計量經(jīng)濟(jì)學(xué)術(shù)語

1、A 校正R2（Adjusted R-Squared）：多元回歸分析中擬合優(yōu)度的量度，在估計誤差的方差時對添加的解釋變量用一個自由度來調(diào)整。對立假設(shè)（Alternative Hypothesis）：檢驗(yàn)虛擬假設(shè)時的相對假設(shè)。AR（1）序列相關(guān)（AR(1) Serial Correlation）：時間序列回歸模型中的誤差遵循AR（1）模型。漸近置信區(qū)間（Asymptotic Confidence Interval）：大樣本容量下近似成立的置信區(qū)間。漸近正態(tài)性（Asymptotic Normality）：適當(dāng)正態(tài)化后樣本分布收斂到標(biāo)準(zhǔn)正態(tài)分布的估計量。漸近性質(zhì)（Asymptotic Properti

2、es）：當(dāng)樣本容量無限增長時適用的估計量和檢驗(yàn)統(tǒng)計量性質(zhì)。漸近標(biāo)準(zhǔn)誤（Asymptotic Standard Error）：大樣本下生效的標(biāo)準(zhǔn)誤。漸近t 統(tǒng)計量（Asymptotic t Statistic）：大樣本下近似服從標(biāo)準(zhǔn)正態(tài)分布的t統(tǒng)計量。漸近方差（Asymptotic Variance）：為了獲得漸近標(biāo)準(zhǔn)正態(tài)分布，我們必須用以除估計量的平方值。漸近有效（Asymptotically Efficient）：對于服從漸近正態(tài)分布的一致性估計量，有最小漸近方差的估計量。漸近不相關(guān)（Asymptotically Uncorrelated）：時間序列過程中，隨著兩個時點(diǎn)上的隨機(jī)變量的時間間隔

3、增加，它們之間的相關(guān)趨于零。衰減偏誤（Attenuation Bias）：總是朝向零的估計量偏誤，因而有衰減偏誤的估計量的期望值小于參數(shù)的絕對值。自回歸條件異方差性（Autoregressive Conditional Heteroskedasticity, ARCH）：動態(tài)異方差性模型，即給定過去信息，誤差項(xiàng)的方差線性依賴于過去的誤差的平方。一階自回歸過程AR（1）（Autoregressive Process of Order One AR(1)）：一個時間序列模型，其當(dāng)前值線性依賴于最近的值加上一個無法預(yù)測的擾動。輔助回歸（Auxiliary Regression）：用于計算檢驗(yàn)統(tǒng)計量例

4、如異方差性和序列相關(guān)的檢驗(yàn)統(tǒng)計量或其他任何不估計主要感興趣的模型的回歸。平均值（Average）：n個數(shù)之和除以n。B 基組、基準(zhǔn)組（Base Group）：在包含虛擬解釋變量的多元回歸模型中，由截距代表的組?；冢˙ase Period）：對于指數(shù)數(shù)字，例如價格或生產(chǎn)指數(shù)，其他所有時期均用來作為衡量標(biāo)準(zhǔn)的時期?；谥担˙ase Value）：指定的基期的值，用以構(gòu)造指數(shù)數(shù)字；通?；局禐?或100。最優(yōu)線性無偏估計量（Best Linear Unbiased Estimator, BLUE）：在所有線性、無偏估計量中，有最小方差的估計量。 在高斯馬爾科夫假定下，OLS是以解釋變量樣本值為條件

5、的BLUE 。貝塔系數(shù)（Beta Coef?cients）：見標(biāo)準(zhǔn)化系數(shù)。偏誤（Bias）：估計量的期望參數(shù)值與總體參數(shù)值之差。偏誤估計量（Biased Estimator）：期望或抽樣平均與假設(shè)要估計的總體值有差異的估計量。向零的偏誤（Biased Towards Zero）：描述的是估計量的期望絕對值小于總體參數(shù)的絕對值。二值響應(yīng)模型（Binary Response Model）：二值因變量的模型。二值變量（Binary Variable）：見虛擬變量。兩變量回歸模型（Bivariate Regression Model）：見簡單線性回歸模型。BLUE（BLUE）：見最優(yōu)線性無偏估計量。B

6、reusch-Godfrey 檢驗(yàn)（Breusch-Godfrey Test）：漸近正確的AR（p）序列相關(guān)檢驗(yàn)，以AR（1）最為流行；該檢驗(yàn)考慮到滯后因變量和其他不是嚴(yán)格外生的回歸元。Breusch-Pagan 檢驗(yàn)（Breusch-Pagan Test）：將OLS殘差的平方對模型中的解釋變量做回歸的異方差性檢驗(yàn)。C因果效應(yīng)（Causal Effect）：一個變量在其余條件不變情況下的變化對另一個變量產(chǎn)生的影響。其余條件不變（Ceteris Paribus）：其他所有相關(guān)因素均保持固定不變。經(jīng)典含誤差變量（Classical Errors-in-Variables, CEV）：觀測的量度等于

7、實(shí)際變量加上一個獨(dú)立的或至少不相關(guān)的測量誤差的測量誤差模型。經(jīng)典線性模型（Classical Linear Model）：全套經(jīng)典線性模型假定下的復(fù)線性回歸模型。經(jīng)典線性模型（CLM）假定（Classical Linear Model (CLM) Assumptions）：對多元回歸分析的理想假定集，對橫截面分析為假定MLR.1至MLR.6，對時間序列分析為假定TS.1至TS.6。假定包括對參數(shù)為線性、無完全共線性、零條件均值、同方差、無序列相關(guān)和誤差正態(tài)性。科克倫奧克特（CO）估計（Cochrane-Orcutt (CO) Estimation）：估計含AR（1）誤差和嚴(yán)格外生解釋變量的多元

8、線性回歸模型的一種方法；與普萊斯溫斯登估計不同，科克倫奧克特估計不使用第一期的方程。置信區(qū)間（CI）（Con?dence Interval, CI）：用于構(gòu)造隨機(jī)區(qū)間的規(guī)則，以使所有數(shù)據(jù)集中的某一百分比（由置信水平?jīng)Q定）給出包含總體值的區(qū)間。置信水平（Con?dence Level）：我們想要可能的樣本置信區(qū)間包含總體值的百分比，95%是最常見的置信水平，90%和99%也用。不變彈性模型（Constant Elasticity Model）：因變量關(guān)于解釋變量的彈性為常數(shù)的模型；在多元回歸中，兩者均以對數(shù)形式出現(xiàn)。同期外生回歸元（Contemporaneously Exogenous）：在時間

9、序列或綜列數(shù)據(jù)應(yīng)用中，與同期誤差項(xiàng)不相關(guān)但對其他時期則不一定的回歸元。控制組（Control Group）：在項(xiàng)目評估中，不參與該項(xiàng)目的組?？刂谱兞浚–ontrol Variable）：見解釋變量。協(xié)方差平穩(wěn)（Covariance Stationary）：時間序列過程，其均值、方差為常數(shù)，且序列中任意兩個隨機(jī)變量之間的協(xié)方差僅與它們的間隔有關(guān)。協(xié)變量（Covariate）：見解釋變量。臨界值（Critical Value）：在假設(shè)檢驗(yàn)中，用于與檢驗(yàn)統(tǒng)計量比較來決定是否拒絕虛擬假設(shè)的值。橫截面數(shù)據(jù)集（Cross-Sectional Data Set）：在給定時點(diǎn)上從總體中收集的數(shù)據(jù)集D 數(shù)據(jù)頻率

10、（Data Frequency）：收集時間序列數(shù)據(jù)的區(qū)間。年度、季度和月度是最常見的數(shù)據(jù)頻率。戴維森麥金農(nóng)檢驗(yàn)（Davidson-MacKinnon Test）：用于檢驗(yàn)相對于非嵌套對立假設(shè)的模型的檢驗(yàn)：它可用相爭持模型中得出的擬合值的t檢驗(yàn)來實(shí)現(xiàn)。自由度（df）（Degrees of Freedom, df）：在多元回歸模型分析中，觀測值的個數(shù)減去待估參數(shù)的個數(shù)。分母自由度（Denominator Degrees of Freedom）：F檢驗(yàn)中無約束模型的自由度。因變量（Dependent Variable）：在多元回歸模型（和其他各種模型）中被解釋的變量。除趨勢（Detrending）：

11、從時間序列中除去趨勢的做法。斜率級差（Difference in Slopes）：所描述的是模型中某些斜率參數(shù)，因組或時期的不同而不同。向下偏誤（Downward Bias）：估計量的期望值低于參數(shù)的總體值。虛擬變量（Dummy Variable）：取值為0或1的變量。虛擬變量陷阱（Dummy Variable Regression）：自變量中包含了過多的虛擬變量造成的錯誤；當(dāng)模型中既有整體截距又對每一組都設(shè)有一個虛擬變量時，該陷阱就產(chǎn)生了。德賓沃森（DW）統(tǒng)計量（Durbin-Watson (DW) Statistic）：在經(jīng)典線性回歸假設(shè)下，用于檢驗(yàn)時間序列回歸模型的誤差項(xiàng)中的一階序列相關(guān)

12、的統(tǒng)計量。動態(tài)完整模型（Dynamically Complete Model）：設(shè)更多的滯后因變量，或設(shè)更多的滯后解釋變量都無助于解釋因變量的均值的時間序列模型。E計量經(jīng)濟(jì)模型（Econometric Model）：將因變量與一組解釋變量和未觀測到的擾動聯(lián)系起來的方程，方程中未知的總體參數(shù)決定了各解釋變量在其余條件不變下的效應(yīng)。經(jīng)濟(jì)模型（Economic Model）：從經(jīng)濟(jì)理論或不那么正規(guī)的經(jīng)濟(jì)原因中得出的關(guān)系。經(jīng)濟(jì)顯著性（Economic Signi?cance）：見實(shí)際顯著性。彈性（Elasticity）：給定一個變量在其余條件不變下增加1%，另一個變量的百分比變化。經(jīng)驗(yàn)分析（Empir

13、ical Analysis）：用正規(guī)計量分析中的數(shù)據(jù)檢驗(yàn)理論、估計關(guān)系式或確定政策效應(yīng)的研究。內(nèi)生解釋變量（Endogenous Explanatory Variable）：在多元回歸模型中，由于遺漏變量、測量誤差或聯(lián)立性的原因而與誤差項(xiàng)相關(guān)的解釋變量。內(nèi)生樣本選擇（Endogenous Sample Selection）：非隨機(jī)樣本選擇，其選擇直接地或通過方程中的誤差項(xiàng)與因變量相聯(lián)系。誤差項(xiàng)（Error Term）：在簡單或多元回歸方程中，包含了未觀測到的影響因變量的因素的變量。誤差項(xiàng)也可能包含被觀測的因變量或自變量中的測量誤差。誤差方差（Error Variance）：多元回歸模型中誤差項(xiàng)

14、的方差。事件研究（Event Study）：事件（例如政府規(guī)制或經(jīng)濟(jì)政策的變化）對結(jié)果變量的效應(yīng)的計量分析。排除一個有關(guān)變量（Excluding a Relevant Variable）：在多元回歸分析中，遺漏了一個對因變量有非零偏效應(yīng)的變量。排斥性約束（Exclusion Restrictions）：說明某些變量被排斥在模型之外（或具有零總體參數(shù)）的約束。外生解釋變量（Exogenous Explanatory Variable）：與誤差項(xiàng)不相關(guān)的解釋變量。外生樣本選擇（Exogenous Sample Selection）：或者依賴外生解釋變量，或者與所感興趣的模型中的誤差項(xiàng)不相關(guān)的樣本選

15、擇。實(shí)驗(yàn)數(shù)據(jù)（Experimental Data）：通過進(jìn)行受控制的實(shí)驗(yàn)獲得的數(shù)據(jù)。試驗(yàn)組（Experimental Group）：見處理組。解釋平方和（SSE）（Explained Sum of Squares, SSE）：多元回歸模型中擬合值的總樣本變異。被解釋變量（Explained Variable）：見因變量。解釋變量（Explanatory Variable）：在回歸分析中，用于解釋因變量中的變異的變量。指數(shù)趨勢（Exponential Trend）：有固定增長率的趨勢。F F統(tǒng)計量（F Statistic）：在多元回歸模型中，用于檢驗(yàn)關(guān)于參數(shù)的多重假設(shè)的統(tǒng)計量?？尚械腉LS（FG

16、LS）估計量（Feasible GLS (FGLS) Estimator）：方差或相關(guān)參數(shù)未知，因而必須先進(jìn)行估計的GLS程序。 （又見廣義最小二乘估計量。）有限分布滯后（FDL）模型（Finite Distributed Lag (FDL) Model）：允許一個或多個解釋變量對因變量有滯后效應(yīng)的動態(tài)模型。一階差分（First Difference）：對相鄰時期做差分所構(gòu)成的對時間序列的轉(zhuǎn)換，即用后一時期減去前一時期。一階條件（First Order Conditions）：用于求解OLS估計值的一組線性方程。擬合值（Fitted Values）：在各觀測中將自變量的值插入OLS回歸線時，所

17、得到的因變量的估計值。函數(shù)形式的錯誤設(shè)定（al Form Misspeci?cation）：當(dāng)模型中有被遺漏的解釋變量的函數(shù)（例如二次項(xiàng)），或者對一個因變量或某些自變量用了錯誤的函數(shù)時產(chǎn)生的問題。G高斯馬爾科夫假定（Gauss-Markov Assumptions）：一組假定（假定MLR.1至MLR.5或假定TS.1至TS.5），在這之下OLS是BLUE 。高斯馬爾科夫定理（Gauss-Markov Theorem）：該定理表明，在五個高斯馬爾科夫假定下（對于橫截面或時間序列模型），OLS估計量是BLUE （在解釋變量樣本值的條件下）。廣義最小二乘（GLS） 估計量（Generalized L

18、east Squares (GLS) Estimator）：通過對原始模型的變換，說明了已知結(jié)構(gòu)的誤差的方差（異方差性）和誤差中的序列相關(guān)形式或兩者兼有的估計量。擬合優(yōu)度度量（Goodness-of-Fit Measure）：概括一組解釋變量有多好地解釋了因變量或響應(yīng)變量的統(tǒng)計量。增長率（Growth Rate）：時間序列中相對于前一時期的比例變化。可將它近似為對數(shù)差分或以百分比形式報導(dǎo)。H異方差性（Heteroskedasticity）：給定解釋變量，誤差項(xiàng)的方差不為常數(shù)。未知形式的異方差性（Heteroskedasticity of Unknown Form）：以一未知的任意形式依賴于解釋

19、變量的異方差性。異方差穩(wěn)健F 統(tǒng)計量（Heteroskedasticity-Robust F Statistic）：對未知形式的異方差性而言（漸近）穩(wěn)健的F 統(tǒng)計量。異方差穩(wěn)健LM 統(tǒng)計量（Heteroskedasticity-Robust LM Statistic）：對未知形式的異方差性而言（漸近）穩(wěn)健的LM 統(tǒng)計量。異方差穩(wěn)健標(biāo)準(zhǔn)誤（Heteroskedasticity-Robust Standard Error）：對未知形式的異方差性而言（漸近）穩(wěn)健的標(biāo)準(zhǔn)誤。異方差穩(wěn)健t 統(tǒng)計量（Heteroskedasticity-Robust t Statistic）：對未知形式的異方差性而言（漸近

20、）穩(wěn)健的t 統(tǒng)計量。高持續(xù)性過程（Highly Persistent Process）：時間序列過程，其中遙遠(yuǎn)的將來的結(jié)果與當(dāng)前的結(jié)果高度相關(guān)。同方差性（Homoskedasticity）：回歸模型中的誤差在解釋變量條件下具有不變的方差。I即期彈性（Impact Elasticity）：在分布滯后模型中，給定自變量增加1%因變量的即時的百分比變化。即期乘數(shù)（Impact Multiplier）：見即期傾向。即期傾向（Impact Propensity）：在分布滯后模型中，自變量增加一個單位因變量的即時的變化。包含一個無關(guān)變量（Inclusion of an Irrelevant Variabl

21、e）：用OLS估計方程時，回歸模型中包含了總體參數(shù)為零的解釋變量。指數(shù)（Index Number）：關(guān)于經(jīng)濟(jì)行為（例如生產(chǎn)或價格）總量信息的統(tǒng)計量。影響重大的觀測值（In?uential Observations）：見奇異值。INTRODUCTORY ECONOMETRICS一階自積I（1）（Integrated of Order One I(1)）：需要做一階差分來得到I（0）過程的時間序列過程。零階自積I（0）（Integrated of Order Zero I(0)）：平穩(wěn)、弱獨(dú)立時間序列過程，當(dāng)用于回歸分析時，它滿足大數(shù)定律和中心極限定理。交互作用（Interaction Effec

22、t）：回歸模型中為兩個解釋變量的乘積的自變量。截距參數(shù)（Intercept Parameter）：復(fù)線性回歸模型中，給出當(dāng)所有自變量都為零時因變量的期望值的參數(shù)。截距的變動（Intercept Shift）：回歸模型中的截距，因組或時期的不同而不同。J聯(lián)合假設(shè)檢驗(yàn)（Joint Hypothesis Test）：一個模型中包含不止一個對參數(shù)的約束的檢驗(yàn)。聯(lián)合統(tǒng)計顯著性（Jointly Statistically Signi?cant）：兩個或多個解釋變量具有零總體系數(shù)的虛擬假設(shè)以一個選定的顯著性水平被拒絕。L滯后分布（Lag Distribution）：在無限或有限分布滯后模型中，把滯后系數(shù)表示

23、為滯后長度的函數(shù)。滯后因變量（Lagged Dependent Variable）：等于以前時期的因變量的解釋變量。拉格朗日乘數(shù)統(tǒng)計量（Lagrange Multiplier Statistic）：僅在大樣本下為正確的檢驗(yàn)統(tǒng)計量，它可用于在不同的模型設(shè)定問題中檢驗(yàn)遺漏變量、異方差性和序列相關(guān)。大樣本性質(zhì)（Large Sample Properties）：見漸近性質(zhì)。水平值水平值模型（Level-Level Model）：因變量與自變量均為標(biāo)準(zhǔn)（或原始）形式的回歸模型。水平值對數(shù)模型（Level-Log Model）：因變量為標(biāo)準(zhǔn)形式、自變量（至少是其中一部分）為對數(shù)形式的回歸模型。線性概率模型

24、（LPM）（Linear Probability Model, LPM）：響應(yīng)概率對參數(shù)為線性的二值響應(yīng)模型。線性時間趨勢（Linear Time Trend）：為時間的線性函數(shù)的趨勢。線性無偏估計量（Linear Unbiased Estimator）：在多元回歸分析中，是因變量值的一個線性函數(shù)的那些無偏估計量。對數(shù)水平值模型（Log-Level Model）：因變量以對數(shù)形式出現(xiàn)，而自變量是水平（或原始）形式的一種回歸模型。對數(shù)對數(shù)模型（Log-Log Model）：因變量和（至少一部分）解釋變量都是以對數(shù)形式出現(xiàn)的回歸模型。長期彈性（Long-Run Elasticity）：因變量和自變

25、量都是對數(shù)形式出現(xiàn)的分布滯后模型中的長期傾向。即，長期彈性是在給定解釋變量增長了1%時，被解釋變量最終變化的百分比。長期乘數(shù)（Long-Run Multiplier）：參見長期傾向。長期傾向（Long-Run Propensity）：在一個分布滯后模型中，給定自變量的一個永久性的、一個單位的增長，因變量最終的變化量。M配對樣本（Matched Pairs Sample）：每個觀測值都與另一個觀測值相匹配的一種樣本，如由丈夫和妻子或一對兄妹組成的樣本。測量誤差（Measurement Error）：觀測到的變量與多元回歸方程中的變量之間的差。微數(shù)缺測性（Micronumerosity）：由Art

26、hur Goldberger 首先提出的一個概念，用以描述容量樣本較小時計量經(jīng)濟(jì)學(xué)估計量的性質(zhì)。最小方差無偏估計量（Minimum Variance Unbiased Estimator）：在所有的無偏估計量中方差最小的那個估計量。數(shù)據(jù)缺失（Missing Data）：當(dāng)我們沒有觀測到樣本中某些觀測（個人、城市、時期等）所對應(yīng)的一些變量值時，發(fā)生的一類數(shù)據(jù)問題。一階移動平均過程MA（1）（Moving Average Process of Order One MA(1)）：是由某個隨機(jī)過程的當(dāng)期值與一期滯后的線性函數(shù)所產(chǎn)生的一種時間序列過程。這個隨機(jī)過程是0均值、固定方差和不相關(guān)的。多重共線性

27、（Multicollinearity）：指多元回歸模型中自變量之間的相關(guān)性。當(dāng)某些相關(guān)性“很大”時，就會發(fā)生多重共線性，但對實(shí)際的大小尺度并沒有明確的規(guī)定。多重假設(shè)檢驗(yàn)（Multicollinearity）：涉及到參數(shù)的多個約束條件的虛擬假設(shè)檢驗(yàn)。多元線性回歸（MLR）模型（Multiple Linear Regression (MLR) Model）：對參數(shù)是線性的一類模型，其中的因變量是自變量的函數(shù)加上一個誤差項(xiàng)。多元回歸分析（Multiple Regression Analysis）：在多元線性回歸模型中進(jìn)行估計和推斷的一類分析。多重約束（Multiple Restrictions）：計

28、量經(jīng)濟(jì)學(xué)模型中對參數(shù)的多于一個的約束條件。乘數(shù)測量誤差（Multiplicative Measurement Error）：觀測到的變量等于實(shí)際的觀測不到的變量與一個正的測量誤差的乘積時出現(xiàn)的一種測量誤差。Nn-R-平方統(tǒng)計量（n-R-Squared Statistic）：參見拉格朗日乘數(shù)統(tǒng)計量。名義變量（Nominal Variable）：用名義或當(dāng)前美元數(shù)表示的變量。非實(shí)驗(yàn)數(shù)據(jù)（Nonexperimental Data）：不是通過人為控制下的實(shí)驗(yàn)得到的數(shù)據(jù)。非嵌套模型（Nonnested Models）：沒有一個模型可以通過對參數(shù)施加限制條件而被表示成另一個模型的特例的兩個（或更多）模型。

29、非平穩(wěn)過程（Nonstationary Process）：聯(lián)合分布在不同的時期不是恒定不變的一種時間序列過程。正態(tài)性假定（Normality Assumption）：經(jīng)典線性模型假定之一。它是指以解釋變量為條件的誤差（或因變量）有正態(tài)分布。虛擬假設(shè)（Null Hypothesis）：在經(jīng)典假設(shè)檢驗(yàn)中，我們把這個假設(shè)當(dāng)作真的，要求數(shù)據(jù)能夠提供足夠的證據(jù)才能否定它。分子自由度（Numerator Degrees of Freedom）：在F檢驗(yàn)中，所檢驗(yàn)的約束條件的個數(shù)。O可觀測數(shù)據(jù)（Observational Data）：參見非實(shí)驗(yàn)數(shù)據(jù)。OLS（OLS）：參見普通最小二乘法。OLS截距估計值（O

30、LS Intercept Estimate）：OLS回歸線的截距。OLS回歸線（OLS Regression Line）：表示了因變量的預(yù)報值與自變量的值之間關(guān)系的方程，它的參數(shù)是用OLS估計出來的。OLS斜率估計值（OLS Slope Estimate）：OLS回歸線的斜率。遺漏變量偏誤（Omitted Variable Bias）：回歸中遺漏了有關(guān)變量而產(chǎn)生的OLS估計量的偏誤。單側(cè)對立假設(shè)（One-Sided Alternative）：被表述為參數(shù)大于（或小于）虛擬條件下的假設(shè)值的一種對立假設(shè)。單尾檢驗(yàn)（One-Tailed Test）：與單側(cè)對立假設(shè)相對的假設(shè)檢驗(yàn)。序數(shù)變量（Ordin

31、al Variable）：通過排列順序傳達(dá)信息的一種數(shù)據(jù)，它們的大小本身并不說明任何問題。普通最小二乘法（OLS）（Ordinary Least Squares, OLS）：用來估計多元線性回歸模型中的參數(shù)的一種方法。最小二乘估計值通過最小化殘差的平方和得到。INTRODUCTORY ECONOMETRICS異常數(shù)據(jù)（Outliers）：在數(shù)據(jù)集中，與大量其他數(shù)據(jù)有明顯區(qū)別的觀測值。這種現(xiàn)象可能是由于誤差造成的，也可能是因?yàn)樗鼈兪怯膳c多數(shù)其他數(shù)據(jù)不同的模型產(chǎn)生而造成的。整體顯著性（Overall Signi?cance of a Regression）：對多元回歸方程中所有的解釋變量所做的一種

32、聯(lián)合顯著性檢驗(yàn)。模型的過度識別（Overspecifying a Model）：參見含有一個無關(guān)變量。P p值（p-value）：指能夠拒絕虛擬假設(shè)的最低顯著性水平。等價的，它也指虛擬假設(shè)不被拒絕的最大顯著性水平。綜列數(shù)據(jù)（Panel Data）：在不同時期，橫截面的不斷反復(fù)得到的數(shù)據(jù)集。在平衡的綜列中，同樣的單位在每個時期都出現(xiàn)。在不平衡的綜列中，有些單位往往由于衰減現(xiàn)象而不會在每個時期都出現(xiàn)。偏效應(yīng)（Partial Effect）：回歸模型中的其他因素保持不變時，某個解釋變量對因變量的影響。完全共線性（Perfect Collinearity）：在多元回歸中，一個自變量是一個或多個其他自變

33、量的線性函數(shù)。變量缺失問題的插入解（Plug-In Solution to the Omitted Variables Problem）：在OLS回歸中，用一個代理變量代替觀測不到的缺失變量。政策分析（Policy Analysis）：用計量經(jīng)濟(jì)學(xué)模型來評估某項(xiàng)政策的效果的一種實(shí)證分析。混合橫截面（Pooled Cross Section）：通常在不同時點(diǎn)收集到的相互獨(dú)立的橫截面組合而成的一個單獨(dú)的數(shù)據(jù)集?？傮w（Population）：作為統(tǒng)計或計量經(jīng)濟(jì)分析對象的一個明確定義的組群（人、公司、城市等）?？傮w模型（Population Model）：一種描述了總體特征的模型，特別是多元線性回歸模

34、型?？傮wR平方（Population R-Squared）：總體中，由解釋變量解釋了的那部分因變量的變異。總體回歸函數(shù)（Population Regression ）：參見條件期望。實(shí)際顯著性（Practical Signi?cance）：相對于統(tǒng)計顯著性而言的、某個估計值的實(shí)際的或經(jīng)濟(jì)的重要性，用它的符號和大小來衡量。普萊斯溫斯登（PW）估計（Prais-Winsten (PW) Estimation）：一種用來估計有AR（1）誤差和嚴(yán)格外生解釋變量的多元線性回歸模型的方法；不同于科克倫-奧克特方法，它在估計中要用到第一個時期的方程。前定變量（Predetermined Variable）：

35、在聯(lián)立方程模型中的滯后的內(nèi)生變量或滯后的外生變量。被預(yù)測變量（Predicted Variable）：參見因變量。預(yù)報（Prediction）：把特定的解釋變量的值代入所估計的模型，通常是多元回歸模型中，以得到結(jié)果的一個估計值。預(yù)測誤差（Prediction Error）：實(shí)際結(jié)果與所預(yù)報的結(jié)果之間的差。預(yù)測區(qū)間（Prediction Interval）：多元回歸模型中，某個因變量的未知結(jié)果的一個置信區(qū)間。預(yù)測變量（Predictor Variable）：參見解釋變量。項(xiàng)目評估（Program Evaluation）：用計量經(jīng)濟(jì)學(xué)方法求出某個私人或公共項(xiàng)目的不確定影響的一種評估方法。代理變量（

36、Proxy Variable）：多元回歸分析中，一個與觀測不到的解釋變量有關(guān)系但又不相同的可觀測變量。Q二次函數(shù)（Quadratic s）：包含一個或多個解釋變量的平方的函數(shù)，它反映了解釋變量對因變量的逐漸變?nèi)趸蛟鰪?qiáng)的影響。定性變量（Qualitative Variable）：描述一個人、企業(yè)及城市等的非定量特征的變量。擬差分?jǐn)?shù)據(jù)（Quasi-Differenced Data）：在估計有AR（1）的序列相關(guān)的回歸模型時，當(dāng)期數(shù)據(jù)與前一期數(shù)據(jù)乘以AR（1）模型的參數(shù)后得到的數(shù)據(jù)之間的差。R平方（R-Bar Squared）：參見校正的R2。R2（R-Squared）：在多元回歸模型中，由自變量解

37、釋了的那部分因變量的樣本方差之和。R2形式的F統(tǒng)計量（R-Squared Form of the F Statistic）：用受約束和不受約束的模型中得到的由R2-表示的、用于檢驗(yàn)排除約束條件的F統(tǒng)計量。隨機(jī)抽樣（Random Sampling）：在總體中隨機(jī)抽取觀測值的一種抽樣方法。各個單位被抽取的可能性是相同的，而且每次抽樣都與其他次相互獨(dú)立。隨機(jī)游走（Random Walk）：在這樣一種時間序列中，下個時期的值等于本期值加上一個獨(dú)立的（或至少是不相關(guān)的）誤差項(xiàng)。有漂移的隨機(jī)游走（Random Walk with Drift）：每個時期都加進(jìn)一個常數(shù)（或漂移）的隨機(jī)游走。實(shí)際變量（Real

38、 Variable）：用基期貨幣價值表示的變量?；貧w子（Regressand）：參見因變量?；貧w誤差設(shè)定檢驗(yàn)（RESET）（Regression Speci?cation Error Test, RESET）：在多元回歸模型中，檢驗(yàn)函數(shù)形式的一般性方法。它是一種由最初的OLS估計得出的擬合值的平方、三次方以及可能更高次冪的聯(lián)合顯著性F檢驗(yàn)。過原點(diǎn)回歸（Regression Through the Origin）：截距被設(shè)為0的回歸分析，它的斜率通過最小化殘差的平方和求出?；貧w元（Regressor）：參見解釋變量。拒絕區(qū)域（Rejection Region）：使得虛擬假設(shè)被拒絕的一組檢驗(yàn)統(tǒng)計量

39、的值。拒絕法則（Rejection Rule）：在假設(shè)檢驗(yàn)中，決定在什么情況下拒絕虛擬假設(shè)并支持對立假設(shè)的法則。殘差（Residual）：實(shí)際值與擬合（或預(yù)報）值之間的差。樣本中的每次觀測都有一個相應(yīng)的殘差，它們被用來計算OLS回歸線。殘差分析（Residual Analysis）：在估計多元回歸模型后，對某次特定觀測的殘差的符號和大小所作的研究。殘差平方和（Residual Sum of Squares）：參見殘差的平方和。響應(yīng)概率（Response Probability）：在二值響應(yīng)模型中，以解釋變量為條件的因變量取值為1的概率。響應(yīng)變量（Response Variable）：參見因變量

40、。受約束的模型（Restricted Model）：在假設(shè)檢驗(yàn)中，施加所有虛擬假設(shè)所要求的約束條件后得到的模型。均方根誤（RMSE）（Root Mean Squared Error, RMSE）：多元回歸分析中回歸標(biāo)準(zhǔn)誤的另一個名稱（僅當(dāng)期望值等于實(shí)測值譯者）。S樣本回歸函數(shù)（Sample Regression ）：參見OLS回歸線。得分統(tǒng)計量（Score Statistic）：參見拉格朗日乘數(shù)統(tǒng)計量。季節(jié)性虛擬變量（Seasonal Dummy Variables）：一組用來表示季節(jié)或月份的虛擬變量。季節(jié)性（Seasonality）：月度或季度時間序列具有的均值隨著一年中季節(jié)的不同而系統(tǒng)性變

41、化的特點(diǎn)。季節(jié)性調(diào)整（Seasonally Adjusted）：用某種統(tǒng)計程序，可能是對季節(jié)性虛擬變量做回歸，來消除月度或季度時間序列中的季節(jié)性成分。半彈性（Semi-Elasticity）：自變量的一個單位的增長導(dǎo)致的因變量的變化的百分比。序列相關(guān)（Serial Correlation）：在時間序列或綜列數(shù)據(jù)模型中，不同時期的誤差之間的相關(guān)性。INTRODUCTORY ECONOMETRICS序列相關(guān)穩(wěn)健標(biāo)準(zhǔn)誤（Serial Correlation-Robust Standard Error）：不管模型中的誤差是否與序列相關(guān)，都（漸近）生效的估計量的標(biāo)準(zhǔn)誤。序列不相關(guān)（Serially Un

42、correlated）：在時間序列或綜列數(shù)據(jù)模型中，不同時間的誤差兩兩之間不相關(guān)。短期彈性（Short-Run Elasticity）：因變量和自變量都以對數(shù)形式出現(xiàn)的分布滯后模型中的即期傾向。顯著性水平（Signi?cance Level）：假設(shè)檢驗(yàn)中發(fā)生第I類錯誤的概率。簡單線性回歸模型（Simple Linear Regression Model）：因變量只是一個自變量和一個誤差項(xiàng)的線性函數(shù)的模型。斜率參數(shù)（Slope Parameter）：多元回歸模型中的自變量的系數(shù)。謬誤相關(guān)（Spurious Correlation）：不是因?yàn)槎哂幸蚬P(guān)系，可能是因?yàn)樗鼈兌际芰硪粋€觀測不到的因素影

43、響，所導(dǎo)致的兩個變量之間的相關(guān)性。謬誤回歸問題（Spurious Regression Problem）：如果回歸分析表明兩個或多個無關(guān)時間序列具有一定關(guān)系，而其原因僅僅因?yàn)樗鼈兠總€都有趨勢或都是自積時間序列（如隨機(jī)游走），或上面兩種情況同時出現(xiàn)，這種問題就是謬誤回歸問題。穩(wěn)定的AR（1）過程（Stable AR(1) Process）：滯后變量的系數(shù)絕對值小于1時的AR（1）過程。序列中的兩個隨機(jī)變量的相關(guān)性，隨著它們之間的時間間隔不斷增大，以幾何級數(shù)趨近于0。1的標(biāo)準(zhǔn)誤（Standard Error of 1）：1抽樣分布的標(biāo)準(zhǔn)差的估計值。1的標(biāo)準(zhǔn)差（Standard Deviation

44、of 1）：衡量1抽樣分布的分散程度的常用指標(biāo)。估計值的標(biāo)準(zhǔn)誤（Standard Error of the Estimate）：參見回歸的標(biāo)準(zhǔn)誤。回歸的標(biāo)準(zhǔn)誤（SER）（Standard Error of the Regression, SER）：多元回歸分析中的總體誤差的標(biāo)準(zhǔn)差的估計值。等于殘差平方和的平方根除以自由度。標(biāo)準(zhǔn)化系數(shù)（Standardized Coef?cients）：一種回歸系數(shù)，它度量了自變量增加一個標(biāo)準(zhǔn)差時，因變量的改變是其標(biāo)準(zhǔn)差的倍數(shù)。靜態(tài)模型（Static Model）：只有當(dāng)期的解釋變量影響因變量的一種時間序列模型。平穩(wěn)過程（Stationary Process）：

45、邊際和所有的聯(lián)合分布都不隨時間變化的一種時間序列過程。統(tǒng)計上不顯著（Statistically Insigni?cant）：在選定的顯著性水平上，無法拒絕總體參數(shù)等于0的虛擬假設(shè)。統(tǒng)計上顯著（Statistically Significant）：在選定的顯著性水平上，相對于特定的對立假設(shè)，拒絕總體參數(shù)等于0的虛擬假設(shè)。隨機(jī)過程（Stochastic Process）：標(biāo)注了時間的一系列隨機(jī)變量。嚴(yán)格外生的（Strict Exogeneity）：時間序列或綜列數(shù)據(jù)模型中的解釋變量的一個特點(diǎn)，以所有時期的解釋變量為條件的、任何時期的誤差項(xiàng)都是有0均值。更寬松的一種說法是用相關(guān)性為0來表述的。強(qiáng)相依（Strongly Dependent）：參見高度持續(xù)過程。殘差平方和（Sum of Sq