計(jì)量經(jīng)濟(jì)學(xué)英漢術(shù)語(yǔ)名詞對(duì)照及解釋

1、計(jì)量經(jīng)濟(jì)學(xué)英漢術(shù)語(yǔ)名詞對(duì)照及解釋校正R2 (Adjusted R-Squared):多元回歸分析中擬合優(yōu)度的量度，在估計(jì)誤差的方差時(shí) 對(duì)添加的解釋變量用一個(gè)自由度來調(diào)整。對(duì)立假設(shè)(Alternative Hypothesis):檢驗(yàn)虛擬假設(shè)時(shí)的相對(duì)假設(shè)。AR( 1)序列相關(guān)(ARSerial Correlation):時(shí)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 Confidenee 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(jì)量。漸近性質(zhì)(Asym

2、ptotic Properties):當(dāng)樣本容量無限增長(zhǎng)時(shí)適用的估計(jì)量和檢驗(yàn)統(tǒng)計(jì)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(jì)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(jì)量。漸近方差(Asymptotic Varianee ):為了獲得漸近標(biāo)準(zhǔn)正態(tài)分布，我們必須用以除估計(jì)量 的平方值。漸近有效(Asymptotically Effcient ):對(duì)于服從漸近正態(tài)分布的一致性估計(jì)量，有最小漸 近方差的估計(jì)量。漸近不相關(guān)(Asymptotically Un correlated ):時(shí)間序列

3、過程中，隨著兩個(gè)時(shí)點(diǎn)上的隨機(jī)變量的時(shí)間間隔增加，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(jì)量偏誤，因而有衰減偏誤的估計(jì)量的 期望值小于參數(shù)的絕對(duì)值。自回歸條件異方差性(Autoregressive Conditional Heteroskedasticity, ARCH):動(dòng)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(gè)時(shí)間序列 模型，其當(dāng)前值線性依賴于最近的值加上一個(gè)無法預(yù)測(cè)的擾動(dòng)。輔助回歸(Auxilia

4、ry Regression):用于計(jì)算檢驗(yàn)統(tǒng)計(jì)量例如異方差性和序列相關(guān)的檢驗(yàn)統(tǒng)計(jì)量一一或其他任何不估計(jì)主要感興趣的模型的回歸。平均值(Average) : n個(gè)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。基期(Base Period):對(duì)于指數(shù)數(shù)字，例如價(jià)格或生產(chǎn)指數(shù)，其他所有時(shí)期均用來作為 衡量標(biāo)準(zhǔn)的時(shí)期?；谥?Base Value):指定的基期的值，用以構(gòu)造指數(shù)數(shù)字；通常基本值為1或100。最優(yōu)線性無偏估計(jì)量( Best Lin ear Un biased Estimator, BLUE):在所有線性、無偏估計(jì)量 中，有最小

5、方差的估計(jì)量。在高斯一馬爾科夫假定下，OLS是以解釋變量樣本值為條件的BLUE。貝塔系數(shù)(Beta Coefficients):見標(biāo)準(zhǔn)化系數(shù)。偏誤(Bias):估計(jì)量的期望參數(shù)值與總體參數(shù)值之差。偏誤估計(jì)量(Biased Estimator):期望或抽樣平均與假設(shè)要估計(jì)的總體值有差異的估計(jì) 量。向零的偏誤(Biased Towards Zero):描述的是估計(jì)量的期望絕對(duì)值小于總體參數(shù)的絕對(duì) 值。二值響應(yīng)模型(Bi nary Respo nse Model):二值因變量的模型。二值變量(Bi nary Variable):見虛擬變量。兩變量回歸模型(Bivariate Regression M

6、odel):見簡(jiǎn)單線性回歸模型。BLUE (BLUB :見最優(yōu)線性無偏估計(jì)量。Breusch-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 Tes):將OLS殘差的平方對(duì)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(gè)變量在其余條件不變情況下的變化對(duì)另一個(gè)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

7、量(Classical Errors-i n-Variables, CEV :觀測(cè)的量度等于實(shí)際變量加上一個(gè) 獨(dú)立的或至少不相關(guān)的測(cè)量誤差的測(cè)量誤差模型。經(jīng)典線性模型(Classical Lin ear 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 Lin ear Model (CLM) Assumptio ns ):對(duì)多元回歸分 析的理想假定集，對(duì)橫截面分析為假定 MLR.1至MLR.6,對(duì)時(shí)間序列分析為假定 TS.1至TS6 假定包括對(duì)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。科克倫一奧克特(CO)估計(jì)(C

8、ochrane-Orcutt (CO) Estimation ):估計(jì)含 AR (1)誤差和 嚴(yán)格外生解釋變量的多元線性回歸模型的一種方法；與普萊斯一溫斯登估計(jì)不同，科克倫一奧克特估計(jì)不使用第一期的方程。置信區(qū)間(CI) (Confidenee 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 fide nee 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

9、的彈性為常數(shù)的模型； 在多元回歸中，兩者均以對(duì)數(shù)形式出現(xiàn)。同期外生回歸元(Contemporaneously Exogenous):在時(shí)間序列或綜列數(shù)據(jù)應(yīng)用中，與 同期誤差項(xiàng)不相關(guān)但對(duì)其他時(shí)期則不一定的回歸元?？刂平M(Control Group ):在項(xiàng)目評(píng)估中，不參與該項(xiàng)目的組。控制變量(Control Variable ):見解釋變量。協(xié)方差平穩(wěn)(Covarianee Stationary):時(shí)間序列過程，其均值、方差為常數(shù)，且序列中 任意兩個(gè)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)

10、計(jì)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(shí)點(diǎn)上從總體中收集的數(shù)據(jù)集。數(shù)據(jù)頻率(Data Frequency):收集時(shí)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。戴維森一麥金農(nóng)檢驗(yàn) (Davidson-MacKinnon Test):用于檢驗(yàn)相對(duì)于非嵌套對(duì)立假設(shè)的模 型的檢驗(yàn)：它可用相爭(zhēng)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(cè)值的個(gè)數(shù)減去待 估參數(shù)的個(gè)數(shù)。分母自由度(De no mi nator Degrees of Freed

11、om ) : 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(shì)(Detrending ):從時(shí)間序列中除去趨勢(shì)的做法。斜率級(jí)差(Differenee in Slopes):所描述的是模型中某些斜率參數(shù)，因組或時(shí)期的不同 而不同。向下偏誤(Downward Bias):估計(jì)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(cuò) 誤；當(dāng)模型中既有整體截距又對(duì)每一組都設(shè)有一個(gè)虛

12、擬變量時(shí)，該陷阱就產(chǎn)生了。德賓一沃森(DW)統(tǒng)計(jì)量(Durbin-Watson (DW) Statistic ):在經(jīng)典線性回歸假設(shè)下，用 于檢驗(yàn)時(shí)間序列回歸模型的誤差項(xiàng)中的一階序列相關(guān)的統(tǒng)計(jì)量。動(dòng)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(shí)間序列模型。計(jì)量經(jīng)濟(jì)模型(Econo metric Model ):將因變量與一組解釋變量和未觀測(cè)到的擾動(dòng)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

13、得出的關(guān)系。經(jīng)濟(jì)顯著性(Economic Signi?canee):見實(shí)際顯著性。彈性(Elasticity):給定一個(gè)變量在其余條件不變下增加1%,另一個(gè)變量的百分比變化。經(jīng)驗(yàn)分析(Empirical Analysis):用正規(guī)計(jì)量分析中的數(shù)據(jù)檢驗(yàn)理論、估計(jì)關(guān)系式或確定 政策效應(yīng)的研究。內(nèi)生解釋變量(En doge nous Expla natory Variable):在多元回歸模型中，由于遺漏變量、 測(cè)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(En doge nous Sample Selectio n)：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

14、。誤差項(xiàng)(Error Term):在簡(jiǎn)單或多元回歸方程中，包含了未觀測(cè)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(cè)的因變量或自變量中的測(cè)量誤差。誤差方差(Error Varianee):多元回歸模型中誤差項(xiàng)的方差。事件研究(Eve nt Study):事件(例如政府規(guī)制或經(jīng)濟(jì)政策的變化)對(duì)結(jié)果變量的效應(yīng) 的計(jì)量分析。排除一個(gè)有關(guān)變量(Excludi ng a Releva nt Variable ):在多元回歸分析中，遺漏了一個(gè)對(duì) 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

15、(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 Variabl

16、e):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(shì)(Exponential Trend):有固定增長(zhǎng)率的趨勢(shì)。F統(tǒng)計(jì)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(jì)量。可行的GLS( FGLS估計(jì)量(Feasible GLS (FGLS) Estimato):方差或相關(guān)參數(shù)未知，因 而必須先進(jìn)行估計(jì)的GLS程序。(又見廣義最小二乘估計(jì)量。)有限分布滯后(FDL)模型(Finite Distributed Lag (FDL) Model ):允許一個(gè)或多個(gè)解釋變 量對(duì)因變量有滯后效應(yīng)的動(dòng)態(tài)模型。一階差分(First Difference ):對(duì)相鄰時(shí)期做差

17、分所構(gòu)成的對(duì)時(shí)間序列的轉(zhuǎn)換，即用后一 時(shí)期減去前一時(shí)期。一階條件(First Order Conditions ):用于求解 OLS估計(jì)值的一組線性方程。擬合值(Fitted Values):在各觀測(cè)中將自變量的值插入OLS回歸線時(shí)，所得到的因變量的估計(jì)值。函數(shù)形式的錯(cuò)誤設(shè)定 (Functional Form Misspecification )：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(duì)一個(gè)因變量或某些自變量用了錯(cuò)誤的函數(shù)時(shí)產(chǎn)生的問題。G高斯一馬爾科夫假定 (Gauss-Markov Assumptions): 一組假定(假定 MLR.1至MLR.5或 假定TS.1至TS.5)

18、,在這之下 OLS是BLUE。高斯一馬爾科夫定理(Gauss-Markov Theorem ):該定理表明，在五個(gè)高斯一馬爾科夫 假定下(對(duì)于橫截面或時(shí)間序列模型)，OLS估計(jì)量是BLUE (在解釋變量樣本值的條件下)。廣義最小二乘 (GLS) 估計(jì)量(Generalized Least Squares (GLS) Estimato): 通過對(duì)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(jì)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(jì)量。增長(zhǎng)率(Growth Rate)

19、:時(shí)間序列中相對(duì)于前一時(shí)期的比例變化?？蓪⑺茷閷?duì)數(shù)差 分或以百分比形式報(bào)導(dǎo)。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 于解釋變量的異方差性。異方差一穩(wěn)健 F統(tǒng)計(jì)量(Heteroskedasticity-Robust F Statistic ):對(duì)未知形式的異方差性 而言(漸近)穩(wěn)健的 F統(tǒng)計(jì)量。異方差一穩(wěn)健 LM 統(tǒng)計(jì)量(Heteroskedasticity-Robust LM Statistic): 對(duì)未知形式的異方 差性而言

20、(漸近)穩(wěn)健的 LM統(tǒng)計(jì)量。異方差一穩(wěn)健標(biāo)準(zhǔn)誤(Heteroskedasticity-Robust Standard Error ): 對(duì)未知形式的異方差 性而言(漸近)穩(wěn)健的標(biāo)準(zhǔn)誤。異方差一穩(wěn)健 t統(tǒng)計(jì)量(Heteroskedasticity-Robust t Statistic):對(duì)未知形式的異方差性 而言(漸近)穩(wěn)健的t統(tǒng)計(jì)量。高持續(xù)性過程(Highly Persistent Process):時(shí)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 Elastici

21、ty ):在分布滯后模型中，給定自變量增加1%因變量的即時(shí)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(gè)單位因變量的即時(shí) 的變化。包含一個(gè)無關(guān)變量(Inclusion of an Irrelevant Variable ):用OLS估計(jì)方程時(shí)，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(jià)格)總量信息的統(tǒng)計(jì)量。影響重大的觀測(cè)值(In flue ntial Observatio ns ):見奇異值。一階自積I (1) (Integ

22、rated of Order One 1(1):需要做一階差分來得到I (0)過程的時(shí)間序列過程。零階自積I ( 0) (Integrated of Order Zero 1(0):平穩(wěn)、弱獨(dú)立時(shí)間序列過程，當(dāng)用 于回歸分析時(shí)，它滿足大數(shù)定律和中心極限定理。交互作用(In teraction Effect):回歸模型中為兩個(gè)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(shí)因變 量的期望值的參數(shù)。截距的變動(dòng)(Intercept Shift):回歸模型中的截距，因組或時(shí)期的不同而不同。J聯(lián)合假設(shè)檢驗(yàn)(Joi nt Hypoth

23、esis Test): 一個(gè)模型中包含不止一個(gè)對(duì)參數(shù)的約束的檢驗(yàn)。聯(lián)合統(tǒng)計(jì)顯著性(Jointly Statistically Significant ):兩個(gè)或多個(gè)解釋變量具有零總體系數(shù) 的虛擬假設(shè)以一個(gè)選定的顯著性水平被拒絕。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)表示為滯后長(zhǎng)度的函數(shù)。滯后因變量(Lagged Dependent Variable):等于以前時(shí)期的因變量的解釋變量。拉格朗日乘數(shù)統(tǒng)計(jì)量(Lagrange Multiplier Statistic ):僅在大樣本下為正確的檢驗(yàn)統(tǒng)計(jì)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

24、差性和序列相關(guān)。大樣本性質(zhì)(Large Sample Properties):見漸近性質(zhì)。水平值一水平值模型(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。水平值一對(duì)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(duì)數(shù)形式的回歸模型。線性概率模型(LPM)( Lin ear Probability Model, LPM ):響應(yīng)概率對(duì)參數(shù)為線性的二值響 應(yīng)模型。線性時(shí)間趨勢(shì)(Lin ear Time Trend):為時(shí)間的線性函數(shù)的趨勢(shì)。線性無偏估計(jì)量(Lin ear U nbiased Estimator):

25、在多元回歸分析中，是因變量值的一個(gè) 線性函數(shù)的那些無偏估計(jì)量。對(duì)數(shù)一水平值模型(Log-Level Model):因變量以對(duì)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(duì)數(shù)一對(duì)數(shù)模型(Log-Log Model):因變量和(至少一部分)解釋變量都是以對(duì)數(shù)形式 出現(xiàn)的回歸模型。長(zhǎng)期彈性(Long-Run Elasticity):因變量和自變量都是對(duì)數(shù)形式出現(xiàn)的分布滯后模型中 的長(zhǎng)期傾向。即，長(zhǎng)期彈性是在給定解釋變量增長(zhǎng)了1%時(shí)，被解釋變量最終變化的百分比。長(zhǎng)期乘數(shù)(Long-Run Multiplier):參見長(zhǎng)期傾向。長(zhǎng)期傾向(Long-Run Propensity):在一個(gè)分布

26、滯后模型中，給定自變量的一個(gè)永久性的、一個(gè)單位的增長(zhǎng)，因變量最終的變化量。Nn-R-平方統(tǒng)計(jì)量(n-R-Squared Statistic):參見拉格朗日乘數(shù)統(tǒng)計(jì)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(gè)模型可以通過對(duì)參數(shù)施加限制條件而被表 示成另一個(gè)模型的特例的兩個(gè)(或更多)模型。非平穩(wěn)過程(Nonstationary Process):聯(lián)合分布在不同的時(shí)期不是恒定不變的一種時(shí)間 序列過程。正態(tài)性假定(N

27、ormality 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(gè)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(gè)數(shù)。O可觀測(cè)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(jì)值(OLS Intercept Estimate) : OLS回歸線的截距。OLS回歸線(OLS Regression L

28、in© ：表示了因變量的預(yù)報(bào)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(jì)出來的。OLS斜率估計(jì)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(jì)量的偏誤。單側(cè)對(duì)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(duì)立假設(shè)。單尾檢驗(yàn)(One-Tailed Tes):與單側(cè)對(duì)立假設(shè)相對(duì)的假設(shè)檢驗(yàn)。序數(shù)變量(Ordinal 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

29、二乘法(OLS (Ordinary Least Squares, OLS :用來估計(jì)多元線性回歸模型中的 參數(shù)的一種方法。最小二乘估計(jì)值通過最小化殘差的平方和得到。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(cè)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 Significanee of a Regression):對(duì)多元回歸方程中所有的解釋變量所 做的一種聯(lián)合顯著性檢驗(yàn)。模型的過度識(shí)別(Overspecifying a Model):參見含有一個(gè)無關(guān)變量。Pp值(p-value):指能夠拒絕虛

30、擬假設(shè)的最低顯著性水平。等價(jià)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(shí)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(gè)時(shí)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(huì)在每個(gè)時(shí)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(shí)，某個(gè)解釋變量對(duì)因變量的 影響。完全共線性(Perfect Collinearity):在多元回歸中，一個(gè)自變量是一個(gè)或多個(gè)其他自變 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

31、 ):在 OLS回歸 中，用一個(gè)代理變量代替觀測(cè)不到的缺失變量。政策分析(Policy Analysis):用計(jì)量經(jīng)濟(jì)學(xué)模型來評(píng)估某項(xiàng)政策的效果的一種實(shí)證分析?；旌蠙M截面(Pooled Cross Section):通常在不同時(shí)點(diǎn)收集到的相互獨(dú)立的橫截面組合而 成的一個(gè)單獨(dú)的數(shù)據(jù)集。總體(Population ):作為統(tǒng)計(jì)或計(jì)量經(jīng)濟(jì)分析對(duì)象的一個(gè)明確定義的組群(人、公司、 城市等)。總體模型(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?？傮w回歸函

32、數(shù)(Population Regressio n Fu nction):參見條件期望。實(shí)際顯著性(Practical Significance)：相對(duì)于統(tǒng)計(jì)顯著性而言的、某個(gè)估計(jì)值的實(shí)際的 或經(jīng)濟(jì)的重要性，用它的符號(hào)和大小來衡量。普萊斯一溫斯登(PW)估計(jì)(Prais-Winsten (PW) Estimation ): 一種用來估計(jì)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(jì)中要用到第一個(gè)時(shí)期的方程。前定變量(Predetermined Variable):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(cè)變量(Predicted

33、 Variable):參見因變量。預(yù)報(bào)(Prediction )：把特定的解釋變量的值代入所估計(jì)的模型，通常是多元回歸模型中，以得到結(jié)果的一個(gè)估計(jì)值。預(yù)測(cè)誤差(Prediction Error):實(shí)際結(jié)果與所預(yù)報(bào)的結(jié)果之間的差。預(yù)測(cè)區(qū)間(Prediction Interval):多元回歸模型中，某個(gè)因變量的未知結(jié)果的一個(gè)置信區(qū)間。預(yù)測(cè)變量(Predictor Variable):參見解釋變量。項(xiàng)目評(píng)估(Program Evaluation):用計(jì)量經(jīng)濟(jì)學(xué)方法求出某個(gè)私人或公共項(xiàng)目的不確定 影響的一種評(píng)估方法。代理變量(Proxy Variable):多元回歸分析中，一個(gè)與觀測(cè)不到的解釋變量有關(guān)

34、系但又 不相同的可觀測(cè)變量。Q二次函數(shù)(Quadratic Functions):包含一個(gè)或多個(gè)解釋變量的平方的函數(shù)，它反映了解 釋變量對(duì)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(gè)人、企業(yè)及城市等的非定量特征的變量。擬一差分?jǐn)?shù)據(jù)(Quasi-Differeneed Data):在估計(jì)有AR (1)的序列相關(guān)的回歸模型時(shí)， 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。RR平方(R-Bar Squared):參見校正的 R2。R2 ( R-Squared):在多元回歸模型中，由自變量解釋了的那部分因變量的樣本方差之和。R2

35、形式的F統(tǒng)計(jì)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(jì)量。隨機(jī)抽樣(Random Sampling):在總體中隨機(jī)抽取觀測(cè)值的一種抽樣方法。各個(gè)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(shí)間序列中，下個(gè)時(shí)期的值等于本期值加上一 個(gè)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(gè)時(shí)期都加進(jìn)一個(gè)常數(shù)(或漂移)的 隨機(jī)游走。實(shí)際變量(Real Variable):用基期

36、貨幣價(jià)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 Specification 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(jì)得出的擬合值的平方、三次 方以及可能更高次幕的聯(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(jì)量的值。拒絕法則(

37、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(duì) 立假設(shè)的法則。殘差(Residual)：實(shí)際值與擬合(或預(yù)報(bào))值之間的差。樣本中的每次觀測(cè)都有一個(gè)相 應(yīng)的殘差，它們被用來計(jì)算OLS回歸線。殘差分析(Residual Analysis):在估計(jì)多元回歸模型后，對(duì)某次特定觀測(cè)的殘差的符號(hào) 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。受約束的

38、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(gè)名稱(僅當(dāng)期望值等于實(shí)測(cè)值一譯者)。S樣本回歸函數(shù)(Sample Regression Function):參見 OLS回歸線。得分統(tǒng)計(jì)量(Score Statistic):參見拉格朗日乘數(shù)統(tǒng)計(jì)量。季節(jié)性虛擬變量(Seas onal Dummy Variables): 一組用來表示季節(jié)或月份的虛擬變量。季節(jié)性(Seas on ality):月度或季度時(shí)間序列具有的均值隨著一

39、年中季節(jié)的不同而系統(tǒng) 性變化的特點(diǎn)。季節(jié)性調(diào)整(Seasonally Adjusted):用某種統(tǒng)計(jì)程序，可能是對(duì)季節(jié)性虛擬變量做回歸，來消除月度或季度時(shí)間序列中的季節(jié)性成分。半彈性(Semi-Elasticity):自變量的一個(gè)單位的增長(zhǎng)導(dǎo)致的因變量的變化的百分比。序列相關(guān)(Serial Correlation ):在時(shí)間序列或綜列數(shù)據(jù)模型中，不同時(shí)期的誤差之間的 相關(guān)性。序列相關(guān)一穩(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(jì)量的標(biāo)準(zhǔn)誤。序列不相關(guān)(Serially Un correlat

40、ed ):在時(shí)間序列或綜列數(shù)據(jù)模型中，不同時(shí)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(duì)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(Significance Level):假設(shè)檢驗(yàn)中發(fā)生第I類錯(cuò)誤的概率。簡(jiǎn)單線性回歸模型(Simple Lin ear Regression Model ):因變量只是一個(gè)自變量和一個(gè)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?個(gè)觀測(cè)不到的因素影

41、響，所導(dǎo)致的兩個(gè)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(gè)或多個(gè)無關(guān)時(shí)間 序列具有一定關(guān)系，而其原因僅僅因?yàn)樗鼈兠總€(gè)都有趨勢(shì)或都是自積時(shí)間序列(如隨機(jī)游 走),或上面兩種情況同時(shí)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(duì)值小于1時(shí)的AR (1)過程。序列中的兩個(gè)隨機(jī)變量的相關(guān)性，隨著它們之間的時(shí)間間隔不斷增大，以幾何級(jí)數(shù)趨近于0。3 1的標(biāo)準(zhǔn)誤(Standard Error of 3 1) : 3 1抽樣分布的標(biāo)準(zhǔn)差的估計(jì)值。3 1的標(biāo)準(zhǔn)差(Stand

42、ard Deviation of 3 1):衡量3 1抽樣分布的分散程度的常用指標(biāo)。 估計(jì)值的標(biāo)準(zhǔn)誤(Standard Error of the Estimate ):參見回歸的標(biāo)準(zhǔn)誤?；貧w的標(biāo)準(zhǔn)誤(SER (Standard Error of the Regression, SEF):多元回歸分析中的總體誤 差的標(biāo)準(zhǔn)差的估計(jì)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 Coefficients): 一種回歸系數(shù)，它度量了自變量增加一個(gè)標(biāo)準(zhǔn) 差時(shí)，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(shí)間序列模型。平

43、穩(wěn)過程(Stationary Process):邊際和所有的聯(lián)合分布都不隨時(shí)間變化的一種時(shí)間序列 過程。統(tǒng)計(jì)上不顯著(Statistically In sig ni fica nt):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(jì)上顯著(Statistically Significant):在選定的顯著性水平上，相對(duì)于特定的對(duì)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(shí)間的一系列隨機(jī)變量。嚴(yán)格外生的(Strict Exogeneity):時(shí)間序列或綜列數(shù)據(jù)模型中的解釋變量的一個(gè)特點(diǎn)， 以所有時(shí)期的解釋變量為條件的、任何時(shí)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 Squared Residuals):多元回歸模型中，所觀測(cè)的OLS殘差的平方和。 求和運(yùn)算符(Summation Operator):用刀表示的一個(gè)符號(hào)，用來表示對(duì)一組數(shù)據(jù)的求 和運(yùn)算。Tt比率、t統(tǒng)計(jì)量(t Ratio、t Statistic):用來對(duì)計(jì)量經(jīng)濟(jì)學(xué)模型中關(guān)于參數(shù)的單個(gè)假