2023年英汉对照计量经济学术语.docx

《2023年英汉对照计量经济学术语.docx》由会员分享，可在线阅读，更多相关《2023年英汉对照计量经济学术语.docx（79页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、2023年英汉对照计量经济学术语 第一篇：英汉比照计量经济学术语 计量经济学术语 A 校正R2Adjusted R-Squared：多元回来分析中拟合优度的量度，在估计误差的方差时对添加的说明变 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。 AR1序列相关AR(1)Serial Correlation：时间序列回来模型中的误差遵循AR1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

2、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：大样本下近似听从标准正态分布的t 统计量。 渐近方差Asymptotic Variance：为了获得渐近标准正态分布，我们必需用以除估计量的平方值。渐近有效Asymptotically Efficient：对于听从渐近正态分布的一样性估计量，有最小渐近方差的估 计量。 渐近不相关Asymptotically Uncorrelated：时间序

3、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，因此有衰减偏误的估计量的期望值小于参数 的确定值。 自回来条件异方差性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靠于过去的误差的平方。 一阶自回来过程Autoregressive Process of Order One ：一个时间序列模型，其 当前值线性依靠于最近的值加上一个无法意料的扰动。 帮助回来Auxiliary Regression

4、：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爱好的模型的回来。平均值Average：n 个数之和除以n。 B 基组、基准组Base Group：在包含虚拟说明变量的多元回来模型中，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，其他全部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：在全部线性、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 是以说明

5、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确定值小于总体参数的确定值。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。 两变量回来模型Bivariate Regression Model：见简洁线性回来模型。BLUEBLUE：见最优线性无偏估计量。 Breusch

6、-Godfrey 检验Breusch-Godfrey Test：渐近正确的ARp序列相关检验，以AR1最为流 行；该检验考虑到滞后因变量和其他不是严特殊生的回来元。 Breusch-Pagan 检验Breusch-Pagan Test：将OLS 残差的平方对模型中的说明变量做回来的异方差性 检验。 C 因果效应Causal Effect：一个变量在其余条件不变状况下的转变对另一个变量产生的影响。其余条件不变Ceteris Paribus：其他全部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

7、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来模型。 经典线性模型CLM假定Classical Linear Model(CLM)Assumptions：对多元回来分析的志向假定 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AR1误差和严特殊生说明 变量的多元线性回来模型的一种方法；与普莱斯温斯登估计

8、不同，科克伦奥克特估计不运用第一期的 方程。 置信区间CICon?dence Interval, CI：用于构造随机区间的规则，以使全部数据集中的某一百分 比由置信水平确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：因变量关于说明变量的弹性为常数的模型；在多元回来中，两者均以对数形式出现。 同期外生回来元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

9、期则不愿定的回来元。 限制组Control Group：在项目评估中，不参与该项目的组。限制变量Control Variable：见说明变量。 协方差平稳Covariance Stationary：时间序列过程，其均值、方差为常数，且序列中随便两个随机变 量之间的协方差仅与它们的间隔有关。协变量Covariate：见说明变量。 临界值Critical value：在假设检验中，用于与检验统计量比较来确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

10、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dfDegrees of Freedom, df：在多元回来模型分析中，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：在多元回来模型和其他各种模型中被说明的变量。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

11、是模型中某些斜率参数，因组或时期的不同而不同。向下偏误Downward Bias：估计量的期望值低于参数的总体值。虚拟变量Dummy Variable：取值为0 或1 的变量。 虚拟变量陷阱Dummy Variable Regression：自变量中包含了过多的虚拟变量造成的错误；当模型中既 有整体截距又对每一组都设有一个虚拟变量时，该陷阱就产生了。 德宾沃森DW统计量Durbin-Watson(DW)Statistic：在经典线性回来假设下，用于检验时间序 列回来模型的误差项中的一阶序列相关的统计量。 动态完好模型Dynamically Complete Model：设更多的滞后因变量，或设

12、更多的滞后说明变量都无助 于说明因变量的均值的时间序列模型。 E 计量经济模型Econometric Model：将因变量与一组说明变量和未观测到的扰动联系起来的方程，方程 中未知的总体参数确定了各说明变量在其余条件不变下的效应。 经济模型Economic Model：从经济理论或不那么正规的经济缘由中得出的关系。经济显著性Economic Signi?cance：见实际显著性。 弹性Elasticity：给定一个变量在其余条件不变下增加1%，另一个变量的百分比转变。 阅历分析Empirical Analysis：用正规计量分析中的数据检验理论、估计关系式或确定政策效应的研 究。 内生说明变量

13、Endogenous Explanatory Variable：在多元回来模型中，由于遗漏变量、测量误差或联 立性的缘由而与误差项相关的说明变量。 内生样本选择Endogenous Sample Selection：非随机样本选择，其选择干脆地或通过方程中的误差项 与因变量相联系。 误差项Error Term：在简洁或多元回来方程中，包含了未观测到的影响因变量的因素的变量。误差项 也可能包含被观测的因变量或自变量中的测量误差。 误差方差Error Variance：多元回来模型中误差项的方差。 事务探讨Event Study：事务例如政府规制或经济政策的转变对结果变量的效应的计量分析。解除一个

14、有关变量Excluding a Relevant Variable：在多元回来分析中，遗漏了一个对因变量有非零 偏效应的变量。 排斥性约束Exclusion Restrictions：说明某些变量被排斥在模型之外或具有零总体参数的约束。外生说明变量Exogenous Explanatory Variable：与误差项不相关的说明变量。 外生样本选择Exogenous Sample Selection：或者依靠外生说明变量，或者与所感爱好的模型中的误 差项不相关的样本选择。 试验数据Experimental Data：通过进行受限制的试验获得的数据。试验组Experimental Group：见

15、处理组。 说明平方和SSEExplained Sum of Squares, SSE：多元回来模型中拟合值的总样本变异。被说明变量Explained Variable：见因变量。 说明变量Explanatory Variable：在回来分析中，用于说明因变量中的变异的变量。指数趋势Exponential Trend：有固定增长率的趋势。 F F 统计量F Statistic：在多元回来模型中，用于检验关于参数的多重假设的统计量。 可行的GLSFGLS估计量Feasible GLS(FGLS)Estimator：方差或相关参数未知，因此必需先进行 估计的GLS 程序。又见广义最小二乘估计量。 有

16、限分布滞后FDL模型Finite Distributed Lag(FDL)Model：允许一个或多个说明变量对因变量 有滞后效应的动态模型。 一阶差分First Difference：对相邻时期做差分所构成的对时间序列的转换，即用后一时期减去前一 时期。 一阶条件First Order Conditions：用于求解OLS 估计值的一组线性方程。 拟合值Fitted values：在各观测中将自变量的值插入OLS 回来线时，所得到的因变量的估计值。函数形式的错误设定Functional Form Misspeci?cation：当模型中有被遗漏的说明变量的函数例如 二次项，或者对一个因变量或某

17、些自变量用了错误的函数时产生的问题。 G 高斯马尔科夫假定Gauss-Markov Assumptions：一组假定假定MLR.1 至MLR.5 或假定TS.1 至TS.5，在这之下OLS 是BLUE。 高斯马尔科夫定理Gauss-Markov Theorem：该定理说明，在五个高斯马尔科夫假定下对于横截 面或时间序列模型，OLS 估计量是BLUE在说明变量样本值的条件下。 广义最小二乘GLS估计量Generalized Least Squares(GLS)Estimator： 通过对原始模型的变 换，说明白已知结构的误差的方差异方差性和误差中的序列相关形式或两者兼有的估计量。 拟合优度度量G

18、oodness-of-Fit Measure：概括一组说明变量有多好地说明了因变量或响应变量的统计 量。 增长率Growth Rate：时间序列中相对于前一时期的比例转变。可将它近似为对数差分或以百分比形式 报导。 H 异方差性Heteroskedasticity：给定说明变量，误差项的方差不为常数。 未知形式的异方差性Heteroskedasticity of Unknown Form：以一未知的随便形式依靠于说明变量的 异方差性。 异方差稳健F 统计量Heteroskedasticity-Robust F Statistic：对未知形式的异方差性而言渐近稳健的F 统计量。 异方差稳健LM

19、统计量Heteroskedasticity-Robust LM Statistic： 对未知形式的异方差性而言渐近稳健的LM 统计量。 异方差稳健标准误Heteroskedasticity-Robust Standard Error： 对未知形式的异方差性而言渐近稳健的标准误。 异方差稳健t 统计量Heteroskedasticity-Robust t Statistic：对未知形式的异方差性而言渐近稳健的t 统计量。 高持续性过程Highly Persistent Process：时间序列过程，其中遥远的将来的结果与当前的结果高度 相关。 同方差性Homoskedasticity：回来模型中

20、的误差在说明变量条件下具有不变的方差。 I 即期弹性Impact Elasticity：在分布滞后模型中，给定自变量增加1%因变量的即时的百分比转变。即期乘数Impact Multiplier：见即期倾向。 即期倾向Impact Propensity：在分布滞后模型中，自变量增加一个单位因变量的即时的转变。包含一个无关变量Inclusion of an Irrelevant Variable：用OLS 估计方程时，回来模型中包含了总 体参数为零的说明变量。 指数Index Number：关于经济行为例如生产或价格总量信息的统计量。影响重大的观测值In?uential Observations：

21、见奇异值。INTRODUCTORY ECONOMETRICS 一阶自积I1Integrated of Order One ：需要做一阶差分来得到I0过程的时间序 列过程。 零阶自积I0Integrated of Order Zero ：平稳、弱独立时间序列过程，当用于回来 分析时，它满意大数定律和中心极限定理。 交互作用Interaction Effect：回来模型中为两个说明变量的乘积的自变量。 截距参数Intercept Parameter：复线性回来模型中，给出当全部自变量都为零时因变量的期望值的参 数。 截距的变动Intercept Shift：回来模型中的截距，因组或时期的不同而不同

22、。 J 联合假设检验Joint Hypothesis Test：一个模型中包含不止一个对参数的约束的检验。联合统计显著性Jointly Statistically Signi?cant：两个或多个说明变量具有零总体系数的虚拟假 设以一个选定的显著性水平被拒绝。 L 滞后分布Lag Distribution：在无限或有限分布滞后模型中，把滞后系数表示为滞后长度的函数。滞后因变量Lagged Dependent Variable：等于以前时期的因变量的说明变量。 拉格朗日乘数统计量Lagrange Multiplier Statistic：仅在大样本下为正确的检验统计量，它可用于 在不同的模型设定

23、问题中检验遗漏变量、异方差性和序列相关。大样本性质Large Sample Properties：见渐近性质。 水平值水平值模型Level-Level Model：因变量与自变量均为标准或原始形式的回来模型。水平值对数模型Level-Log Model：因变量为标准形式、自变量至少是其中一部分为对数形式的 回来模型。 线性概率模型LPMLinear Probability Model, LPM：响应概率对参数为线性的二值响应模型。线性时间趋势Linear Time Trend：为时间的线性函数的趋势。 线性无偏估计量Linear Unbiased Estimator：在多元回来分析中，是因变量

24、值的一个线性函数的那些 无偏估计量。 对数水平值模型Log-Level Model：因变量以对数形式出现，而自变量是水平或原始形式的一种 回来模型。 对数对数模型Log-Log Model：因变量和至少一部分说明变量都是以对数形式出现的回来模型。长期弹性Long-Run Elasticity： 因变量和自变量都是对数形式出现的分布滞后模型中的长期倾向。即，长期弹性是在给定说明变量增长了1%时，被说明变量最终转变的百分比。长期乘数Long-Run Multiplier：参见长期倾向。 长期倾向Long-Run Propensity：在一个分布滞后模型中，给定自变量的一个永久性的、一个单位的增 长

25、，因变量最终的转变量。 M 配对样本Matched Pairs Sample：每个观测值都与另一个观测值相匹配的一种样本，如由丈夫和妻子 或一对兄妹组成的样本。 测量误差Measurement Error：观测到的变量与多元回来方程中的变量之间的差。 微数缺测性Micronumerosity：由Arthur Goldberger 首先提出的一个概念，用以描述容量样本较小 时计量经济学估计量的性质。 最小方差无偏估计量Minimum Variance Unbiased Estimator：在全部的无偏估计量中方差最小的那个 估计量。 数据缺失Missing Data：当我们没有观测到样本中某些观

26、测个人、城市、时期等所对应的一些变 量值时，发生的一类数据问题。 一阶移动平均过程Moving Average Process of Order One ：是由某个随机过程的 当期值与一期滞后的线性函数所产生的一种时间序列过程。这个随机过程是0 均值、固定方差和不相关的。多重共线性Multicollinearity：指多元回来模型中自变量之间的相关性。当某些相关性“很大时，就会发生多重共线性，但对实际的大小尺度并没有明确的规定。 多重假设检验Multicollinearity：涉及到参数的多个约束条件的虚拟假设检验。 多元线性回来MLR模型Multiple Linear Regression(

27、MLR)Model：对参数是线性的一类模型，其 中的因变量是自变量的函数加上一个误差项。 多元回来分析Multiple Regression Analysis：在多元线性回来模型中进行估计和推断的一类分析。多重约束Multiple Restrictions：计量经济学模型中对参数的多于一个的约束条件。 乘数测量误差Multiplicative Measurement Error：观测到的变量等于实际的观测不到的变量与一个 正的测量误差的乘积时出现的一种测量误差。 N n-R-平方统计量n-R-Squared Statistic：参见拉格朗日乘数统计量。名义变量Nominal Variable：

28、用名义或当前美元数表示的变量。 非试验数据Nonexperimental Data：不是通过人为限制下的试验得到的数据。 非嵌套模型Nonnested Models：没有一个模型可以通过对参数施加限制条件而被表示成另一个模型的 特例的两个或更多模型。 非平稳过程Nonstationary Process：联合分布在不同的时期不是恒定不变的一种时间序列过程。正态性假定Normality Assumption：经典线性模型假定之一。它是指以说明变量为条件的误差或因 变量有正态分布。 虚拟假设Null Hypothesis：在经典假设检验中，我们把这个假设当作真的，要求数据能够供应足够的 证据才能否

29、认它。 分子自由度Numerator Degrees of Freedom：在F 检验中，所检验的约束条件的个数。 O 可观测数据Observational Data：参见非试验数据。OLSOLS：参见一般最小二乘法。 OLS 截距估计值OLS Intercept Estimate：OLS 回来线的截距。 OLS 回来线OLS Regression Line：表示了因变量的预报值与自变量的值之间关系的方程，它的参数是 用OLS 估计出来的。 OLS 斜率估计值OLS Slope Estimate：OLS 回来线的斜率。 遗漏变量偏误Omitted Variable Bias：回来中遗漏了有关变

30、量而产生的OLS 估计量的偏误。单侧对立假设One-Sided Alternative：被表述为参数大于或小于虚拟条件下的假设值的一种对立 假设。 单尾检验One-Tailed Test：与单侧对立假设相对的假设检验。 序数变量Ordinal Variable：通过排列依次传达信息的一种数据，它们的大小本身并不说明任何问题。一般最小二乘法OLSOrdinary Least Squares, OLS：用来估计多元线性回来模型中的参数的一种 方法。最小二乘估计值通过最小化残差的平方和得到。INTRODUCTORY ECONOMETRICS 异样数据Outliers：在数据集中，与大量其他数据有明显

31、区分的观测值。这种现象可能是由于误差造 成的，也可能是因为它们是由与多数其他数据不同的模型产生而造成的。 整体显著性Overall Signi?cance of a Regression：对多元回来方程中全部的说明变量所做的一种联 合显著性检验。 模型的过度识别Overspecifying a Model：参见含有一个无关变量。 P p 值p-value：指能够拒绝虚拟假设的最低显著性水平。等价的，它也指虚拟假设不被拒绝的最大显著 性水平。 综列数据Panel Data：在不同时期，横截面的不断反复得到的数据集。在平衡的综列中，同样的单位 在每个时期都出现。在不平衡的综列中，有些单位往往由于衰

32、减现象而不会在每个时期都出现。偏效应Partial Effect：回来模型中的其他因素保持不变时，某个说明变量对因变量的影响。完全共线性Perfect Collinearity：在多元回来中，一个自变量是一个或多个其他自变量的线性函数。变量缺失问题的插入解Plug-In Solution to the Omitted Variables Problem：在OLS 回来中，用一 个代理变量代替观测不到的缺失变量。 政策分析Policy Analysis：用计量经济学模型来评估某项政策的效果的一种实证分析。 混合横截面Pooled Cross Section：通常在不同时点收集到的互相独立的横截面

33、组合而成的一个单独 的数据集。 总体Population：作为统计或计量经济分析对象的一个明确定义的组群人、公司、城市等。总体模型Population Model：一种描述了总体特征的模型，特别是多元线性回来模型。总体R平方Population R-Squared：总体中，由说明变量说明了的那部分因变量的变异。总体回来函数Population Regression Function：参见条件期望。 实际显著性Practical Signi?cance： 相对于统计显著性而言的、某个估计值的实际的或经济的重要 性，用它的符号和大小来衡量。 普莱斯温斯登PW估计Prais-Winsten(PW)E

34、stimation：一种用来估计有AR1误差和严特殊 生说明变量的多元线性回来模型的方法；不同于科克伦-奥克特方法，它在估计中要用到第一个时期的方程。前定变量Predetermined Variable：在联立方程模型中的滞后的内生变量或滞后的外生变量。被意料变量Predicted Variable：参见因变量。 预报Prediction：把特定的说明变量的值代入所估计的模型，通常是多元回来模型中，以得到结果的 一个估计值。 意料误差Prediction Error：实际结果与所预报的结果之间的差。 意料区间Prediction Interval：多元回来模型中，某个因变量的未知结果的一个置信

35、区间。意料变量Predictor Variable：参见说明变量。 项目评估Program Evaluation：用计量经济学方法求出某个私人或公共项目的不确定影响的一种评估 方法。 代理变量Proxy Variable：多元回来分析中，一个与观测不到的说明变量有关系但又不相同的可观测 变量。 Q 二次函数Quadratic Functions：包含一个或多个说明变量的平方的函数，它反映了说明变量 对因变量的慢慢变弱或增加的影响。 定性变量Qualitative Variable：描述一个人、企业及城市等的非定量特征的变量。 拟差分数据Quasi-Differenced Data：在估计有AR

36、1的序列相关的回来模型时，当期数据与前 一期数据乘以AR1模型的参数后得到的数据之间的差。 R平方R-Bar Squared：参见校正的R2。 R2R-Squared：在多元回来模型中，由自变量说明了的那部分因变量的样本方差之和。 R2 形式的F 统计量R-Squared Form of the F Statistic：用受约束和不受约束的模型中得到的由R2-表示的、用于检验解除约束条件的F 统计量。 随机抽样Random Sampling：在总体中随机抽取观测值的一种抽样方法。各个单位被抽取的可能性是相 同的，而且每次抽样都与其他次互相独立。随机游走Random Walk：在这样一种时间序列

37、中，下个时期的值等于本期值加上一个独立的或至少是 不相关的误差项。 有漂移的随机游走Random Walk with Drift：每个时期都加进一个常数或漂移的随机游走。实际变量Real Variable：用基期货币价值表示的变量。回来子Regressand：参见因变量。 回来误差设定检验RESETRegression Speci?cation Error Test, RESET：在多元回来模型中，检 验函数形式的一般性方法。它是一种由最初的OLS 估计得出的拟合值的平方、三次方以及可能更高次幂的 联合显著性F 检验。 过原点回来Regression Through the Origin：截距

38、被设为0 的回来分析，它的斜率通过最小化残差的平方和求出。 回来元Regressor：参见说明变量。 拒绝区域Rejection Region：使得虚拟假设被拒绝的一组检验统计量的值。 拒绝法则Rejection Rule：在假设检验中，确定在什么状况下拒绝虚拟假设并支持对立假设的法则。残差Residual：实际值与拟合或预报值之间的差。样本中的每次观测都有一个相应的残差，它们 被用来计算OLS 回来线。 残差分析Residual Analysis：在估计多元回来模型后，对某次特定观测的残差的符号和大小所作的研 究。 残差平方和Residual Sum of Squares：参见残差的平方和。

39、 响应概率Response Probability：在二值响应模型中，以说明变量为条件的因变量取值为1 的概率。响应变量Response Variable：参见因变量。 受约束的模型Restricted Model：在假设检验中，施加全部虚拟假设所要求的约束条件后得到的模型。均方根误RMSERoot Mean Squared Error, RMSE：多元回来分析中回来标准误的另一个名称仅当 期望值等于实测值译者。 S 样本回来函数Sample Regression Function：参见OLS 回来线。得分统计量Score Statistic：参见拉格朗日乘数统计量。 季节性虚拟变量Seaso

40、nal Dummy Variables：一组用来表示季节或月份的虚拟变量。 季节性Seasonality：月度或季度时间序列具有的均值随着一年中季节的不同而系统性转变的特点。季节性调整Seasonally Adjusted：用某种统计程序，可能是对季节性虚拟变量做回来，来消退月度或 季度时间序列中的季节性成分。 半弹性Semi-Elasticity：自变量的一个单位的增长导致的因变量的转变的百分比。 序列相关Serial Correlation：在时间序列或综列数据模型中，不同时期的误差之间的相关性。INTRODUCTORY ECONOMETRICS 序列相关稳健标准误Serial Corre

41、lation-Robust Standard Error：不管模型中的误差是否与序列 相关，都渐近生效的估计量的标准误。 序列不相关Serially Uncorrelated：在时间序列或综列数据模型中，不同时间的误差两两之间不相关。短期弹性Short-Run Elasticity：因变量和自变量都以对数形式出现的分布滞后模型中的即期倾向。显著性水平Signi?cance Level：假设检验中发生第I 类错误的概率。 简洁线性回来模型Simple Linear Regression Model：因变量只是一个自变量和一个误差项的线性函 数的模型。 斜率参数Slope Parameter：多元

42、回来模型中的自变量的系数。谬误相关Spurious Correlation：不是因为二者有因果关系，可能是因为它们都受另一个观测不到的 因素影响，所导致的两个变量之间的相关性。 谬误回来问题Spurious Regression Problem：假如回来分析说明两个或多个无关时间序列具有确定关 系，而其缘由仅仅因为它们每个都有趋势或都是自积时间序列如随机游走，或上面两种状况同时出现，这种问题就是谬误回来问题。 稳定的AR1过程Stable AR(1)Process：滞后变量的系数确定值小于1 时的AR1过程。序列中 的两个随机变量的相关性，随着它们之间的时间间隔不断增大，以几何级数趋近于0。1

43、 的标准误Standard Error of 1：1 抽样分布的标准差的估计值。 1 的标准差Standard Deviation of 1：衡量1 抽样分布的分散程度的常用指标。估计值的标准误Standard Error of the Estimate：参见回来的标准误。 回来的标准误SERStandard Error of the Regression, SER：多元回来分析中的总体误差的标准 差的估计值。等于残差平方和的平方铲除以自由度。 标准化系数Standardized Coef?cients：一种回来系数，它度量了自变量增加一个标准差时，因变量 的变更是其标准差的倍数。 静态模型S

44、tatic Model：只有当期的说明变量影响因变量的一种时间序列模型。 平稳过程Stationary Process：边际和全部的联合分布都不随时间转变的一种时间序列过程。统计上不显著Statistically Insigni?cant：在选定的显著性水平上，无法拒绝总体参数等于0 的虚 拟假设。 统计上显著Statistically Significant：在选定的显著性水平上，相对于特定的对立假设，拒绝总体 参数等于0 的虚拟假设。 随机过程Stochastic Process：标注了时间的一系列随机变量。 严特殊生的Strict Exogeneity：时间序列或综列数据模型中的说明变量的一个特点，以全部时期的解 释变量为条件的、任何时期的误差项都是有0 均值。更宽松的一种说法是用相关性为0 来表述的。强相依Strongly Dependent：参见高度持续过程。 残差平方和Sum of Squared Residuals：多元回来模型中，所观测的OLS 残差的平方和。求和运算符Summat