【文章內容簡介】 業(yè)及城市等的非定量特征的變量。擬—差分數(shù)據(jù)（QuasiDifferencedData）：在估計有AR（1）的序列相關的回歸模型時，當期數(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、用于檢驗排除約束條件的F統(tǒng)計量。隨機抽樣（RandomSampling）：在總體中隨機抽取觀測值的一種抽樣方法。各個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立。隨機游走（RandomWalk）：在這樣一種時間序列中，下個時期的值等于本期值加上一個獨立的（或至少是不相關的）誤差項。有漂移的隨機游走（RandomWalkwithDrift）：每個時期都加進一個常數(shù)（或漂移）的隨機游走。實際變量（RealVariable）：用基期貨幣價值表示的變量?；貧w子（Regressand）：參見因變量?；貧w誤差設定檢驗（RESET）（RegressionSpeci?cationErrorTest,RESET）：在多元回歸模型中，檢驗函數(shù)形式的一般性方法。它是一種由最初的OLS估計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。過原點回歸（RegressionThroughtheOrigin）：截距被設為0的回歸分析，它的斜率通過最小化殘差的平方和求出。回歸元（Regressor）：參見解釋變量。拒絕區(qū)域（RejectionRegion）：使得虛擬假設被拒絕的一組檢驗統(tǒng)計量的值。拒絕法則（RejectionRule）：在假設檢驗中，決定在什么情況下拒絕虛擬假設并支持對立假設的法則。殘差（Residual）：實際值與擬合（或預報）值之間的差。樣本中的每次觀測都有一個相應的殘差，它們被用來計算OLS回歸線。殘差分析（ResidualAnalysis）：在估計多元回歸模型后，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。響應概率（ResponseProbability）：在二值響應模型中，以解釋變量為條件的因變量取值為1的概率。響應變量（ResponseVariable）：參見因變量。受約束的模型（RestrictedModel）：在假設檢驗中，施加所有虛擬假設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準誤的另一個名稱（僅當期望值等于實測值—譯者）。S樣本回歸函數(shù)（SampleRegressionFunction）：參見OLS回歸線。得分統(tǒng)計量（ScoreStatistic）：參見拉格朗日乘數(shù)統(tǒng)計量。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。季節(jié)性調整（SeasonallyAdjusted）：用某種統(tǒng)計程序，可能是對季節(jié)性虛擬變量做回歸，來消除月度或季度時間序列中的季節(jié)性成分。半彈性（SemiElasticity）：自變量的一個單位的增長導致的因變量的變化的百分比。序列相關（SerialCorrelation）：在時間序列或綜列數(shù)據(jù)模型中，不同時期的誤差之間的相關性。INTRODUCTORYECONOMETRICS序列相關—穩(wěn)健標準誤（SerialCorrelationRobustStandardError）：不管模型中的誤差是否與序列相關，都（漸近）生效的估計量的標準誤。序列不相關（SeriallyUncorrelated）：在時間序列或綜列數(shù)據(jù)模型中，不同時間的誤差兩兩之間不相關。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）：假設檢驗中發(fā)生第I類錯誤的概率。簡單線性回歸模型（SimpleLinearRegressionModel）：因變量只是一個自變量和一個誤差項的線性函數(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（SpuriousCorrelation）：不是因為二者有因果關系，可能是因為它們都受另一個觀測不到的因素影響，所導致的兩個變量之間的相關性。謬誤回歸問題（SpuriousRegressionProblem）：如果回歸分析表明兩個或多個無關時間序列具有一定關系，而其原因僅僅因為它們每個都有趨勢或都是自積時間序列（如隨機游走），或上面兩種情況同時出現(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時的AR（1）過程。序列中的兩個隨機變量的相關性，隨著它們之間的時間間隔不斷增大，以幾何級數(shù)趨近于0。β1的標準誤（StandardErrorofβ1）：β1抽樣分布的標準差的估計值。β1的標準差（StandardDeviationofβ1）：衡量β1抽樣分布的分散程度的常用指標。估計值的標準誤（StandardErroroftheEstimate）：參見回歸的標準誤?；貧w的標準誤（SER）（StandardErroroftheRegression,SER）：多元回歸分析中的總體誤差的標準差的估計值。等于殘差平方和的平方根除以自由度。標準化系數(shù)（StandardizedCoef?cients）：一種回歸系數(shù)，它度量了自變量增加一個標準差時，因變量的改變是其標準差的倍數(shù)。靜態(tài)模型（StaticModel）：只有當期的解釋變量影響因變量的一種時間序列模型。平穩(wěn)過程（StationaryProcess）：邊際和所有的聯(lián)合分布都不隨時間變化的一種時間序列過程。統(tǒng)計上不顯著（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。統(tǒng)計上顯著（StatisticallySignificant）：在選定的顯著性水平上，相對于特定的對立假設，拒絕總體9參數(shù)等于0的虛擬假設。隨機過程（StochasticProcess）：標注了時間的一系列隨機變量。嚴格外生的（StrictExogeneity）：時間序列或綜列數(shù)據(jù)模型中的解釋變量的一個特點，以所有時期的解釋變量為條件的、任何時期的誤差項都是有0均值。更寬松的一種說法是用相關性為0來表述的。強相依（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。求和運算符（SummationOperator）：用Σ表示的一個符號，用來表示對一組數(shù)據(jù)的求和運算。Tt比率、t統(tǒng)計量（tRatio、tStatistic）：用來對計量經濟學模型中關于參數(shù)的單個假設進行檢驗的一種統(tǒng)計量。時間序列數(shù)據(jù)（TimeSeriesData）：搜集到的一個或多個變量在不同時間上的數(shù)據(jù)。時間序列過程（TimeSeriesProcess）：參見隨機過程。時間趨勢（TimeTrend）：時間的函數(shù)，它是趨勢時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）：在項目評估中，參與這一項目的群體。（也見實驗群組）趨勢過程（TrendingProcess）：期望值是時間的增函數(shù)或減函數(shù)的時間序列過程。趨勢—平穩(wěn)過程（TrendStationaryProcess）：在除掉了時間趨勢后變得平穩(wěn)的過程。毫無疑問，除掉了趨勢的序列是弱相依的。真實模型（TrueModel）：表示因變量與有關自變量及一個干擾項之間關系的真實的總體模型。在這個模型中，0條件均值假定成立。雙側對立假設（TwoSidedAlternative）：總體參數(shù)既可以大于又可以小于虛擬假設提出的值的一種檢驗方法。雙尾檢驗（TwoTailedTest）：相對于雙側對立檢驗的檢驗方法。U無偏估計量（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）的估計量。不相關隨機變量（UncorrelatedRandomVariables）：相互之間沒有線性關系的隨機變量。設定不足的模型（UnderspecifyingaModel）：參見忽略一個有關的變量。單位根過程（UnitRootProcess）：當期值等于前一個時期的值加上一個弱相依的干擾項的一種高度持續(xù)的時間序列過程。無約束模型（UnrestrictedModel）：在假設檢驗中，對參數(shù)沒有任何限制條件的模型。向上偏誤（UpwardBias）：估計量的期望值大于總體參數(shù)的值。V方差（Variance）：表示隨機變量分布的分散程度的一項指標。預測誤差的方差（VarianceofthePredictionError）：當以估計的多元回歸方程為基礎來預報因變量的一個將來值時，產生的誤差的方差。W弱相依（Weakly Dependent）：在時間序列過程中，表示隨機變量在不同時期的兩個值之間的相互依賴性質的指標（比如相關性），如果這一依賴性隨著時間間隔的增大而減小，這個時間序列就是弱相依的。加權最小二乘（WLS）估計量（WeightedLeastSquares(WLS)Estimator）：用來校正某種已知形式的異方差的估計量。其中，每個殘差的平方都得到一個等于誤差的（估計的）方差的倒數(shù)的權重。懷特檢驗（WhiteTest）：異方差的一種檢驗方法，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鍵的一個假定。它的含義是，給定解釋變量的所有值時，誤差的期望值都等于0。（參見假定、和39。）統(tǒng)計學術語Aacceptanceregion　　接受區(qū)域adjusted　　校正的allocation　　配置、布局alternativehypothesis　　備擇假設*analysisofvariance　　方差分析*analysisofcovariance　　協(xié)方差分析ANOCOVA　?。紸nalysisofcovariance*ANOVA　　＝Analysisofvariancearithmeticmean　　算術平均值association　　關聯(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*Bayes,ian　　貝葉斯的、貝葉斯betafunction　　貝塔函數(shù)between　　（間）內bias　　偏倚biasedquestion　　有偏質問*binomialdistribution　　二項分布binomialtheorem　　二項定理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