-
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。
p>
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。
p>
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
p>
)
: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
p>
)
: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。
p>
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
)
p>
: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
)
p>
: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
p>
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。
p>
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
p>
)
: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
)
p>
: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。
)
p>
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(
p>
Heteroskedasticity-Robust
Standard
Error
)
p>
: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
p>
(
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
p>
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
p>
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)]
)
p>
: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