click below
click below
Normal Size Small Size show me how
ekonometria
| Question | Answer |
|---|---|
| Suurten Lukujen Laki | Jos havainnot ovat riippumattomia ja samoin jakautuneita (i.i.d), otoskeskiarvo on hyvin lähellä odotusarvoa, kun otoskoko on suuri |
| Iteroidun odotusarvon laku | E(Y)=E(E(Y∣X)) |
| Estimaattorin tehokkuus | Tehokkaampi mitä pienempi varianssi |
| Estimaattorin harhattomuus | Odotusarvo on sama kuin parametri itse |
| Tarkentuvuus | kun n kasvaa, estimaattori lähenee parametria |
| Puuttuvan Muuttujan Harha | virhe regressiomallin estimaattorissa. mallista on jäänyt pois muuttuja, joka korreloi selittävän muuttujan kanssa ja selittää vastemuuttujaa |
| Homoskedastisuus | virhetermin ehdollinen varianssi on vakio kaikilla havainnoilla i |
| Heteroskedastisuus | virhetermin ehdollinen varianssi ei ole vakio |
| HAC-keskivirheet | Ottavat huomioon virhetermin heteroskedastisuuden ja autokorrelaation |
| Multikollineaarisuus | usean muuttujan regressiomallissa kaksi tai useampi selittävä muuttuja korreloi keskenään |
| Lin-log-malli | regressiomalli, jossa vain selittävä muuttuja on logaritmoitu |
| Interraktiotermi | Uusi selittävä muuttuja, joka muodostetaan kahden muuttujan tulona |
| PNS-menetelmä (pienimmän neliösumman menetelmä | menetelmä populaatiotason regressiosuoran parametrien estimointiin |
| Autokorrelaatio | muuttujan havainnot ovat korreloituneet itsensä kanssa eri ajanhetkinä |
| Kiinteiden vaikutusten regressiomalli | Paneeliaineistoihin soveltuva regressiomalli, joka sisältää yksikkökohtaisen kiinteän vaikutuksen |
| Yksikkökohtainen kiinteä vaikutus | Tuntematon vakiotermi, joka vaihtelee yksiköittäin (i), mutta ei riipu ajanhetkestä (t) yksikön sisällä |
| Aikakohtainen kiinteä vaikutus | Termi, jolla huomioidaan tekijät, jotka pysyvät vakioina yksiköissä, mutta vaihtelevat yli ajan |
| SER ja korjattu selitysaste ja kumpaa käytät | SER estimaattori virhetermin keskihajonnalle. Adj R^2 mittaa vastemuuttujan vaihtelua, mutta ottaa huomioon selittävien muttujien lukumäärän. Käytä sitä joka SER on pienempi ja R^2 iso. |
| Keskeinen raja-arvolause | Jos havainnot ovat riippumattomia ja samoin jakautuneita (i.i.d), ja niillä on äärellinen varianssi, niin otoskoon n kasvaessa suureksi otoskeskiarvon otosjakauma on likimain normaali |