-
A
校正
R2
（
Adjusted R-Squared
）
：多元回归分析中拟合优度的量度，在估计误差的方差时对添加的解释变量
用一个自由度来调整。
对立假设（
Alternative Hypothesis<
/p>
）
：检验虚拟假设时的相对假设。
AR
（
1
）序列相
关（
AR(1) Serial Correlation
）<
/p>
：时间序列回归模型中的误差遵循
AR
（
1
）模型。
渐近置信区间（
Asymptotic Confidence
Interval
）
：大样本容量下近似成立的置信区间。
渐近正态性（
Asymptotic N
ormality
）
：适当正态化后样本分布收敛到标准正态分
布的估计量。
渐近性质（
Asymptotic Properties
）
：当样本容量无限增长时适用的估计量和检验统计量性质。
渐近标准误（
Asymptotic
Standard Error
）
：大样本下生效的标准误。<
/p>
渐近
t
统计量（
Asymptotic t Statistic
）
：大样本下近似服从标准正态分布的
t<
/p>
统计量。
渐近方差（
Asymptotic Variance
）
：为了获得渐近标准正态分布，我们必须用以除估计量的平方值。
渐近有效（
Asymptotically Efficien
t
）
：对于服从渐近正态分布的一致性估计量，有最小渐近方差
的估计量。
渐近不相关（
Asymptotically Uncorre
lated
）
：时间序列过程中，随着两个时点上的随机变量的
时间间隔增加，
它们之间的相关趋于零。
衰减偏误（
Attenuation
Bias
）
：总是朝向零的估计量偏误，因而有衰减偏误的估计
量的期望值小于参数的绝
对值。
自回归条件异方差性（
Autoregressive
Conditional Heteroskedasticity, ARCH
）
：动态异方差性模型，即给定过
去信息，误差项的方差线性依赖于过
去的误差的平方。
一阶自回归过程
[
AR
（
1
）
]
（
Autoregressive Process of
Order One [AR(1)]
）
：一个时间序列模型，
其当前值线
性依赖于最近的值加上一个无法预测的扰动。
辅助回归
（
Auxiliary Re
gression
）
：
用于计算检验统
计量——例如异方差性和序列相关的检验统计量——或其
他任何不估计主要感兴趣的模型
的回归。
平均值（
Average<
/p>
）
：
n
个数之和
除以
n
。
B
基组、基准组（
Base Grou
p
）
：在包含虚拟解释变量的多元回归模型中，由截距代表的组
。
基期（
Base Period<
/p>
）
：对于指数数字，例如价格或生产指数，其他所有时期均用来作
为衡量标准的时期。
基期值（
Base Value
）
：指定的基期的值，用以构造指数数字；通常基本值为
1
或
100
。
最优线性无偏估计量（
Best Linear
Unbiased Estimator, BLUE
）
：在所
有线性、无偏估计量中，有最小方差的
估计量。
在高斯—马尔科夫假定下，
OLS
是以解释变量样本
值为条件的
BLUE
。
贝塔系数（
Beta Coef?cients
）
：见标准化系数。
偏误（
Bias
）
：估计量的期望参数值与总
体参数值之差。
偏误估计量（
Biased Estimator
）
：期望或抽样平均与假设要估计的总体值有差异的估计量。
向零的偏误（
Biased Towards Ze
ro
）
：描述的是估计量的期望绝对值小于总体参数的绝对值。
二值响应模型（
Binary
Response
Model
）
：二值因变量的模型。
二值变量（
Binary
Variable
）
：见虚拟变量。
两变量回归模型（
Bivariate Regression
Model
）
：见简单线性回归模型。
BLUE
（
BLUE
< br>）
：见最优线性无偏估计量。
Breusch-Godfrey
检验（
Breusch-Godfrey Test
）
：渐近正确的
AR
（<
/p>
p
）序列相关检验，以
AR
（
1
）最为流行；
该检验考
虑到滞后因变量和其他不是严格外生的回归元。
Breusch-Pagan
检验
（
Breusch-Pagan
Test
）
：
将
OLS
残差的平方对模型中的解释变量做回归的异方差性检验。
C
因果效应（
Causal E
ffect
）
：一个变量在其余条件不变情况下的变化对另一个
变量产生的影响。
其余条件不变（
Ceteris Paribus
）
：其他所有相关因素均保持固定不变。
经典含误差变量（
Classical Errors-in-
Variables, CEV
）
：观测的量度等于实际变量加
上一个独立的或至少不相
关的测量误差的测量误差模型。
经典线性模型（
Classical Linear Mode
l
）
：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) Assump
tions
）
：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、无序列相关和误差正态性。
科克伦—奥克特（
CO
）估计（
Cochrane-Orcutt (CO) Estimation
）
：估计含
AR
（
1<
/p>
）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。
< br>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
Le
vel
）
：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
）
：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
< br>）
：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
）<
/p>
：见解释变量。
临界值（
Critical Value
）
：在假设检验中，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（
Data Frequency
）
：收集时间序列数据的区间。年度、季度和月度是最常见的数据频率。
戴维森—麦金农检验（
Davidson-
MacKinnon
Test
）
：用
于检验相对于非嵌套对立假设的模型的检验：它可用
相争持模型中得出的拟合值的
t
检验来实现。
自
由度（
df
）
（
Degrees of Freedom, df
）
：在多元
回归模型分析中，观测值的个数减去待估参数的个数。
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。
< br>
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的虚拟变量造成的错误；
当模型中既有整
< br>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。
< br>德宾—沃森（
DW
）统计量（
D
urbin-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（
Econometric Model
）
：将因变量与一组解释变量和未观测到的扰动联系起来的方程，方程中
未知的总体参数决定了各解释变量在其余条件不变下的效应。
经济模型（
Economic Model
）
：从经济理论或不那么正规的经济原因中得出的关系。
经济显著性（
Economic Signi?cance
）
：见实际显著性。
弹性（
Elasticity
）
：
给定一个变量在其余条件不变下增加
1%
，另一个变量的百分比
变化。
经验分析（
Empirical Analysis
）
：用正规计量分析中的数据检验理论、估计关系式或确定政策效应的研究
。
内生解释变量（
Endogenous
Explanatory
Variable
< br>）
：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的解释变量。
内生样本选择（
Endogenous Sample Sel
ection
）
：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, SSE
）
：多元回归模型中拟合值的总样本变异。
被解释变量（
Explained V
ariable
）
：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。
F
F
统计量（
F Statistic<
/p>
）
：在多元回归模型中，用于检验关于参数的多重假设的统计量。
可行的
GLS
（
FGLS
）估计量（
Feasib
le GLS (FGLS) Estimator
）
：方差或
相关参数未知，因而必须先进行估计
的
GLS
< br>程序。
（又见广义最小二乘估计量。
）
有限分布滞后（
FDL
）模型（
Finite Distributed Lag (FDL) Model
）
：允许一个或多个解释变量对因变量有滞后
效应的动态模型
。
一阶差分（
First Diff
erence
）
：对相邻时期做差分所构成的对时间序列的转换
，即用后一时期减去前一时期。
一阶条件（
First Order Conditions<
/p>
）
：用于求解
OLS
估计值的一组线性方程。
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（
al Form Misspeci?c
ation
）
：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—马尔科夫假定
（
Gauss-
Markov Assumptions
）
：
< br>一组假定
（假定
MLR.1
至<
/p>
MLR.5
或假定
TS.1
至
TS.5
）
，
在这之下
OLS
是
BLU
E
。
高斯—马尔科夫定理（
Gauss-Markov
Theorem
）
：该定理表明，在五个高斯—马
尔科夫假定下（对于横截面
或时间序列模型）
，
OLS
估计量是
BLUE
（在解释变量样本值的条件下）
。
<
/p>
广义最小二乘（
GLS
）
估计量（
Generalized Least
Squares (GLS) Estimator
）
：通过对
原始模型的变换，说明
了已知结构的误差的方差（异方差性）和误差中的序列相关形式或
两者兼有的估计量。
拟合优度度量（
Goodness-of-Fit Measu
re
）
：概括一组解释变量有多好地解释了因变量或响应变量的
统计量。
增长率（
Growth R
ate
）
：时间序列中相对于前一时期的比例变化。可将它近似
为对数差分或以百分比形式报
导。
H
异方差性（
Heteroskedasticity
）
：给定解释变量，误差项的方差不为常数。
未知形式的异方差性（
Heteroskedasticity
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（
Heteroskedasticity-
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 Pro
cess
）
：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（
Homos
kedasticity
）
：回归模型中的误差在解释变量条件
下具有不变的方差。
I
即期弹性（
Impact Elasticity
）
：在分布滞后模型中，给定自变量增加
1%
因变量的即时的百分比变化。
即期乘数（
Impact Multiplier
）
：见即期倾向。
即期倾向（
Impact Propensity
）
：在分布滞后模型中，自变量增加一个单位因变量的即时的变化。
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
）<
/p>
：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 Observat
ions
）
：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
）
］
（
Integrated 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
联合假设检验（
Joint
Hypothesis Test
）
：一个模型中包含不止一个
对参数的约束的检验。
联合统计显著性（
Jointly
Statistically Signi?cant
）
：两个
或多个解释变量具有零总体系数的虚拟假设以一个选
定的显著性水平被拒绝。
L
滞后分布（
Lag
Distribution
）
：在无限或有限分布滞后模型中，
把滞后系数表示为滞后长度的函数。
滞后因变量（
Lagged Dependent Varia
ble
）
：等于以前时期的因变量的解释变量。
拉格朗日乘数统计量
（
La
grange 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 Propertie
s
）
：见渐近性质。
水平值—水平值模型（
Level-Level Model<
/p>
）
：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-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<
/p>
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 Elast
icity
）
：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%<
/p>
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
配对样本（
Matched Pairs Sample
）
：每个观测值都与另一个观测值相匹配的一种样本，如由丈夫和妻子
或一
对兄妹组成的样本。
测量误差（
Measurement Error
）
：观测到的变量与多元回归方程中的变量之间的差。
微数缺测性（
Micronumerosity
）
：由
Arthur Goldberger <
/p>
首先提出的一个概念，用以描述容量样本较小时计量
经济学估计量
的性质。
最小方差无偏估计量（
Minimum Variance
Unbiased Estimator
）
：在所有的无偏估计
量中方差最小的那个估计
量。
数据缺失（
Missing Data
）
：当我们没有观测到样本中某些观测（个人、城市、时期等）所对应的一些变量值
时，发生的一类数据问题。
一阶移动平均
过程
[MA
（
1
）
]
（
Moving
Average Process of Order One [MA(1)]
）
：是由某个随机过程的当期值
与一期滞后的线性函数所产生的一种时
间序列过程。这个随机过程是
0
均值、固定方差和不相关的。<
/p>
多重共线性（
Multicollin
earity
）
：指多元回归模型中自变量之间的相关性。当某
些相关性“很大”时，就会
发生多重共线性，但对实际的大小尺度并没有明确的规定。<
/p>
-
-
-
-
-
-
-
-
-
上一篇：cochrane评分表
下一篇：美国CLIA'88能力比对检验的分析质量要求