Глоссарий

А

Б

В

Г

Д

Данные пространственные – результаты наблюдения за однородной совокупностью, проведенные одномоментно.

Данные панельные – объединение пространственных данных и временных рядов, то есть это результаты наблюдений за однородной совокупностью с течением времени.

Е

Ж

З

И

К

Л

М

Модель регрессионная – модели, описывающая зависимость между результирующим признаком и объясняющими переменными.

Модель линейная – модель, описывающая линейную функциональную зависимость между зависимой переменной и объясняющими факторами.

Метод наименьших квадратов (МНК) –  один из методов регрессионного анализа для оценки неизвестных параметров регрессионных моделей по выборочным данным, основанный на минимизации суммы квадратов остатков регрессии.

Н

О

Ошибки регрессии – случайные величины, характеризующие отклонение реального значения результирующего признака от теоретического, найденного из уравнения регрессии.

П

Р

Ряд временной – упорядоченная во времени последовательность наблюдений за некоторой случайной величиной.

С

Т

Тренд – долговременные факторы, определяющие основную тенденцию изменения исследуемого признака.

У

Ф

Факторы сезонные – повторяющиеся периодически колебания, вызванные их сезонным характером.

Х

Ц

Ч

Ш

Щ

Э

Эконометрика – набор статистических методов, с помощью которых на базе имеющихся количественных данных об экономических объектах осуществляются наблюдения за ходом их развития, анализ их состояния и функционирования, прогноз состояний.

Ю

Я

Простая регрессия (парная) – модель, в которой результирующий признак зависит от одного объясняющего фактора.

Уровень временного ряда – значения изучаемого показателя в некоторый момент времени.

Аддитивная модель – модель, в которой связи между переменными устанавливаются в виде алгебраической суммы.

Мультипликативная модель – модель, в которой связи между переменными устанавливаются в виде произведения.

Лаг (лагированное значение) – значение переменной в предыдущий момент времени.

Модель тренда и сезонности – модель временного ряда, описывающая функциональную связь между зависимой переменной и параметрами, характеризующими тренд и сезонность.

Динамическая модель – модель временного ряда, описывающая взаимосвязь между результирующим признаком, значениями зависимых переменных и их лагированными значениями.

Динамическая авторегрессионная модель – модель временного ряда, описывающая взаимосвязь между результирующим признаком, значениями зависимых переменных, их лагированными значениями и лагированными значениями результирующего признака.

Уравнение регрессии – формула статистической связи между результирующим признаком и объясняющими переменными.

Система одновременных уравнений – система регрессионных уравнений и тождеств, рассматриваемых в некоторый момент времени.

Реальное значение переменной – значение исследуемой переменной на некотором уровне ряда, полученное при статистическом сборе и анализе данных.

Модельное значение переменной – значение исследуемой переменной на некотором уровне ряда, полученное при моделировании.

Результирующий признак (зависимая переменная) – переменная, которая связана некоторой функциональной зависимостью с объясняющими переменными, она может принимать различные значения от изменения независимых параметров и изменения вида функции.

Независимая (объясняющая переменная) – переменная, значение которой входит в состав функции, позволяющей найти значение результирующего признака.

Корреляционное поле – графическое изображение множества точек, характеризующих зависимость между значениями результирующего признака и объясняющей переменной.

Теоретическое значение неизвестных параметров – числовые значения коэффициентов при объясняющих переменных в регрессионной модели, полученные при построении модели регрессии.

Несмещенность оценки – свойство оценки неизвестного параметра, характеризующееся равенством математического ожидания оценки параметра и реального значения параметра.

Эффективность оценки – свойство оценки неизвестного параметра, характеризующееся минимальностью отклонения оценок неизвестного параметра от реального значения.

Состоятельность оценки – свойство оценки неизвестного параметра, выполняющееся, если при увеличении количества наблюдений в анализируемой выборке, ее значение стремится к истинному значению.

Линейный коэффициент парной корреляции – коэффициент, характеризующий тесноту связи между результирующим признаком и объясняющей переменной в модели парной линейной регрессии.

Коэффициент детерминации – коэффициент, характеризующий качество подгонки модели под исходные статистические данные.

Средняя ошибка аппроксимации (средняя ошибка приближения) – показатель, характеризующий среднее отклонение расчетных значений от фактических.

Статистически значимая величина – величина, для которой мала вероятность ее случайного возникновения или отклонения тестовой статистики от нулевой гипотезы.

F-статистика Фишера – статистическая величина, характеризующая значимость модели в целом.

t-статистика Стьюдента – статистическая величина, характеризующая значимость коэффициентов регрессии.

Прогнозирование – использование полученного при моделировании уравнения регрессии для расчета будущих значений результирующего признака путем подстановки в уравнение соответствующих значений объясняющих переменных.

Множественная регрессия – модель, в которой результирующий признак зависит от нескольких объясняющих факторов.

Стандартизированные коэффициенты регрессии – безразмерные коэффициенты множественной регрессии, скорректированные на среднеквадратичное отклонение факторов, позволяющие равнозначно оценивать влияние различных факторов на результирующий признак.

Стандартизированное уравнение регрессии – уравнение регрессии, оценки неизвестных параметров в котором заменены на стандартизированные коэффициенты регрессии.

Скорректированный коэффициент детерминации – коэффициент детерминации, очищенный от влияния эффекта роста коэффициента детерминации при увеличении числа регрессоров в уравнении.

Коэффициент частной корреляции – коэффициент, характеризующий тесноту связи между одним из объясняющих факторов множественной регрессии и результирующим признаком при исключении влияния других факторов.

Мультиколлинеарность – наличие сильной линейной статистической зависимости между факторами в регрессионной модели.

Стандартные ошибки

Гомоскедастичность – постоянство дисперсии остатков или независимость дисперсии остатков от номера наблюдения.

Гетероскедастичность – непостоянство дисперсии остатков или зависимость дисперсии остатков от номера наблюдения.

Автокорреляция остатков – процесс при котором ошибки регрессии образуют авторегрессионный процесс первого порядка.

Авторегрессия – зависимость случайной величины от ее лагированных значений.

Фиктивные переменные – переменные, вводимые в регрессионную модель с целью оценки некоторого качественного признака.