计量经济学术语
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）：检验虚拟假设时的相对假设。
AR（1）序列相关（AR(1) Serial Correlation）：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 Normality）：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。
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 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 Efficient）：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 Uncorrelated）：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 Regression）：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）：n 个数之和除以n。
B
基组、基准组（Base Group）：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）：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 Zero）：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）：见最优线性无偏估计量。
Breusch-Godfrey 检验（Breusch-Godfrey Test）：渐近正确的AR（p）序列相关检验，以AR（1）最为流
1
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 Effect）：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 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）：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。 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。
2
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（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）：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 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 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。
F
F 统计量（F Statistic）：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（Feasible GLS (FGLS) Estimator）：方差或相关参数未知，因而必须先进行
估计的GLS 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
3
有滞后效应的动态模型。
一阶差分（First Difference）：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）：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（Functional Form Misspeci?cation）：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）：一组假定（假定MLR.1 至MLR.5 或假定TS.1 至TS.
5），在这之下OLS 是BLUE 。
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）。
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 Measure）：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 Rate）：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 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）：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
4
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 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）：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-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 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
5
英汉对照计量经济学术语
