【文章內(nèi)容簡(jiǎn)介】 eraction Effect）：回歸模型中為兩個(gè)解釋變量的乘積的自變量。截距參數(shù)（Intercept Parameter）：復(fù)線性回歸模型中，給出當(dāng)所有自變量都為零時(shí)因變量的期望值的參 數(shù)。截距的變動(dòng)（Intercept Shift）：回歸模型中的截距，因組或時(shí)期的不同而不同。J 聯(lián)合假設(shè)檢驗(yàn)（Joint Hypothesis Test）：一個(gè)模型中包含不止一個(gè)對(duì)參數(shù)的約束的檢驗(yàn)。聯(lián)合統(tǒng)計(jì)顯著性（Jointly Statistically Signi?cant）：兩個(gè)或多個(gè)解釋變量具有零總體系數(shù)的虛擬假 設(shè)以一個(gè)選定的顯著性水平被拒絕。L 滯后分布（Lag Distribution）：在無(wú)限或有限分布滯后模型中，把滯后系數(shù)表示為滯后長(zhǎng)度的函數(shù)。滯后因變量（Lagged Dependent Variable）：等于以前時(shí)期的因變量的解釋變量。拉格朗日乘數(shù)統(tǒng)計(jì)量（Lagrange Multiplier Statistic）：僅在大樣本下為正確的檢驗(yàn)統(tǒng)計(jì)量，它可用于 在不同的模型設(shè)定問(wèn)題中檢驗(yàn)遺漏變量、異方差性和序列相關(guān)。大樣本性質(zhì)（Large Sample Properties）：見(jiàn)漸近性質(zhì)。水平值—水平值模型（LevelLevel Model）：因變量與自變量均為標(biāo)準(zhǔn)（或原始）形式的回歸模型。水平值—對(duì)數(shù)模型（LevelLog Model）：因變量為標(biāo)準(zhǔn)形式、自變量（至少是其中一部分）為對(duì)數(shù)形式的 回歸模型。線性概率模型（LPM）（Linear Probability Model, LPM）：響應(yīng)概率對(duì)參數(shù)為線性的二值響應(yīng)模型。線性時(shí)間趨勢(shì)（Linear Time Trend）：為時(shí)間的線性函數(shù)的趨勢(shì)。線性無(wú)偏估計(jì)量（Linear Unbiased Estimator）：在多元回歸分析中，是因變量值的一個(gè)線性函數(shù)的那些 無(wú)偏估計(jì)量。對(duì)數(shù)—水平值模型（LogLevel Model）：因變量以對(duì)數(shù)形式出現(xiàn)，而自變量是水平（或原始）形式的一種 回歸模型。對(duì)數(shù)—對(duì)數(shù)模型（LogLog Model）：因變量和（至少一部分）解釋變量都是以對(duì)數(shù)形式出現(xiàn)的回歸模型。長(zhǎng)期彈性（LongRun Elasticity）： 因變量和自變量都是對(duì)數(shù)形式出現(xiàn)的分布滯后模型中的長(zhǎng)期傾向。即，長(zhǎng)期彈性是在給定解釋變量增長(zhǎng)了1%時(shí)，被解釋變量最終變化的百分比。長(zhǎng)期乘數(shù)（LongRun Multiplier）：參見(jiàn)長(zhǎng)期傾向。長(zhǎng)期傾向（LongRun Propensity）：在一個(gè)分布滯后模型中，給定自變量的一個(gè)永久性的、一個(gè)單位的增 長(zhǎng)，因變量最終的變化量。M 配對(duì)樣本（Matched Pairs Sample）：每個(gè)觀測(cè)值都與另一個(gè)觀測(cè)值相匹配的一種樣本，如由丈夫和妻子 或一對(duì)兄妹組成的樣本。測(cè)量誤差（Measurement Error）：觀測(cè)到的變量與多元回歸方程中的變量之間的差。微數(shù)缺測(cè)性（Micronumerosity）：由Arthur Goldberger 首先提出的一個(gè)概念，用以描述容量樣本較小 時(shí)計(jì)量經(jīng)濟(jì)學(xué)估計(jì)量的性質(zhì)。最小方差無(wú)偏估計(jì)量（Minimum Variance Unbiased Estimator）：在所有的無(wú)偏估計(jì)量中方差最小的那個(gè) 估計(jì)量。數(shù)據(jù)缺失（Missing Data）：當(dāng)我們沒(méi)有觀測(cè)到樣本中某些觀測(cè)（個(gè)人、城市、時(shí)期等）所對(duì)應(yīng)的一些變 量值時(shí)，發(fā)生的一類(lèi)數(shù)據(jù)問(wèn)題。一階移動(dòng)平均過(guò)程[MA（1）]（Moving Average Process of Order One [MA(1)]）：是由某個(gè)隨機(jī)過(guò)程的 當(dāng)期值與一期滯后的線性函數(shù)所產(chǎn)生的一種時(shí)間序列過(guò)程。這個(gè)隨機(jī)過(guò)程是0 均值、固定方差和不相關(guān)的。多重共線性（Multicollinearity）：指多元回歸模型中自變量之間的相關(guān)性。當(dāng)某些相關(guān)性“很大”時(shí)，就會(huì)發(fā)生多重共線性，但對(duì)實(shí)際的大小尺度并沒(méi)有明確的規(guī)定。多重假設(shè)檢驗(yàn)（Multicollinearity）：涉及到參數(shù)的多個(gè)約束條件的虛擬假設(shè)檢驗(yàn)。多元線性回歸（MLR）模型（Multiple Linear Regression(MLR)Model）：對(duì)參數(shù)是線性的一類(lèi)模型，其 中的因變量是自變量的函數(shù)加上一個(gè)誤差項(xiàng)。多元回歸分析（Multiple Regression Analysis）：在多元線性回歸模型中進(jìn)行估計(jì)和推斷的一類(lèi)分析。多重約束（Multiple Restrictions）：計(jì)量經(jīng)濟(jì)學(xué)模型中對(duì)參數(shù)的多于一個(gè)的約束條件。乘數(shù)測(cè)量誤差（Multiplicative Measurement Error）：觀測(cè)到的變量等于實(shí)際的觀測(cè)不到的變量與一個(gè) 正的測(cè)量誤差的乘積時(shí)出現(xiàn)的一種測(cè)量誤差。N nR平方統(tǒng)計(jì)量（nRSquared Statistic）：參見(jiàn)拉格朗日乘數(shù)統(tǒng)計(jì)量。名義變量（Nominal Variable）：用名義或當(dāng)前美元數(shù)表示的變量。非實(shí)驗(yàn)數(shù)據(jù)（Nonexperimental Data）：不是通過(guò)人為控制下的實(shí)驗(yàn)得到的數(shù)據(jù)。非嵌套模型（Nonnested Models）：沒(méi)有一個(gè)模型可以通過(guò)對(duì)參數(shù)施加限制條件而被表示成另一個(gè)模型的 特例的兩個(gè)（或更多）模型。非平穩(wěn)過(guò)程（Nonstationary Process）：聯(lián)合分布在不同的時(shí)期不是恒定不變的一種時(shí)間序列過(guò)程。正態(tài)性假定（Normality Assumption）：經(jīng)典線性模型假定之一。它是指以解釋變量為條件的誤差（或因 變量）有正態(tài)分布。虛擬假設(shè)（Null Hypothesis）：在經(jīng)典假設(shè)檢驗(yàn)中，我們把這個(gè)假設(shè)當(dāng)作真的，要求數(shù)據(jù)能夠提供足夠的 證據(jù)才能否定它。分子自由度（Numerator Degrees of Freedom）：在F 檢驗(yàn)中，所檢驗(yàn)的約束條件的個(gè)數(shù)。O 可觀測(cè)數(shù)據(jù)（Observational Data）：參見(jiàn)非實(shí)驗(yàn)數(shù)據(jù)。OLS（OLS）：參見(jiàn)普通最小二乘法。OLS 截距估計(jì)值（OLS Intercept Estimate）：OLS 回歸線的截距。OLS 回歸線（OLS Regression Line）：表示了因變量的預(yù)報(bào)值與自變量的值之間關(guān)系的方程，它的參數(shù)是用OLS 估計(jì)出來(lái)的。OLS 斜率估計(jì)值（OLS Slope Estimate）：OLS 回歸線的斜率。遺漏變量偏誤（Omitted Variable Bias）：回歸中遺漏了有關(guān)變量而產(chǎn)生的OLS 估計(jì)量的偏誤。單側(cè)對(duì)立假設(shè)（OneSided Alternative）：被表述為參數(shù)大于（或小于）虛擬條件下的假設(shè)值的一種對(duì)立 假設(shè)。單尾檢驗(yàn)（OneTailed Test）：與單側(cè)對(duì)立假設(shè)相對(duì)的假設(shè)檢驗(yàn)。序數(shù)變量（Ordinal Variable）：通過(guò)排列順序傳達(dá)信息的一種數(shù)據(jù)，它們的大小本身并不說(shuō)明任何問(wèn)題。普通最小二乘法（OLS）（Ordinary Least Squares, OLS）：用來(lái)估計(jì)多元線性回歸模型中的參數(shù)的一種 方法。最小二乘估計(jì)值通過(guò)最小化殘差的平方和得到。INTRODUCTORY ECONOMETRICS 異常數(shù)據(jù)（Outliers）：在數(shù)據(jù)集中，與大量其他數(shù)據(jù)有明顯區(qū)別的觀測(cè)值。這種現(xiàn)象可能是由于誤差造 成的，也可能是因?yàn)樗鼈兪怯膳c多數(shù)其他數(shù)據(jù)不同的模型產(chǎn)生而造成的。整體顯著性（Overall Signi?cance of a Regression）：對(duì)多元回歸方程中所有的解釋變量所做的一種聯(lián) 合顯著性檢驗(yàn)。模型的過(guò)度識(shí)別（Overspecifying a Model）：參見(jiàn)含有一個(gè)無(wú)關(guān)變量。P p 值（pvalue）：指能夠拒絕虛擬假設(shè)的最低顯著性水平。等價(jià)的，它也指虛擬假設(shè)不被拒絕的最大顯著 性水平。綜列數(shù)據(jù)（Panel Data）：在不同時(shí)期，橫截面的不斷反復(fù)得到的數(shù)據(jù)集。在平衡的綜列中，同樣的單位 在每個(gè)時(shí)期都出現(xiàn)。在不平衡的綜列中，有些單位往往由于衰減現(xiàn)象而不會(huì)在每個(gè)時(shí)期都出現(xiàn)。偏效應(yīng)（Partial Effect）：回歸模型中的其他因素保持不變時(shí)，某個(gè)解釋變量對(duì)因變量的影響。完全共線性（Perfect Collinearity）：在多元回歸中，一個(gè)自變量是一個(gè)或多個(gè)其他自變量的線性函數(shù)。變量缺失問(wèn)題的插入解（PlugIn Solution to the Omitted Variables Problem）：在OLS 回歸中，用一 個(gè)代理變量代替觀測(cè)不到的缺失變量。政策分析（Policy Analysis）：用計(jì)量經(jīng)濟(jì)學(xué)模型來(lái)評(píng)估某項(xiàng)政策的效果的一種實(shí)證分析?；旌蠙M截面（Pooled Cross Section）：通常在不同時(shí)點(diǎn)收集到的相互獨(dú)立的橫截面組合而成的一個(gè)單獨(dú) 的數(shù)據(jù)集?？傮w（Population）：作為統(tǒng)計(jì)或計(jì)量經(jīng)濟(jì)分析對(duì)象的一個(gè)明確定義的組群（人、公司、城市等）。總體模型（Population Model）：一種描述了總體特征的模型，特別是多元線性回歸模型?？傮wR平方（Population RSquared）：總體中，由解釋變量解釋了的那部分因變量的變異。總體回歸函數(shù)（Population Regression Function）：參見(jiàn)條件期望。實(shí)際顯著性（Practical Signi?cance）： 相對(duì)于統(tǒng)計(jì)顯著性而言的、某個(gè)估計(jì)值的實(shí)際的或經(jīng)濟(jì)的重要 性，用它的符號(hào)和大小來(lái)衡量。普萊斯—溫斯登（PW）估計(jì)（PraisWinsten(PW)Estimation）：一種用來(lái)估計(jì)有AR（1）誤差和嚴(yán)格外 生解釋變量的多元線性回歸模型的方法；不同于科克倫奧克特方法，它在估計(jì)中要用到第一個(gè)時(shí)期的方程。前定變量（Predetermined Variable）：在聯(lián)立方程模型中的滯后的內(nèi)生變量或滯后的外生變量。被預(yù)測(cè)變量（Predicted Variable）：參見(jiàn)因變量。預(yù)報(bào)（Prediction）：把特定的解釋變量的值代入所估計(jì)的模型，通常是多元回歸模型中，以得到結(jié)果的 一個(gè)估計(jì)值。預(yù)測(cè)誤差（Prediction Error）：實(shí)際結(jié)果與所預(yù)報(bào)的結(jié)果之間的差。預(yù)測(cè)區(qū)間（Prediction Interval）：多元回歸模型中，某個(gè)因變量的未知結(jié)果的一個(gè)置信區(qū)間。預(yù)測(cè)變量（Predictor Variable）：參見(jiàn)解釋變量。項(xiàng)目評(píng)估（Program Evaluation）：用計(jì)量經(jīng)濟(jì)學(xué)方法求出某個(gè)私人或公共項(xiàng)目的不確定影響的一種評(píng)估 方法。代理變量（Proxy Variable）：多元回歸分析中，一個(gè)與觀測(cè)不到的解釋變量有關(guān)系但又不相同的可觀測(cè) 變量。Q 二次函數(shù)（Quadratic Functions）：包含一個(gè)或多個(gè)解釋變量的平方的函數(shù)，它反映了解釋變量 對(duì)因變量的逐漸變?nèi)趸蛟鰪?qiáng)的影響。定性變量（Qualitative Variable）：描述一個(gè)人、企業(yè)及城市等的非定量特征的變量。擬—差分?jǐn)?shù)據(jù)（QuasiDifferenced Data）：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（RBar Squared）：參見(jiàn)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（RSquared Form of the F Statistic）：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（Random Sampling）：在總體中隨機(jī)抽取觀測(cè)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（Random Walk）：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（Random Walk with Drift）：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（Real Variable）：用基期貨幣價(jià)值表示的變量。回歸子（Regressand）：參見(jiàn)因變量?；貧w誤差設(shè)定檢驗(yàn)（RESET）（Regression Speci?cation Error Test, 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(guò)原點(diǎn)回歸（Regression Through the Origin）：截距被設(shè)為0 的回歸分析，它的斜率通過(guò)最小化殘差的平方和求出。回歸元（Regressor）：參見(jiàn)解釋變量。拒絕區(qū)域（Rejection Region）：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（Rejection Rule）：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(duì)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(cè)都有一個(gè)相應(yīng)的殘差，它們 被用來(lái)計(jì)算OLS 回歸線。殘差分析（Residual Analysis）：在估計(jì)多元回歸模型后，對(duì)某次特定觀測(cè)的殘差的符號(hào)和大小所作的研 究。殘差平方和（Residual Sum of Squares）：參見(jiàn)殘差的平方和。響應(yīng)概率（Response Probability）：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（Response Variable）：參見(jiàn)因變量。受約束的模型（Restricted Model）：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。均方根誤（RMSE）（Root Mean Squared Error, RMSE）：多元回歸分析中回歸標(biāo)準(zhǔn)誤的另一個(gè)名稱(chēng)（僅當(dāng)期望值等于實(shí)測(cè)值—譯者）。S 樣本回歸函數(shù)（Sample Regression Function）：參見(jiàn)OLS 回歸線。得分統(tǒng)計(jì)量（Score Statistic）：參見(jiàn)拉格朗日乘數(shù)統(tǒng)計(jì)量。季節(jié)性虛擬變量（Seasonal Dummy Variables）：一組用來(lái)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（Seasonally Adjusted）：用某種統(tǒng)計(jì)程序，可能是對(duì)季節(jié)性虛