英汉对照计量经济学术语

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

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。