【文章內(nèi)容簡介】 業(yè)及城市等的非定量特征的變量。擬—差分?jǐn)?shù)據(jù)（QuasiDifferencedData）：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。R平方（RBarSquared）：參見校正的R2。R2（RSquared）：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形式的F統(tǒng)計(jì)量（RSquaredFormoftheFStatistic）：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（RandomSampling）：在總體中隨機(jī)抽取觀測值的一種抽樣方法。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（RandomWalk）：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（RandomWalkwithDrift）：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（RealVariable）：用基期貨幣價(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）（RegressionSpeci?cationErrorTest,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冪的聯(lián)合顯著性F檢驗(yàn)。過原點(diǎn)回歸（RegressionThroughtheOrigin）：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（RejectionRegion）：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（RejectionRule）：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（ResidualAnalysis）：在估計(jì)多元回歸模型后，對某次特定觀測的殘差的符號和大小所作的研究。殘差平方和（ResidualSumofSquares）：參見殘差的平方和。響應(yīng)概率（ResponseProbability）：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（ResponseVariable）：參見因變量。受約束的模型（RestrictedModel）：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。8均方根誤（RMSE）（RootMeanSquaredError,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)測值—譯者）。S樣本回歸函數(shù)（SampleRegressionFunction）：參見OLS回歸線。得分統(tǒng)計(jì)量（ScoreStatistic）：參見拉格朗日乘數(shù)統(tǒng)計(jì)量。季節(jié)性虛擬變量（SeasonalDummyVariables）：一組用來表示季節(jié)或月份的虛擬變量。季節(jié)性（Seasonality）：月度或季度時(shí)間序列具有的均值隨著一年中季節(jié)的不同而系統(tǒng)性變化的特點(diǎn)。季節(jié)性調(diào)整（SeasonallyAdjusted）：用某種統(tǒng)計(jì)程序，可能是對季節(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（SemiElasticity）：自變量的一個(gè)單位的增長導(dǎo)致的因變量的變化的百分比。序列相關(guān)（SerialCorrelation）：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。INTRODUCTORYECONOMETRICS序列相關(guān)—穩(wěn)健標(biāo)準(zhǔn)誤（SerialCorrelationRobustStandardError）：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)（SeriallyUncorrelated）：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（ShortRunElasticity）：因變量和自變量都以對數(shù)形式出現(xiàn)的分布滯后模型中的即期傾向。顯著性水平（Signi?canceLevel）：假設(shè)檢驗(yàn)中發(fā)生第I類錯(cuò)誤的概率。簡單線性回歸模型（SimpleLinearRegressionModel）：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)（SlopeParameter）：多元回歸模型中的自變量的系數(shù)。謬誤相關(guān)（SpuriousCorrelation）：不是因?yàn)槎哂幸蚬P(guān)系，可能是因?yàn)樗鼈兌际芰硪粋€(gè)觀測不到的因素影響，所導(dǎo)致的兩個(gè)變量之間的相關(guān)性。謬誤回歸問題（SpuriousRegressionProblem）：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（StableAR(1)Process）：滯后變量的系數(shù)絕對值小于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，以幾何級數(shù)趨近于0。β1的標(biāo)準(zhǔn)誤（StandardErrorofβ1）：β1抽樣分布的標(biāo)準(zhǔn)差的估計(jì)值。β1的標(biāo)準(zhǔn)差（StandardDeviationofβ1）：衡量β1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（StandardErroroftheEstimate）：參見回歸的標(biāo)準(zhǔn)誤?；貧w的標(biāo)準(zhǔn)誤（SER）（StandardErroroftheRegression,SER）：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)（StandardizedCoef?cients）：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（StaticModel）：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。平穩(wěn)過程（StationaryProcess）：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（StatisticallyInsigni?cant）：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（StatisticallySignificant）：在選定的顯著性水平上，相對于特定的對立假設(shè)，拒絕總體9參數(shù)等于0的虛擬假設(shè)。隨機(jī)過程（StochasticProcess）：標(biāo)注了時(shí)間的一系列隨機(jī)變量。嚴(yán)格外生的（StrictExogeneity）：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（StronglyDependent）：參見高度持續(xù)過程。殘差平方和（SumofSquaredResiduals）：多元回歸模型中，所觀測的OLS殘差的平方和。求和運(yùn)算符（SummationOperator）：用Σ表示的一個(gè)符號，用來表示對一組數(shù)據(jù)的求和運(yùn)算。Tt比率、t統(tǒng)計(jì)量（tRatio、tStatistic）：用來對計(jì)量經(jīng)濟(jì)學(xué)模型中關(guān)于參數(shù)的單個(gè)假設(shè)進(jìn)行檢驗(yàn)的一種統(tǒng)計(jì)量。時(shí)間序列數(shù)據(jù)（TimeSeriesData）：搜集到的一個(gè)或多個(gè)變量在不同時(shí)間上的數(shù)據(jù)。時(shí)間序列過程（TimeSeriesProcess）：參見隨機(jī)過程。時(shí)間趨勢（TimeTrend）：時(shí)間的函數(shù)，它是趨勢時(shí)間序列過程的期望值?？偲椒胶停⊿ST）（TotalSumofSquares,SST）：因變量相對于它的樣本均值的總樣本變異。處理組（TreatmentGroup）：在項(xiàng)目評估中，參與這一項(xiàng)目的群體。（也見實(shí)驗(yàn)群組）趨勢過程（TrendingProcess）：期望值是時(shí)間的增函數(shù)或減函數(shù)的時(shí)間序列過程。趨勢—平穩(wěn)過程（TrendStationaryProcess）：在除掉了時(shí)間趨勢后變得平穩(wěn)的過程。毫無疑問，除掉了趨勢的序列是弱相依的。真實(shí)模型（TrueModel）：表示因變量與有關(guān)自變量及一個(gè)干擾項(xiàng)之間關(guān)系的真實(shí)的總體模型。在這個(gè)模型中，0條件均值假定成立。雙側(cè)對立假設(shè)（TwoSidedAlternative）：總體參數(shù)既可以大于又可以小于虛擬假設(shè)提出的值的一種檢驗(yàn)方法。雙尾檢驗(yàn)（TwoTailedTest）：相對于雙側(cè)對立檢驗(yàn)的檢驗(yàn)方法。U無偏估計(jì)量（UnbiasedEstimator）：期望值（或抽樣分布的均值）等于總體值（與總體值的大小無關(guān)）的估計(jì)量。不相關(guān)隨機(jī)變量（UncorrelatedRandomVariables）：相互之間沒有線性關(guān)系的隨機(jī)變量。設(shè)定不足的模型（UnderspecifyingaModel）：參見忽略一個(gè)有關(guān)的變量。單位根過程（UnitRootProcess）：當(dāng)期值等于前一個(gè)時(shí)期的值加上一個(gè)弱相依的干擾項(xiàng)的一種高度持續(xù)的時(shí)間序列過程。無約束模型（UnrestrictedModel）：在假設(shè)檢驗(yàn)中，對參數(shù)沒有任何限制條件的模型。向上偏誤（UpwardBias）：估計(jì)量的期望值大于總體參數(shù)的值。V方差（Variance）：表示隨機(jī)變量分布的分散程度的一項(xiàng)指標(biāo)。預(yù)測誤差的方差（VarianceofthePredictionError）：當(dāng)以估計(jì)的多元回歸方程為基礎(chǔ)來預(yù)報(bào)因變量的一個(gè)將來值時(shí)，產(chǎn)生的誤差的方差。W弱相依（Weakly Dependent）：在時(shí)間序列過程中，表示隨機(jī)變量在不同時(shí)期的兩個(gè)值之間的相互依賴性質(zhì)的指標(biāo)（比如相關(guān)性），如果這一依賴性隨著時(shí)間間隔的增大而減小，這個(gè)時(shí)間序列就是弱相依的。加權(quán)最小二乘（WLS）估計(jì)量（WeightedLeastSquares(WLS)Estimator）：用來校正某種已知形式的異方差的估計(jì)量。其中，每個(gè)殘差的平方都得到一個(gè)等于誤差的（估計(jì)的）方差的倒數(shù)的權(quán)重。懷特檢驗(yàn)（WhiteTest）：異方差的一種檢驗(yàn)方法，涉及到做OLS殘差的平方對OLS擬合值和擬合值10的平方的回歸。這種檢驗(yàn)方法的最一般的形式是，作OLS殘差的平方對解釋變量、解釋變量的平方和所有非多余的解釋變量間的交叉乘積的回歸。Z0條件均值假定（ZeroConditionalMeanAssumption）：多元回歸分析中很關(guān)鍵的一個(gè)假定。它的含義是，給定解釋變量的所有值時(shí)，誤差的期望值都等于0。（參見假定、和39。）統(tǒng)計(jì)學(xué)術(shù)語Aacceptanceregion　　接受區(qū)域adjusted　　校正的allocation　　配置、布局alternativehypothesis　　備擇假設(shè)*analysisofvariance　　方差分析*analysisofcovariance　　協(xié)方差分析ANOCOVA　?。紸nalysisofcovariance*ANOVA　?。紸nalysisofvariancearithmeticmean　　算術(shù)平均值association　　關(guān)聯(lián)性*assumedmean　　假定平均值*asymmetricdistribution　　非對稱分布autoregressive　　自回歸（的）11averages　　平均量Bbarchart　　條線圖Bartlett\39。stest　　巴特利特檢驗(yàn)*Bayes,ian　　貝葉斯的、貝葉斯betafunction　　貝塔函數(shù)between　?。ㄩg）內(nèi)bias　　偏倚biasedquestion　　有偏質(zhì)問*binomialdistribution　　二項(xiàng)分布binomialtheorem　　二項(xiàng)定理bioassay　　生物鑒定法bivariatenormaldistribution　　二元正態(tài)分布blindtest　　盲檢法Bonferroni\39。sinequality　　Bonferroni不等式bootstrap　　自助法BoxCoxtransformation　　BoxCox變換Ccanonicalcorrelati