — вероятность того, что случайная величина, имеющая /-распределение Стьюдента с соответствующим числом степеней свободы, примет значение, большее по абсолютной величине, чем наблюдаемое значение /-статистики критерия.

F-значение (Р-value), наблюденный уровень значимости (observed level of significance) при применении F-критерия — вероятность того, что случайная величина, имеющая F-распределение Фишера с соответствующим числом степеней свободы, примет значение, большее, чем наблюдаемое значение F-статистики критерия.

/-критерии (t-tests) — статистические критерии, основанные на использовании /-статистик.

/-отношение (t-ratio) — форма /-статистики, предназначенная для проверки гипотезы равенства нулю определенного коэффициента линейной эконометрической модели.

/-статистика (t-statistic) — статистика, имеющая при нулевой гипотезе /-распределение Стьюдента.

К разделу 4

Автокоррелированность ошибок (autocorrelated errors) — невыполнение условия независимости случайных ошибок в эконометрической модели для данных, развернутых во времени.

Адекватная статистическим данным модель (adequate model) — модель, соответствующая характеру статистических данных, воспроизводящая глобальные особенности имеющихся статистических данных. В более узком смысле: эконометрическая модель, в которой выполнены стандартные предположения об ошибках.

Анализ остатков (residual analysis) — совокупность методов обнаружения отклонений от стандартных предположений о модели наблюдений, использующих остатки от подобранной модели.

Асимптотические критерии (large sample tests) — статистические критерии для проверки нулевой гипотезы, у которых критическая область (критические значения) рассчитывается на основании асимптотического (предельного) распределения статистики критерия, получаемого при неограниченном увеличении количества наблюдений.

Выделяющиеся наблюдения (outliers) — наблюдения, для которых либо математическое ожидание ошибки существенно отличается от нуля, либо дисперсия ошибки существенно превышает величину дисперсий остальных ошибок.

Гетероскедастичность (heteroscedasticity, heteroskedasticity) — неодинаковость (неоднородность) дисперсий случайных ошибок в линейной эконометрической модели.

Гомоскедастичность, однородность дисперсий ошибок (homoscedasticity) — одинаковость (однородность) дисперсий случайных ошибок в линейной эконометрической модели.

Графический анализ адекватности (graphical diagnostic analysis) — совокупность графических методов обнаружения отклонений от стандартных предположений об эконометрической модели.

Двухфазная линейная регрессия (two-phase linear regression model) — линейная регрессионная модель, параметры которой скачкообразно изменяются при переходе от одного подпериода наблюдений к последующему.

Диагностика подобранной модели (diagnostic for model misspecificatiori) — анализ подобранной модели с целью проверки возможного нарушения стандартных предположений об эконометрической модели.

Диаграмма «квантиль-квантиль» (Q-Q plot) — одно из графических средств выявления нарушения предположения о распределении ошибок в принятой эконометрической модели.

Диаграмма плотности (DP-plot, DPP) — одно из графических средств выявления нарушения предположения о распределении ошибок в принятой эконометрической модели.

Критерии согласия (goodness-of-fit tests) — статистические критерии для проверки нулевой гипотезы, не настроенные на какой-то определенный класс альтернатив нулевой гипотезе.

Критерии Чоу (Chow tests) — два статистических критерия, предназначенных для проверки стабильности модели на всем периоде наблюдений. Один из них — критерий Чоу на структурный сдвиг (Chow breakpoint test) — проверяет гипотезу о сохранении значений всех коэффициентов при переходе от одного подпериода полного периода наблюдений к другому, другой — критерий Чоу на качество прогноза (Chow forecast test) сравнивает качество прогнозов, сделанных на основании оценивания модели на одной части периода для значений объясняемой переменной на другой части периода, с качеством «прогнозов», сделанных на основании оценивания модели на всем периоде наблюдений.

Критерий Бройша — Годфри (Breusch-Godfrey test) — статистический критерий, предназначенный для проверки гипотезы некоррелированности ошибок в нормальной линейной модели регрессии.

Критерий Голдфелда — Квандта (Goldfeld-Quandt test) — статистический критерий, предназначенный для выявления неоднородности дисперсий случайных ошибок в нормальной линейной модели регрессии.

Критерий Дарбина — Уотсона (Durbin-Watson test) — статистический критерий, предназначенный для выявления автокоррелированности случайных ошибок в нормальной линейной модели регрессии.

Критерий Рэмси (regression specification error test — RESET) — статистический критерий, предназначенный для проверки в рамках нормальной линейной модели предположения о равенстве нулю математических ожиданий случайных ошибок. Может использоваться для обнаружения наличия пропущенных переменных, неправильной функциональной формы представления некоторых переменных, наличия корреляции между объясняющими переменными и ошибкой в уравнении регрессии.

Критерий Уайта (White test) — статистический критерий, предназначенный для проверки гипотезы однородности дисперсий ошибок в нормальной линейной модели регрессии.

Критерий Харке — Бера (Jarque-Bera test) — статистический критерий, предназначенный для выявления отклонений от нормальности случайных ошибок в линейной модели регрессии.

Кумулятивные суммы нормированных рекурсивных остатков (CUSUM -cumulative sums) — суммы рекурсивных остатков, получаемые в процессе последовательного добавления данных.

Линейная модель с переключением (switching regression model) — См. Двухфазная линейная регрессия.

Методология Лондонской школы экономики (LSE approach) — методология эконометрических исследований, согласно которой при обнаружении нарушений стандартных предположений следует изменить спецификацию модели таким образом, чтобы при оценивании модели с измененной спецификацией нарушения стандартных предположений уже не выявлялись, по крайней мере, теми диагностическими процедурами, которые имеются в распоряжении исследователя.

Нестабильность модели (instability) — непостоянство коэффициентов модели на периоде наблюдений.

Ошибка прогноза (forecast error) — разность между значением объясняемой переменной, наблюдаемым для заданного набора значений объясняющих переменных, и прогнозным значением объясняемой переменной для этого набора значений объясняющих переменных.

Рекурсивные коэффициенты (recursive coefficients) — последовательность значений оценок коэффициентов линейной эконометрической модели в процессе последовательного добавления данных.

Рекурсивные остатки (recursive residuals) — последовательность нормированных ошибок прогнозов на один шаг для значений объясняемой переменной линейной эконометрической модели в процессе последовательного добавления данных.

Стандартизованные остатки (standardized residuals) — остатки от подобранной модели, деленные на квадратный корень из несмещенной оценки дисперсии ошибок в эконометрической модели.

Статистика Дарбина — Уотсона (Durbin-Watson statistic) — статистика, на которой основан критерий Дарбина — Уотсона.

Стьюдентизированные остатки (studentized residuals) — остатки от подобранной модели, деленные на оценки их стандартных отклонений.

Точный, неасимптотический критерий (non-asymptotic test) — критерий, критические значения которого учитывают количество имеющихся наблюдений.

Ядерные оценки плотности (kernel density estimates) — метод получения суждений о форме функции плотности распределения ошибок в эконометрической модели, позволяющий получать график в виде непрерывной кривой.

К разделу 5

Автокоррелированность, сериальная корреляция ошибок (autocorrelation, serial correlation) — нарушение стандартного предположения о независимости случайных ошибок в эконометрической модели, характерное для статистических данных, развернутых во времени (продольных данных).

Авторегрессионное преобразование (autoregressive transformation) — преобразование исходных статистических данных в итерационной процедуре Кох-рейна — Оркатта, в результате которого случайные ошибки в преобразованной модели удовлетворяют стандартным предположениям.

Взаимодействие (interaction) — искусственная переменная, являющаяся произведением одной из объясняющих переменных на дамми-переменную.

Взвешенные статистики (weighted statistics) — при использовании взвешенного метода наименьших квадратов: статистики, основанные на остатках, получаемых по взвешенным данным.

Взвешенный метод наименьших квадратов (WLS — weighted least squares) — процедура, состоящая в минимизации определенным образом взвешенной суммы квадратов отклонений наблюдаемых значений зависимой переменной от значений, вычисляемых по подбираемой модели связи.

Дамми-ловушка (dummy trap) — полная мультиколлинеарность данных, возникающая при включении в эконометрическую модель с дамми-перемен-ными «лишних» переменных.

Дамми-переменные (dummy variables, dummies) — переменные, указывающие на принадлежность наблюдения тому или иному промежутку времени, группе стран или отдельным странам, группам регионов или отдельным регионам, служащие для обозначения принадлежности субъекта той или иной социальной или этнической группе и т.п. Введение таких переменных позволяет выявлять наличие эффектов, специфических для определенных периодов времени, для определенных групп стран, социальных групп, регионов и т.п.

Итерационная процедура Кохрейна — Оркатта (Cochrane-Orcutt) — процедура коррекции статистических выводов при наличии автокоррелированности ошибок в линейной эконометрической модели.

Критерий Глейзера (Glejser test) — критерий для выявления определенного вида зависимостей дисперсий случайных ошибок от значений объясняющей переменной.

Невзвешенные статистики (unweighted statistics) — при использовании взвешенного метода наименьших квадратов: статистики, основанные на остатках, получаемых по невзвешенным, оригинальным данным.

Обычные оценки наименьших квадратов (ordinary least squares estimates, OLS estimates) — оценки, получаемые применением принципа наименьших квадратов непосредственно к исходной эконометрической модели.

Обычный метод наименьших квадратов (OLS — ordinary least squares) — метод наименьших квадратов, применяемый непосредственно к исходной эконометрической модели; противопоставляется взвешенному методу наименьших квадратов и другим обобщениям обычного метода наименьших квадратов.

Оценка Ньюи — Веста (Newey-West estimator) — скорректированная на авто-коррелированность ошибок в линейной эконометрической модели оценка стандартных ошибок оценок коэффициентов модели.

Оценка Уайта (White estimator) — скорректированная на неоднородность дисперсий ошибок в линейной эконометрической модели оценка стандартных ошибок оценок коэффициентов модели.

Панельные данные (panel data) — данные об экономических показателях нескольких предприятий (регионов, стран) за несколько месяцев (кварталов, лет).

Перекрестные, одномоментные данные (cross-section data) — данные по нескольким предприятиям (регионам, странам) за один промежуток времени (месяц, квартал, год).

Процесс авторегрессии первого порядка (first order autoregressive process) — динамическая модель, в правой части которой присутствуют только запаздывающие на один шаг значения объясняемой переменной.

К разделу 6

Двухшаговый метод наименьших квадратов (two-stage least squares — TSLS, 2SLS) — метод оценивания коэффициентов уравнения структурной формы, состоящий в предварительной очистке стохастической объясняющей переменной от коррелированное™ с ошибкой в этом уравнении с использованием инструментальных переменных и в последующем оценивании уравнения, в котором исходная объясняющая переменная заменяется ее очищенным вариантом.

Доступный обобщенный метод наименьших квадратов (FGLS—feasible GLS) — практически реализуемая процедура оценивания коэффициентов линейной модели регрессии в ситуации, когда случайные ошибки имеют разные дисперсии и коррелированы между собой, повторяющая процедуру обобщенного метода наименьших квадратов, но использующая оцененную ковариационную матрицу вектора ошибок.

Инструментальная переменная, инструмент (instrumental variable, instrument) — переменная, коррелированная со стохастической объясняющей переменной, включенной в уравнение регрессии, но не коррелированная со случайной ошибкой в этом уравнении.

Метод инструментальных переменных (IV method — instrumental variables method) — метод получения оценок коэффициентов уравнения регрессии в ситуации, когда некоторые стохастические объясняющие переменные коррелированы со случайными ошибками в этом уравнении.

Модели с ошибками в измерении объясняющих переменных (errors-in-variables models) — эконометрические модели, в которых значения некоторых объясняющих переменных измерены с ошибками и отклонения измеренных значений от истинных (ошибки измерений) трактуются как случайные величины.

Обобщенная оценка наименьших квадратов, gls оценка (GLS estimator) — оценка вектора коэффициентов линейной модели регрессии, полученная в результате применения обобщенного метода наименьших квадратов.

Обобщенный метод наименьших квадратов (GLS — generalized least squares) — теоретическая процедура оценивания коэффициентов линейной модели регрессии в ситуации, когда случайные ошибки имеют разные дисперсии и коррелированы между собой, при этом предполагается, что ковариационная матрица вектора ошибок невырожденна и все ее элементы известны.

Преобразование Прайса — Уинстена (Prais-Winsten transformation) — преобразование, приводящее к получению GLS оценки в ситуации, когда ошибки в линейной эконометрической модели образуют процесс авторегрессии первого порядка.

Приведенная форма системы одновременных уравнений (reduced form of simultaneous equations) — полученная на основе структурной формы системы одновременных уравнений система уравнений, в которой переменные, являющиеся объясняемыми в одних уравнениях, не используются в качестве объясняющих в других уравнениях.

Система одновременных уравнений, одновременные уравнения (simultaneous equations) — система из нескольких регрессионных уравнений, в которых переменные могут одновременно быть объясняемыми переменными в одних уравнениях и объясняющими переменными в других уравнениях.

Слабые инструменты (weak instruments) — инструментальные переменные, слабо коррелированные с эндогенными объясняющими переменными.

Стохастические (stochastic) объясняющие переменные — объясняющие переменные, значения которых трактуются как реализации случайных величин, возможно, связанных статистической зависимостью со случайными ошибками в модели наблюдений.

Структурная форма системы одновременных уравнений (structural form of simultaneous equations) — система из нескольких регрессионных уравнений, представляющая в явном виде взаимные связи между входящими в модель переменными, показывающая, как эти переменные взаимодействуют друг с другом. В структурной форме модели одновременных уравнений переменная, являющаяся объясняемой переменной в одном из уравнений, может входить в другое уравнение в качестве объясняющей переменной.

Экзогенная переменная (exogenous variable) — переменная, значения которой определяются вне рассматриваемого уравнения регрессии. В более узком смысле: переменная, не коррелированная с ошибкой в рассматриваемом уравнении регрессии.

Эндогенная переменная (endogenous variable) — переменная, значения которой определяются в рамках рассматриваемой системы уравнений регрессии. В более узком смысле: переменная, коррелированная с ошибкой в уравнении регрессии.