计量经济学名词

1、计量经济学术语语A校正R2（AAdjustted R-Squarred）：多多元回归分析析中拟合优度度的量度，在在估计误差的的方差时对添添加的解释变变量用一个自自由度来调整整。 对立假设设（Alteernatiive Hyypotheesis）：检验虚拟假假设时的相对对假设。 ARR（1）序列列相关（ARR(1) SSeriall Corrrelatiion）：时时间序列回归归模型中的误误差遵循ARR（1）模型型。 渐近置信信区间（Assymptootic CConfiddence Interrval）：大样本容量量下近似成立立的置信区间间。 渐近正态态性（Asyymptottic Noorm

2、aliity）：适适当正态化后后样本分布收收敛到标准正正态分布的估估计量。 渐近近性质（Assymptootic PProperrties）：当样本容量量无限增长时时适用的估计计量和检验统统计量性质。 渐渐近标准误（AAsympttotic Standdard EError）：大样本下生生效的标准误误。 渐近t 统计量（AAsympttotic t Staatistiic）：大样样本下近似服服从标准正态态分布的t统统计量。 渐近近方差（Assymptootic VVariannce）：为为了获得渐近近标准正态分分布，我们必必须用以除估估计量的平方方值。 渐近有有效（Asyymptottical

3、lly Effficiennt）：对于于服从渐近正正态分布的一一致性估计量量，有最小渐渐近方差的估估计量。 渐近近不相关（AAsympttoticaally UUncorrrelateed）：时间间序列过程中中，随着两个个时点上的随随机变量的时时间间隔增加加，它们之间间的相关趋于于零。 衰减偏偏误（Atttenuattion BBias）：总是朝向零零的估计量偏偏误，因而有有衰减偏误的的估计量的期期望值小于参参数的绝对值值。 自回归条条件异方差性性（Autooregreessivee Condditionnal Heeterosskedassticitty, ARRCH）：动动态异方差性性模型

4、，即给给定过去信息息，误差项的的方差线性依依赖于过去的的误差的平方方。 一阶自回回归过程AAR（1）（Autooregreessivee Proccess oof Ordder Onne ARR(1)）：一个时间序序列模型，其其当前值线性性依赖于最近近的值加上一一个无法预测测的扰动。 辅辅助回归（AAuxiliiary RRegresssion）：用于计算检检验统计量例如异方方差性和序列列相关的检验验统计量或其他任何何不估计主要要感兴趣的模模型的回归。 平平均值（Avveragee）：n个数数之和除以nn。B基组、基准组组（Basee Grouup）：在包包含虚拟解释释变量的多元元回归模型中中

5、，由截距代代表的组。 基基期（Basse Perriod）：对于指数数数字，例如价价格或生产指指数，其他所所有时期均用用来作为衡量量标准的时期期。 基期值（BBase VValue）：指定的基期期的值，用以以构造指数数数字；通常基基本值为1或或100。 最最优线性无偏偏估计量（BBest LLinearr Unbiiased Estimmator, BLUEE）：在所有有线性、无偏偏估计量中，有有最小方差的的估计量。 在高斯马马尔科夫假定定下，OLSS是以解释变变量样本值为为条件的BLLUE 。 贝贝塔系数（BBeta CCoef?ccientss）：见标准准化系数。 偏偏误（Biaas）：估

6、计计量的期望参参数值与总体体参数值之差差。 偏误估计计量（Biaased EEstimaator）：期望或抽样样平均与假设设要估计的总总体值有差异异的估计量。 向向零的偏误（BBiasedd Towaards ZZero）：描述的是估估计量的期望望绝对值小于于总体参数的的绝对值。 二二值响应模型型（Binaary Reesponsse Moddel）：二二值因变量的的模型。 二值值变量（Biinary Variaable）：见虚拟变量量。 两变量回回归模型（BBivariiate RRegresssion Modell）：见简单单线性回归模模型。 BLUUE（BLUUE）：见最最优线性无偏偏估

7、计量。 BBreuscch-Goddfrey 检验（Brreuschh-Godffrey TTest）：渐近正确的的AR（p）序序列相关检验验，以AR（11）最为流行行；该检验考考虑到滞后因因变量和其他他不是严格外外生的回归元元。 Breuusch-PPagan 检验（Brreuschh-Pagaan Tesst）：将OOLS残差的的平方对模型型中的解释变变量做回归的的异方差性检检验。C 因果效应（CCausall Effeect）：一一个变量在其其余条件不变变情况下的变变化对另一个个变量产生的的影响。 其余余条件不变（CCeteriis Parribus）：其他所有相相关因素均保保持固定不变

8、变。 经典典含误差变量量（Classsicall Erroors-inn-Variiabless, CEVV）：观测的的量度等于实实际变量加上上一个独立的的或至少不相相关的测量误误差的测量误误差模型。 经典典线性模型（Classical Linear Model）：全套经典线性模型假定下的复线性回归模型。 经典线性模型（CLM）假定（Classical Linear Model (CLM) Assumptions）：对多元回归分析的理想假定集，对横截面分析为假定MLR.1至MLR.6，对时间序列分析为假定TS.1至TS.6。假定包括对参数为线性、无完全共线性、零条件均值、同方差、无序列相关和误

9、差正态性。 科克伦奥克特（CO）估计（Cochrane-Orcutt (CO) Estimation）：估计含AR（1）误差和严格外生解释变量的多元线性回归模型的一种方法；与普莱斯温斯登估计不同，科克伦奥克特估计不使用第一期的方程。 置信区间（CI）（Con?dence Interval, CI）：用于构造随机区间的规则，以使所有数据集中的某一百分比（由置信水平决定）给出包含总体值的区间。 置信水平（Con?dence Level）：我们想要可能的样本置信区间包含总体值的百分比，95%是最常见的置信水平，90%和99%也用。 不变弹性模型（Constant Elasticity Model）：

10、因变量关于解释变量的弹性为常数的模型；在多元回归中，两者均以对数形式出现。 同期外生回归元（Contemporaneously Exogenous）：在时间序列或综列数据应用中，与同期误差项不相关但对其他时期则不一定的回归元。 控制组（Control Group）：在项目评估中，不参与该项目的组。 控制变量（Control Variable）：见解释变量。 协方差平稳（Covariance Stationary）：时间序列过程，其均值、方差为常数，且序列中任意两个随机变量之间的协方差仅与它们的间隔有关。 协变量（Covariate）：见解释变量。 临界值（Critical Value）：在假设

11、检验中，用于与检验统计量比较来决定是否拒绝虚拟假设的值。 横截面数据集（Cross-Sectional Data Set）：在给定时点上从总体中收集的数据集D数据频率（DData FFrequeency）：收集时间序序列数据的区区间。年度、季季度和月度是是最常见的数数据频率。 戴维维森麦金农检验验（Daviidson-MacKiinnon Test）：用于检验相相对于非嵌套套对立假设的的模型的检验验：它可用相相争持模型中中得出的拟合合值的t检验验来实现。 自由由度（df）（DDegreees of Freeddom, ddf）：在多多元回归模型型分析中，观观测值的个数数减去待估参参数的个数。

12、分母自由度（Denominator Degrees of Freedom）：F检验中无约束模型的自由度。 因变量（Dependent Variable）：在多元回归模型（和其他各种模型）中被解释的变量。 除趋势（Detrending）：从时间序列中除去趋势的做法。 斜率级差（Difference in Slopes）：所描述的是模型中某些斜率参数，因组或时期的不同而不同。 向下偏误（Downward Bias）：估计量的期望值低于参数的总体值。 虚拟变量（Dummy Variable）：取值为0或1的变量。 虚拟变量陷阱（Dummy Variable Regression）：自变量中包含了过多

13、的虚拟变量造成的错误；当模型中既有整体截距又对每一组都设有一个虚拟变量时，该陷阱就产生了。 德宾沃森（DW）统计量（Durbin-Watson (DW) Statistic）：在经典线性回归假设下，用于检验时间序列回归模型的误差项中的一阶序列相关的统计量。 动态完整模型（Dynamically Complete Model）：设更多的滞后因变量，或设更多的滞后解释变量都无助于解释因变量的均值的时间序列模型。E计量经济模型（EEconommetricc Modeel）：将因因变量与一组组解释变量和和未观测到的的扰动联系起起来的方程，方方程中未知的的总体参数决决定了各解释释变量在其余余条件不变下下

14、的效应。 经济济模型（Ecconomiic Moddel）：从从经济理论或或不那么正规规的经济原因因中得出的关关系。 经济济显著性（EEconommic Siigni?ccance）：见实际显著著性。 弹性性（Elassticitty）：给定定一个变量在在其余条件不不变下增加11%，另一个个变量的百分分比变化。 经验验分析（Emmpiriccal Annalysiis）：用正正规计量分析析中的数据检检验理论、估估计关系式或或确定政策效效应的研究。 内生解释变量（Endogenous Explanatory Variable）：在多元回归模型中，由于遗漏变量、测量误差或联立性的原因而与误差项相关

15、的解释变量。 内生样本选择（Endogenous Sample Selection）：非随机样本选择，其选择直接地或通过方程中的误差项与因变量相联系。 误差项（Error Term）：在简单或多元回归方程中，包含了未观测到的影响因变量的因素的变量。误差项也可能包含被观测的因变量或自变量中的测量误差。 误差方差（Error Variance）：多元回归模型中误差项的方差。 事件研究（Event Study）：事件（例如政府规制或经济政策的变化）对结果变量的效应的计量分析。 排除一个有关变量（Excluding a Relevant Variable）：在多元回归分析中，遗漏了一个对因变量有非零偏

16、效应的变量。 排斥性约束（Exclusion Restrictions）：说明某些变量被排斥在模型之外（或具有零总体参数）的约束。 外生解释变量（Exogenous Explanatory Variable）：与误差项不相关的解释变量。 外生样本选择（Exogenous Sample Selection）：或者依赖外生解释变量，或者与所感兴趣的模型中的误差项不相关的样本选择。 实验数据（Experimental Data）：通过进行受控制的实验获得的数据。 试验组（Experimental Group）：见处理组。 解释平方和（SSE）（Explained Sum of Squares, SS

17、E）：多元回归模型中拟合值的总样本变异。 被解释变量（Explained Variable）：见因变量。 解释变量（Explanatory Variable）：在回归分析中，用于解释因变量中的变异的变量。 指数趋势（Exponential Trend）：有固定增长率的趋势。FF统计量（FF Stattisticc）：在多元元回归模型中中，用于检验验关于参数的的多重假设的的统计量。 可行行的GLS（FFGLS）估估计量（Feeasiblle GLSS (FGLLS) Esstimattor）：方方差或相关参参数未知，因因而必须先进进行估计的GGLS程序。 （又见广义义最小二乘估估计量。） 有限限

18、分布滞后（FFDL）模型型（Finiite Diistribbuted Lag (FDL) Modell）：允许一一个或多个解解释变量对因因变量有滞后后效应的动态态模型。 一阶阶差分（Fiirst DDifferrence）：对相邻时期期做差分所构构成的对时间间序列的转换换，即用后一一时期减去前前一时期。 一阶阶条件（Fiirst OOrder Condiitionss）：用于求求解OLS估估计值的一组组线性方程。 拟合值（Fitted Values）：在各观测中将自变量的值插入OLS回归线时，所得到的因变量的估计值。 函数形式的错误设定（Functional Form Misspeci?ca

19、tion）：当模型中有被遗漏的解释变量的函数（例如二次项），或者对一个因变量或某些自变量用了错误的函数时产生的问题。G 高斯马尔科夫夫假定（Gaauss-MMarkovv Assuumptioons）：一一组假定（假假定MLR.1至MLRR.5或假定定TS.1至至TS.5），在在这之下OLLS是BLUUE 。 高斯斯马尔科夫定定理（Gauuss-Maarkov Theorrem）：该该定理表明，在在五个高斯马尔科夫假假定下（对于于横截面或时时间序列模型型），OLSS估计量是BBLUE （在在解释变量样样本值的条件件下）。 广义义最小二乘（GGLS） 估估计量（Geenerallized Lea

20、stt Squaares (GLS) Estimmator）： 通过对原原始模型的变变换，说明了了已知结构的的误差的方差差（异方差性性）和误差中中的序列相关关形式或两者者兼有的估计计量。 拟合合优度度量（GGoodneess-off-Fit Measuure）：概概括一组解释释变量有多好好地解释了因因变量或响应应变量的统计计量。 增长长率（Groowth RRate）：时间序列中中相对于前一一时期的比例例变化。可将将它近似为对对数差分或以以百分比形式式报导。H 异方差差性（Hetteroskkedastticityy）：给定解解释变量，误误差项的方差差不为常数。 未知形式的异方差性（Heter

21、oskedasticity of Unknown Form）：以一未知的任意形式依赖于解释变量的异方差性。 异方差稳健F 统计量（Heteroskedasticity-Robust F Statistic）：对未知形式的异方差性而言（渐近）稳健的F 统计量。 异方差稳健LM 统计量（Heteroskedasticity-Robust LM Statistic）： 对未知形式的异方差性而言（渐近）稳健的LM 统计量。 异方差稳健标准误（Heteroskedasticity-Robust Standard Error）： 对未知形式的异方差性而言（渐近）稳健的标准误。 异方差稳健t 统计量（Het

22、eroskedasticity-Robust t Statistic）：对未知形式的异方差性而言（渐近）稳健的t 统计量。 高持续性过程（Highly Persistent Process）：时间序列过程，其中遥远的将来的结果与当前的结果高度相关。 同方差性（Homoskedasticity）：回归模型中的误差在解释变量条件下具有不变的方差。I即期弹弹性（Imppact EElastiicity）：在分布滞后后模型中，给给定自变量增增加1%因变变量的即时的的百分比变化化。 即期期乘数（Immpact Multiiplierr）：见即期期倾向。 即期期倾向（Immpact Propeensity

23、y）：在分布布滞后模型中中，自变量增增加一个单位位因变量的即即时的变化。 包含一个无关变量（Inclusion of an Irrelevant Variable）：用OLS估计方程时，回归模型中包含了总体参数为零的解释变量。 指数（Index Number）：关于经济行为（例如生产或价格）总量信息的统计量。 影响重大的观测值（In?uential Observations）：见奇异值。 INTRODUCTORY ECONOMETRICS一阶自积I（1）（Integrated of Order One I(1)）：需要做一阶差分来得到I（0）过程的时间序列过程。 零阶自积I（0）（Integr

24、ated of Order Zero I(0)）： 平稳、弱独立时间序列过程，当用于回归分析时，它满足大数定律和中心极限定理。 交互作用（Interaction Effect）：回归模型中为两个解释变量的乘积的自变量。 截距参数（Intercept Parameter）：复线性回归模型中，给出当所有自变量都为零时因变量的期望值的参数。 截距的变动（Intercept Shift）：回归模型中的截距，因组或时期的不同而不同。J联合假假设检验（JJoint Hypotthesiss Testt）：一个模模型中包含不不止一个对参参数的约束的的检验。 联合统计显显著性（Joointlyy Statti

25、sticcally Signii?cantt）：两个或或多个解释变变量具有零总总体系数的虚虚拟假设以一一个选定的显显著性水平被被拒绝。L滞后分分布（Lagg Disttributtion）：在无限或有有限分布滞后后模型中，把把滞后系数表表示为滞后长长度的函数。 滞后因变量（Lagged Dependent Variable）：等于以前时期的因变量的解释变量。 拉格朗日乘数统计量（Lagrange Multiplier Statistic）：仅在大样本下为正确的检验统计量，它可用于在不同的模型设定问题中检验遗漏变量、异方差性和序列相关。 大样本性质（Large Sample Properties

26、）：见渐近性质。 水平值水平值模型（Level-Level Model）：因变量与自变量均为标准（或原始）形式的回归模型。 水平值对数模型（Level-Log Model）：因变量为标准形式、自变量（至少是其中一部分）为对数形式的回归模型。 线性概率模型（LPM）（Linear Probability Model, LPM）：响应概率对参数为线性的二值响应模型。 线性时间趋势（Linear Time Trend）：为时间的线性函数的趋势。 线性无偏估计量（Linear Unbiased Estimator）：在多元回归分析中，是因变量值的一个线性函数的那些无偏估计量。 对数水平值模型（Log-

27、Level Model）：因变量以对数形式出现，而自变量是水平（或原始）形式的一种回归模型。 对数对数模型（Log-Log Model）：因变量和（至少一部分）解释变量都是以对数形式出现的回归模型。 长期弹性（Long-Run Elasticity）： 因变量和自变量都是对数形式出现的分布滞后模型中的长期倾向。即，长期弹性是在给定解释变量增长了1%时，被解释变量最终变化的百分比。 长期乘数（Long-Run Multiplier）：参见长期倾向。 长期倾向（Long-Run Propensity）：在一个分布滞后模型中，给定自变量的一个永久性的、一个单位的增长，因变量最终的变化量。M配对样样本

28、（Mattched Pairss Sampple）：每每个观测值都都与另一个观观测值相匹配配的一种样本本，如由丈夫夫和妻子或一一对兄妹组成成的样本。 测量量误差（Meeasureement Errorr）：观测到到的变量与多多元回归方程程中的变量之之间的差。 微数数缺测性（MMicronnumeroosity）：由Arthhur Gooldberrger 首首先提出的一一个概念，用用以描述容量量样本较小时时计量经济学学估计量的性性质。 最小小方差无偏估估计量（Miinimumm Variiance Unbiaased EEstimaator）：在所有的无无偏估计量中中方差最小的的那个估计量量。

29、 数据据缺失（Miissingg Dataa）：当我们们没有观测到到样本中某些些观测（个人人、城市、时时期等）所对对应的一些变变量值时，发发生的一类数数据问题。 一阶阶移动平均过过程MA（11）（Mooving Averaage Prrocesss of OOrder One MA(1)）：是由由某个随机过过程的当期值值与一期滞后后的线性函数数所产生的一一种时间序列列过程。这个个随机过程是是0均值、固固定方差和不不相关的。 多重重共线性（MMulticcollinnearitty）：指多多元回归模型型中自变量之之间的相关性性。当某些相相关性“很大”时，就会发发生多重共线线性，但对实实际的大小尺

30、尺度并没有明明确的规定。 多重假设检验（Multicollinearity）：涉及到参数的多个约束条件的虚拟假设检验。 多元线性回归（MLR）模型（Multiple Linear Regression (MLR) Model）：对参数是线性的一类模型，其中的因变量是自变量的函数加上一个误差项。 多元回归分析（Multiple Regression Analysis）：在多元线性回归模型中进行估计和推断的一类分析。 多重约束（Multiple Restrictions）：计量经济学模型中对参数的多于一个的约束条件。 乘数测量误差（Multiplicative Measurement Error）

31、：观测到的变量等于实际的观测不到的变量与一个正的测量误差的乘积时出现的一种测量误差。Nn-RR-平方统计计量（n-RR-Squaared SStatisstic）：参见拉格朗朗日乘数统计计量。 名义义变量（Noominall Variiable）：用名义或当当前美元数表表示的变量。 非实验数据（Nonexperimental Data）：不是通过人为控制下的实验得到的数据。 非嵌套模型（Nonnested Models）：没有一个模型可以通过对参数施加限制条件而被表示成另一个模型的特例的两个（或更多）模型。 非平稳过程（Nonstationary Process）：联合分布在不同的时期不是恒定

32、不变的一种时间序列过程。 正态性假定（Normality Assumption）：经典线性模型假定之一。它是指以解释变量为条件的误差（或因变量）有正态分布。 虚拟假设（Null Hypothesis）：在经典假设检验中，我们把这个假设当作真的，要求数据能够提供足够的证据才能否定它。 分子自由度（Numerator Degrees of Freedom）：在F检验中，所检验的约束条件的个数。O可观测测数据（Obbservaationaal Datta）：参见见非实验数据据。 OLLS（OLSS）：参见普普通最小二乘乘法。 OLLS截距估计计值（OLSS Inteerceptt Estiimate

33、）：OLS回归归线的截距。 OLS回归线（OLS Regression Line）：表示了因变量的预报值与自变量的值之间关系的方程，它的参数是用OLS估计出来的。 OLS斜率估计值（OLS Slope Estimate）：OLS回归线的斜率。 遗漏变量偏误（Omitted Variable Bias）：回归中遗漏了有关变量而产生的OLS估计量的偏误。 单侧对立假设（One-Sided Alternative）：被表述为参数大于（或小于）虚拟条件下的假设值的一种对立假设。 单尾检验（One-Tailed Test）：与单侧对立假设相对的假设检验。 序数变量（Ordinal Variable）：通

34、过排列顺序传达信息的一种数据，它们的大小本身并不说明任何问题。 普通最小二乘法（OLS）（Ordinary Least Squares, OLS）：用来估计多元线性回归模型中的参数的一种方法。最小二乘估计值通过最小化残差的平方和得到。 INTRODUCTORY ECONOMETRICS异常数据（Outliers）：在数据集中，与大量其他数据有明显区别的观测值。这种现象可能是由于误差造成的，也可能是因为它们是由与多数其他数据不同的模型产生而造成的。 整体显著性（Overall Signi?cance of a Regression）：对多元回归方程中所有的解释变量所做的一种联合显著性检验。 模型

35、的过度识别（Overspecifying a Model）：参见含有一个无关变量。p值（p-vvalue）：指能够拒绝绝虚拟假设的的最低显著性性水平。等价价的，它也指指虚拟假设不不被拒绝的最最大显著性水水平。 综列列数据（Paanel DData）：在不同时期期，横截面的的不断反复得得到的数据集集。在平衡的的综列中，同同样的单位在在每个时期都都出现。在不不平衡的综列列中，有些单单位往往由于于衰减现象而而不会在每个个时期都出现现。 偏效效应（Parrtial Effecct）：回归归模型中的其其他因素保持持不变时，某某个解释变量量对因变量的的影响。 完全全共线性（PPerfecct Collli

36、neaarity）：在多元回归归中，一个自自变量是一个个或多个其他他自变量的线线性函数。 变量量缺失问题的的插入解（PPlug-IIn Sollutionn to tthe Ommittedd Variiabless Probblem）：在OLS回回归中，用一一个代理变量量代替观测不不到的缺失变变量。 政策策分析（Poolicy Analyysis）：用计量经济济学模型来评评估某项政策策的效果的一一种实证分析析。 混合合横截面（PPooledd Crosss Secction）：通常在不同同时点收集到到的相互独立立的横截面组组合而成的一一个单独的数数据集。 总体体（Popuulatioon）：

37、作为为统计或计量量经济分析对对象的一个明明确定义的组组群（人、公公司、城市等等）。 总体体模型（Poopulattion MModel）：一种描述了了总体特征的的模型，特别别是多元线性性回归模型。 总体R平方（Population R-Squared）：总体中，由解释变量解释了的那部分因变量的变异。 总体回归函数（Population Regression Function）：参见条件期望。 实际显著性（Practical Signi?cance）： 相对于统计显著性而言的、某个估计值的实际的或经济的重要性，用它的符号和大小来衡量。 普莱斯温斯登（PW）估计（Prais-Winsten (PW

38、) Estimation）：一种用来估计有AR（1）误差和严格外生解释变量的多元线性回归模型的方法；不同于科克伦-奥克特方法，它在估计中要用到第一个时期的方程。 前定变量（Predetermined Variable）：在联立方程模型中的滞后的内生变量或滞后的外生变量。 被预测变量（Predicted Variable）：参见因变量。 预报（Prediction）：把特定的解释变量的值代入所估计的模型，通常是多元回归模型中，以得到结果的一个估计值。 预测误差（Prediction Error）：实际结果与所预报的结果之间的差。 预测区间（Prediction Interval）：多元回归模型中

39、，某个因变量的未知结果的一个置信区间。 预测变量（Predictor Variable）：参见解释变量。 项目评估（Program Evaluation）：用计量经济学方法求出某个私人或公共项目的不确定影响的一种评估方法。 代理变量（Proxy Variable）：多元回归分析中，一个与观测不到的解释变量有关系但又不相同的可观测变量。二次函数（Quadratic Functions）：包含一个或多个解释变量的平方的函数，它反映了解释变量对因变量的逐渐变弱或增强的影响。 定性变量（Qualitative Variable）：描述一个人、企业及城市等的非定量特征的变量。 拟差分数据（Quasi-D

40、ifferenced Data）：在估计有AR（1）的序列相关的回归模型时，当期数据与前一期数据乘以AR（1）模型的参数后得到的数据之间的差。R平方（RR-Bar Squarred）：参参见校正的RR2。 R22（R-Sqquaredd）：在多元元回归模型中中，由自变量量解释了的那那部分因变量量的样本方差差之和。 R22形式的F统统计量（R-Squarred Foorm off the F Staatistiic）：用受受约束和不受受约束的模型型中得到的由由R2-表示示的、用于检检验排除约束束条件的F统统计量。 随机机抽样（Raandom Samplling）：在总体中随随机抽取观测测值的一种

41、抽抽样方法。各各个单位被抽抽取的可能性性是相同的，而而且每次抽样样都与其他次次相互独立。 随机游走（Random Walk）：在这样一种时间序列中，下个时期的值等于本期值加上一个独立的（或至少是不相关的）误差项。 有漂移的随机游走（Random Walk with Drift）：每个时期都加进一个常数（或漂移）的随机游走。 实际变量（Real Variable）：用基期货币价值表示的变量。 回归子（Regressand）：参见因变量。 回归误差设定检验（RESET）（Regression Speci?cation Error Test, RESET）：在多元回归模型中，检验函数形式的一般性方法

42、。它是一种由最初的OLS估计得出的拟合值的平方、三次方以及可能更高次幂的联合显著性F检验。 过原点回归（Regression Through the Origin）：截距被设为0的回归分析，它的斜率通过最小化残差的平方和求出。 回归元（Regressor）：参见解释变量。 拒绝区域（Rejection Region）：使得虚拟假设被拒绝的一组检验统计量的值。 拒绝法则（Rejection Rule）：在假设检验中，决定在什么情况下拒绝虚拟假设并支持对立假设的法则。 残差（Residual）：实际值与拟合（或预报）值之间的差。样本中的每次观测都有一个相应的残差，它们被用来计算OLS回归线。 残差

43、分析（Residual Analysis）：在估计多元回归模型后，对某次特定观测的残差的符号和大小所作的研究。 残差平方和（Residual Sum of Squares）：参见残差的平方和。 响应概率（Response Probability）：在二值响应模型中，以解释变量为条件的因变量取值为1的概率。 响应变量（Response Variable）：参见因变量。 受约束的模型（Restricted Model）：在假设检验中，施加所有虚拟假设所要求的约束条件后得到的模型。 均方根误（RMSE）（Root Mean Squared Error, RMSE）：多元回归分析中回归标准误的另一个名

44、称（仅当期望值等于实测值译者）。s样本回归函数（SSamplee Regrressioon Funnctionn）：参见OOLS回归线线。 得分分统计量（SScore Statiistic）：参见拉格朗朗日乘数统计计量。 季节节性虚拟变量量（Seassonal Dummyy Variiabless）：一组用用来表示季节节或月份的虚虚拟变量。 季节节性（Seaasonallity）：月度或季度度时间序列具具有的均值随随着一年中季季节的不同而而系统性变化化的特点。 季节节性调整（SSeasonnally Adjussted）：用某种统计计程序，可能能是对季节性性虚拟变量做做回归，来消消除月度或季季

45、度时间序列列中的季节性性成分。 半弹弹性（Semmi-Elaasticiity）：自自变量的一个个单位的增长长导致的因变变量的变化的的百分比。 序列列相关（Seerial Correelatioon）：在时时间序列或综综列数据模型型中，不同时时期的误差之之间的相关性性。 INTROODUCTOORY ECCONOMEETRICSS序列列相关稳健标准误误（Seriial Coorrelaation-Robusst Staandardd Erroor）：不管管模型中的误误差是否与序序列相关，都都（渐近）生生效的估计量量的标准误。 序列不相关（Serially Uncorrelated）：在时间序列

46、或综列数据模型中，不同时间的误差两两之间不相关。 短期弹性（Short-Run Elasticity）：因变量和自变量都以对数形式出现的分布滞后模型中的即期倾向。 显著性水平（Signi?cance Level）：假设检验中发生第I类错误的概率。 简单线性回归模型（Simple Linear Regression Model）：因变量只是一个自变量和一个误差项的线性函数的模型。 斜率参数（Slope Parameter）：多元回归模型中的自变量的系数。 谬误相关（Spurious Correlation）：不是因为二者有因果关系，可能是因为它们都受另一个观测不到的因素影响，所导致的两个变量之间

47、的相关性。 谬误回归问题（Spurious Regression Problem）：如果回归分析表明两个或多个无关时间序列具有一定关系，而其原因仅仅因为它们每个都有趋势或都是自积时间序列（如随机游走），或上面两种情况同时出现，这种问题就是谬误回归问题。 稳定的AR（1）过程（Stable AR(1) Process）：滞后变量的系数绝对值小于1时的AR（1）过程。序列中的两个随机变量的相关性，随着它们之间的时间间隔不断增大，以几何级数趋近于0。 1的标准误（Standard Error of 1）：1抽样分布的标准差的估计值。 1的标准差（Standard Deviation of 1）：衡量

48、1抽样分布的分散程度的常用指标。 估计值的标准误（Standard Error of the Estimate）：参见回归的标准误。 回归的标准误（SER）（Standard Error of the Regression, SER）：多元回归分析中的总体误差的标准差的估计值。等于残差平方和的平方根除以自由度。 标准化系数（Standardized Coef?cients）：一种回归系数，它度量了自变量增加一个标准差时，因变量的改变是其标准差的倍数。 静态模型（Static Model）：只有当期的解释变量影响因变量的一种时间序列模型。 平稳过程（Stationary Process）：边际和

49、所有的联合分布都不随时间变化的一种时间序列过程。 统计上不显著（Statistically Insigni?cant）：在选定的显著性水平上，无法拒绝总体参数等于0的虚拟假设。 统计上显著（Statistically Significant）：在选定的显著性水平上，相对于特定的对立假设，拒绝总体参数等于0的虚拟假设。 随机过程（Stochastic Process）：标注了时间的一系列随机变量。 严格外生的（Strict Exogeneity）：时间序列或综列数据模型中的解释变量的一个特点，以所有时期的解释变量为条件的、任何时期的误差项都是有0均值。更宽松的一种说法是用相关性为0来表述的。 强相依（Strongly Dependent）：参见高度持续过程。 残差平方和（Sum of Squared Residuals）：多元回归模型中，所观测的OLS残差的平方和。 求和运算符（Sum