【正文】 相鄰時(shí)期做差分所構(gòu)成的對(duì)時(shí)間序列的轉(zhuǎn)換，即用后一時(shí)期減去前一時(shí)期。Model）：允許一個(gè)或多個(gè)解釋變量對(duì)因變量有滯后效應(yīng)的動(dòng)態(tài)模型。Lag）有限分布滯后（FDL）模型（FiniteGLS(FGLS)GLS（FGLS）估計(jì)量（FeasibleStatistic）：在多元回歸模型中，用于檢驗(yàn)關(guān)于參數(shù)的多重假設(shè)的統(tǒng)計(jì)量。FF3指數(shù)趨勢(shì)（Exponential解釋變量（Explanatory被解釋變量（ExplainedSquares,SumGroup）：見處理組。Data）：通過進(jìn)行受控制的實(shí)驗(yàn)獲得的數(shù)據(jù)。Selection）：或者依賴外生解釋變量，或者與所感興趣的模型中的誤差項(xiàng)不相關(guān)的樣本選擇。外生樣本選擇（ExogenousExplanatoryRestrictions）：說明某些變量被排斥在模型之外（或具有零總體參數(shù)）的約束。Variable）：在多元回歸分析中，遺漏了一個(gè)對(duì)因變量有非零偏效應(yīng)的變量。aStudy）：事件（例如政府規(guī)制或經(jīng)濟(jì)政策的變化）對(duì)結(jié)果變量的效應(yīng)的計(jì)量分析。Variance）：多元回歸模型中誤差項(xiàng)的方差。誤差項(xiàng)也可能包含被觀測(cè)的因變量或自變量中的測(cè)量誤差。誤差項(xiàng)（ErrorSampleVariable）：在多元回歸模型中，由于遺漏變量、測(cè)量誤差或聯(lián)立性的原因而與誤差項(xiàng)相關(guān)的解釋變量。內(nèi)生解釋變量（Endogenous經(jīng)驗(yàn)分析（Empirical彈性（Elasticity）：給定一個(gè)變量在其余條件不變下增加經(jīng)濟(jì)顯著性（Economic經(jīng)濟(jì)模型（EconomicE計(jì)量經(jīng)濟(jì)模型（EconometricCompleteStatistic）：在經(jīng)典線性回歸假設(shè)下，用于檢驗(yàn)時(shí)間序列回歸模型的誤差項(xiàng)中的一階序列相關(guān)的統(tǒng)計(jì)量。德賓—沃森（DW）統(tǒng)計(jì)量（DurbinWatsonVariable的變量?；騐ariable）：取值為Bias）：估計(jì)量的期望值低于參數(shù)的總體值。Slopes）：所描述的是模型中某些斜率參數(shù)，因組或時(shí)期的不同而不同。斜率級(jí)差（DifferenceVariable）：在多元回歸模型（和其他各種模型）中被解釋的變量。檢驗(yàn)中無約束模型的自由度。of分母自由度（DenominatorFreedom,2自由度（df）（Degreest戴維森—麥金農(nóng)檢驗(yàn)（DavidsonMacKinnonFrequency）：收集時(shí)間序列數(shù)據(jù)的區(qū)間。Datavalue）：在假設(shè)檢驗(yàn)中，用于與檢驗(yàn)統(tǒng)計(jì)量比較來決定是否拒絕虛擬假設(shè)的值。協(xié)變量（Covariate）：見解釋變量。協(xié)方差平穩(wěn)（Covariance控制變量（Control控制組（ControlModel）：因變量關(guān)于解釋變量的彈性為常數(shù)的模型；在多元回歸中，兩者均以對(duì)數(shù)形式出現(xiàn)。不變彈性模型（ConstantLevel）：我們想要可能的樣本置信區(qū)間包含總體值的百分比，95%是最常見的置信水平，90%和CI）：用于構(gòu)造隨機(jī)區(qū)間的規(guī)則，以使所有數(shù)據(jù)集中的某一百分比（由置信水平?jīng)Q定）給出包含總體值的區(qū)間。置信區(qū)間（CI）（Con?denceEstimation）：估計(jì)含科克倫—奧克特（CO）估計(jì)（CochraneOrcutt至對(duì)時(shí)間序列分析為假定(CLM)LinearModel）：全套經(jīng)典線性模型假定下的復(fù)線性回歸模型。經(jīng)典線性模型（ClassicalErrorsinVariables,Paribus）：其他所有相關(guān)因素均保持固定不變。Effect）：一個(gè)變量在其余條件不變情況下的變化對(duì)另一個(gè)變量產(chǎn)生的影響。殘差的平方對(duì)模型中的解釋變量做回歸的異方差性檢驗(yàn)。Test）：將BreuschPaganAR（p）序列相關(guān)檢驗(yàn)，以1BreuschGodfrey 檢驗(yàn)（BreuschGodfreyModel）：見簡(jiǎn)單線性回歸模型。兩變量回歸模型（Bivariate二值變量（BinaryResponseZero）：描述的是估計(jì)量的期望絕對(duì)值小于總體參數(shù)的絕對(duì)值。向零的偏誤（Biased偏誤估計(jì)量（BiasedCoef?cients）：見標(biāo)準(zhǔn)化系數(shù)。BLUE在高斯—馬爾科夫假定下，OLSBLUE）：在所有線性、無偏估計(jì)量中，有最小方差的估計(jì)量。Unbiased最優(yōu)線性無偏估計(jì)量（Best或value）：指定的基期的值，用以構(gòu)造指數(shù)數(shù)字；通?；局禐镻eriod）：對(duì)于指數(shù)數(shù)字，例如價(jià)格或生產(chǎn)指數(shù)，其他所有時(shí)期均用來作為衡量標(biāo)準(zhǔn)的時(shí)期。Group）：在包含虛擬解釋變量的多元回歸模型中，由截距代表的組。n。平均值（Average）：n輔助回歸（AuxiliaryOneof一階自回歸過程[AR（1）]（AutoregressiveHeteroskedasticity,自回歸條件異方差性（Autoregressive衰減偏誤（Attenuation漸近不相關(guān)（Asymptotically漸近有效（Asymptotically漸近方差（AsymptotictttError）：大樣本下生效的標(biāo)準(zhǔn)誤。漸近標(biāo)準(zhǔn)誤（Asymptotic漸近性質(zhì)（Asymptotic漸近正態(tài)性（AsymptoticConfidenceAR（1）模型。SerialHypothesis）：檢驗(yàn)虛擬假設(shè)時(shí)的相對(duì)假設(shè)。RSquared）：多元回歸分析中擬合優(yōu)度的量度，在估計(jì)誤差的方差時(shí)對(duì)添加的解釋變量用一個(gè)自由度來調(diào)整。計(jì)量經(jīng)濟(jì)學(xué)術(shù)語A校正R2（Adjusted對(duì)立假設(shè)（AlternativeAR（1）序列相關(guān)（AR(1)Correlation）：時(shí)間序列回歸模型中的誤差遵循漸近置信區(qū)間（AsymptoticInterval）：大樣本容量下近似成立的置信區(qū)間。Normality）：適當(dāng)正態(tài)化后樣本分布收斂到標(biāo)準(zhǔn)正態(tài)分布的估計(jì)量。Properties）：當(dāng)樣本容量無限增長(zhǎng)時(shí)適用的估計(jì)量和檢驗(yàn)統(tǒng)計(jì)量性質(zhì)。Standard漸近統(tǒng)計(jì)量（AsymptoticStatistic）：大樣本下近似服從標(biāo)準(zhǔn)正態(tài)分布的統(tǒng)計(jì)量。Variance）：為了獲得漸近標(biāo)準(zhǔn)正態(tài)分布，我們必須用以除估計(jì)量的平方值。Efficient）：對(duì)于服從漸近正態(tài)分布的一致性估計(jì)量，有最小漸近方差的估計(jì)量。Uncorrelated）：時(shí)間序列過程中，隨著兩個(gè)時(shí)點(diǎn)上的隨機(jī)變量的時(shí)間間隔增加，它們之間的相關(guān)趨于零。Bias）：總是朝向零的估計(jì)量偏誤，因而有衰減偏誤的估計(jì)量的期望值小于參數(shù)的絕對(duì)值。ConditionalARCH）：動(dòng)態(tài)異方差性模型，即給定過去信息，誤差項(xiàng)的方差線性依賴于過去的誤差的平方。ProcessOrder[AR(1)]）：一個(gè)時(shí)間序列模型，其當(dāng)前值線性依賴于最近的值加上一個(gè)無法預(yù)測(cè)的擾動(dòng)。Regression）：用于計(jì)算檢驗(yàn)統(tǒng)計(jì)量——例如異方差性和序列相關(guān)的檢驗(yàn)統(tǒng)計(jì)量——或其他任何不估計(jì)主要感興趣的模型的回歸。個(gè)數(shù)之和除以B基組、基準(zhǔn)組（Base基期（Base基期值（Base1100。LinearEstimator,是以解釋變量樣本值為條件的貝塔系數(shù)（Beta偏誤（Bias）：估計(jì)量的期望參數(shù)值與總體參數(shù)值之差。Estimator）：期望或抽樣平均與假設(shè)要估計(jì)的總體值有差異的估計(jì)量。Towards二值響應(yīng)模型（BinaryModel）：二值因變量的模型。Variable）：見虛擬變量。RegressionBLUE（BLUE）：見最優(yōu)線性無偏估計(jì)量。Test）：漸近正確的AR（1）最為流行；該檢驗(yàn)考慮到滯后因變量和其他不是嚴(yán)格外生的回歸元。檢驗(yàn)（BreuschPaganOLSC因果效應(yīng)（Causal其余條件不變（Ceteris經(jīng)典含誤差變量（ClassicalCEV）：觀測(cè)的量度等于實(shí)際變量加上一個(gè)獨(dú)立的或至少不相關(guān)的測(cè)量誤差的測(cè)量誤差模型。Linear經(jīng)典線性模型（CLM）假定（ClassicalModelAssumptions）：對(duì)多元回歸分析的理想假定集，對(duì)橫截面分析為假定至假定包括對(duì)參數(shù)為線性、無完全共線性、零條件均值、同方差、無序列相關(guān)和誤差正態(tài)性。(CO)AR（1）誤差和嚴(yán)格外生解釋變量的多元線性回歸模型的一種方法；與普萊斯—溫斯登估計(jì)不同，科克倫—奧克特估計(jì)不使用第一期的方程。Interval,置信水平（Con?dence99%也用。Elasticity同期外生回歸元（ContemporaneouslyExogenous）：在時(shí)間序列或綜列數(shù)據(jù)應(yīng)用中，與同期誤差項(xiàng)不相關(guān)但對(duì)其他時(shí)期則不一定的回歸元。Group）：在項(xiàng)目評(píng)估中，不參與該項(xiàng)目的組。Variable）：見解釋變量。Stationary）：時(shí)間序列過程，其均值、方差為常數(shù)，且序列中任意兩個(gè)隨機(jī)變量之間的協(xié)方差僅與它們的間隔有關(guān)。臨界值（Critical橫截面數(shù)據(jù)集（CrossSectionalSet）：在給定時(shí)點(diǎn)上從總體中收集的數(shù)據(jù)集D數(shù)據(jù)頻率（Data年度、季度和月度是最常見的數(shù)據(jù)頻率。Test）：用于檢驗(yàn)相對(duì)于非嵌套對(duì)立假設(shè)的模型的檢驗(yàn)：它可用相爭(zhēng)持模型中得出的擬合值的檢驗(yàn)來實(shí)現(xiàn)。ofdf）：在多元回歸模型分析中，觀測(cè)值的個(gè)數(shù)減去待估參數(shù)的個(gè)數(shù)。DegreesFreedom）：F因變量（Dependent除趨勢(shì)（Detrending）：從時(shí)間序列中除去趨勢(shì)的做法。in向下偏誤（Downward虛擬變量（Dummy01虛擬變量陷阱（DummyRegression）：自變量中包含了過多的虛擬變量造成的錯(cuò)誤；當(dāng)模型中既有整體截距又對(duì)每一組都設(shè)有一個(gè)虛擬變量時(shí)，該陷阱就產(chǎn)生了。(DW)動(dòng)態(tài)完整模型（DynamicallyModel）：設(shè)更多的滯后因變量，或設(shè)更多的滯后解釋變量都無助于解釋因變量的均值的時(shí)間序列模型。Model）：將因變量與一組解釋變量和未觀測(cè)到的擾動(dòng)聯(lián)系起來的方程，方程中未知的總體參數(shù)決定了各解釋變量在其余條件不變下的效應(yīng)。Model）：從經(jīng)濟(jì)理論或不那么正規(guī)的經(jīng)濟(jì)原因中得出的關(guān)系。Signi?cance）：見實(shí)際顯著性。1%，另一個(gè)變量的百分比變化。Analysis）：用正規(guī)計(jì)量分析中的數(shù)據(jù)檢驗(yàn)理論、估計(jì)關(guān)系式或確定政策效應(yīng)的研究。Explanatory內(nèi)生樣本選擇（EndogenousSelection）：非隨機(jī)樣本選擇，其選擇直接地或通過方程中的誤差項(xiàng)與因變量相聯(lián)系。Term）：在簡(jiǎn)單或多元回歸方程中，包含了未觀測(cè)到的影響因變量的因素的變量。誤差方差（Error事件研究（Event排除一個(gè)有關(guān)變量（ExcludingRelevant排斥性約束（Exclusion外生解釋變量（ExogenousVariable）：與誤差項(xiàng)不相關(guān)的解釋變量。Sample實(shí)驗(yàn)數(shù)據(jù)（Experimental試驗(yàn)組（Experimental解釋平方和（SSE）（ExplainedofSSE）：多元回歸模型中擬合值的總樣本變異。Variable）：見因變量。Variable）：在回歸分析中，用于解釋因變量中的變異的變量。Trend）：有固定增長(zhǎng)率的趨勢(shì)。統(tǒng)計(jì)量（F可行的GLSEstimator）：方差或相關(guān)參數(shù)未知，因而必須先進(jìn)行估計(jì)的程序。（又見廣義最小二乘估計(jì)量。Distributed(FDL)一階差分（First一階條件（FirstConditions）：用于求解估計(jì)值的一組線性方程。values）：在各觀測(cè)中將自變量的值插入回歸線時(shí)，所得到的因變量的估計(jì)值。FormG高斯—馬爾科夫假定（GaussMarkov至OLSBLUETheorem）：該定理表明，在五個(gè)高斯—馬爾科夫假定下（對(duì)于橫截面或時(shí)間序列模型），OLSBLUE廣義最小二乘（GLS）Least(GLS)通過對(duì)原始模型的變換，說明了已知結(jié)構(gòu)的誤差的方差（異方差性）和誤差中的序列相關(guān)形式或兩者兼有的估計(jì)量。Measure）：概括一組解釋變量有多好地解釋了因變量或響應(yīng)變量的統(tǒng)計(jì)量。Rate）：時(shí)間序列中相對(duì)于前一時(shí)期的比例變化。H異方差性（Heteroskedasticity）：給定解釋變量，誤差項(xiàng)的方差不為常數(shù)。ofForm）：以一未知的任意形式依賴于解釋變量的異方差性。FFF異方差—穩(wěn)健統(tǒng)計(jì)量（HeteroskedasticityRobustStatistic）：LM異方差—穩(wěn)健標(biāo)準(zhǔn)誤（HeteroskedasticityRobustError）：異方差—穩(wěn)健統(tǒng)計(jì)量（HeteroskedasticityRobustStatistic）：對(duì)未知形式的