E

計(jì)量經(jīng)濟(jì)模型（Econometric 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(lái)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)。
    經(jīng)濟(jì)模型（Economic 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。
    經(jīng)濟(jì)顯著性（Economic Signi?cance）：見(jiàn)實(shí)際顯著性。
    彈性（Elasticity）：給定一個(gè)變量在其余條件不變下增加1%，另一個(gè)變量的百分比變化。
    經(jīng)驗(yàn)分析（Empirical 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。
    內(nèi)生解釋變量（Endogenous Explanatory Variable）：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)生樣本選擇（Endogenous Sample Selection）：非隨機(jī)樣本選擇，其選擇直接地或通過(guò)方程中的誤差項(xiàng)與因變量相聯(lián)系。
    誤差項(xiàng)（Error 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。
    誤差方差（Error Variance）：多元回歸模型中誤差項(xiàng)的方差。
    事件研究（Event Study）：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。
    排除一個(gè)有關(guān)變量（Excluding a Relevant 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。
    排斥性約束（Exclusion Restrictions）：說(shuō)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。
    外生解釋變量（Exogenous Explanatory Variable）：與誤差項(xiàng)不相關(guān)的解釋變量。
    外生樣本選擇（Exogenous Sample Selection）：或者依賴(lài)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。
    實(shí)驗(yàn)數(shù)據(jù)（Experimental Data）：通過(guò)進(jìn)行受控制的實(shí)驗(yàn)獲得的數(shù)據(jù)。
    試驗(yàn)組（Experimental Group）：見(jiàn)處理組。
    解釋平方和（SSE）（Explained Sum of Squares, SSE）：多元回歸模型中擬合值的總樣本變異。
    被解釋變量（Explained Variable）：見(jiàn)因變量。
    解釋變量（Explanatory Variable）：在回歸分析中，用于解釋因變量中的變異的變量。
    指數(shù)趨勢(shì)（Exponential Trend）：有固定增長(zhǎng)率的趨勢(shì)。

F

 F統(tǒng)計(jì)量（F Statistic）：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。
    可行的GLS（FGLS）估計(jì)量（Feasible GLS (FGLS) Estimator）：方差或相關(guān)參數(shù)未知，因而必須先進(jìn)行估計(jì)的GLS程序。（又見(jiàn)廣義最小二乘估計(jì)量。）
    有限分布滯后（FDL）模型（Finite Distributed Lag (FDL) 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。
    一階差分（First Difference）：對(duì)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。
    一階條件（First Order Conditions）：用于求解OLS估計(jì)值的一組線性方程。
    擬合值（Fitted Values）：在各觀測(cè)中將自變量的值插入OLS回歸線時(shí)，所得到的因變量的估計(jì)值。
    函數(shù)形式的錯(cuò)誤設(shè)定（al Form Misspeci?cation）：當(dāng)模型中有被遺漏的解釋變量的函數(shù)（例如二次項(xiàng)），或者對(duì)一個(gè)因變量或某些自變量用了錯(cuò)誤的函數(shù)時(shí)產(chǎn)生的問(wèn)題。

G

高斯—馬爾科夫假定（Gauss-Markov Assumptions）：一組假定（假定MLR.1至MLR.5或假定TS.1至TS.5），在這之下OLS是BLUE 。
    高斯—馬爾科夫定理（Gauss-Markov Theorem）：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），OLS估計(jì)量是BLUE （在解釋變量樣本值的條件下）。
    廣義最小二乘（GLS） 估計(jì)量（Generalized Least Squares (GLS) Estimator）：通過(guò)對(duì)原始模型的變換，說(shuō)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。
    擬合優(yōu)度度量（Goodness-of-Fit 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。
    增長(zhǎng)率（Growth Rate）：時(shí)間序列中相對(duì)于前一時(shí)期的比例變化。可將它近似為對(duì)數(shù)差分或以百分比形式報(bào)導(dǎo)。

H

    異方差性（Heteroskedasticity）：給定解釋變量，誤差項(xiàng)的方差不為常數(shù)。
    未知形式的異方差性（Heteroskedasticity of Unknown Form）：以一未知的任意形式依賴(lài)于解釋變量的異方差性。
    異方差—穩(wěn)健F 統(tǒng)計(jì)量（Heteroskedasticity-Robust F Statistic）：對(duì)未知形式的異方差性而言（漸近）穩(wěn)健的F 統(tǒng)計(jì)量。
    異方差—穩(wěn)健LM 統(tǒng)計(jì)量（Heteroskedasticity-Robust LM Statistic）：對(duì)未知形式的異方差性而言（漸近）穩(wěn)健的LM 統(tǒng)計(jì)量。
    異方差—穩(wěn)健標(biāo)準(zhǔn)誤（Heteroskedasticity-Robust Standard Error）：對(duì)未知形式的異方差性而言（漸近）穩(wěn)健的標(biāo)準(zhǔn)誤。
    異方差—穩(wěn)健t 統(tǒng)計(jì)量（Heteroskedasticity-Robust t Statistic）：對(duì)未知形式的異方差性而言（漸近）穩(wěn)健的t 統(tǒng)計(jì)量。
    高持續(xù)性過(guò)程（Highly Persistent Process）：時(shí)間序列過(guò)程，其中遙遠(yuǎn)的將來(lái)的結(jié)果與當(dāng)前的結(jié)果高度相關(guān)。
    同方差性（Homoskedasticity）：回歸模型中的誤差在解釋變量條件下具有不變的方差。

I

    即期彈性（Impact Elasticity）：在分布滯后模型中，給定自變量增加1%因變量的即時(shí)的百分比變化。
    即期乘數(shù)（Impact Multiplier）：見(jiàn)即期傾向。
    即期傾向（Impact Propensity）：在分布滯后模型中，自變量增加一個(gè)單位因變量的即時(shí)的變化。
    包含一個(gè)無(wú)關(guān)變量（Inclusion of an Irrelevant Variable）：用OLS估計(jì)方程時(shí)，回歸模型中包含了總體參數(shù)為零的解釋變量。
    指數(shù)（Index Number）：關(guān)于經(jīng)濟(jì)行為（例如生產(chǎn)或價(jià)格）總量信息的統(tǒng)計(jì)量。
    影響重大的觀測(cè)值（In?uential Observations）：見(jiàn)奇異值。
INTRODUCTORY ECONOMETRICS
    一階自積［I（1）］（Integrated of Order One [I(1)]）：需要做一階差分來(lái)得到I（0）過(guò)程的時(shí)間序列過(guò)程。
    零階自積［I（0）］（Integrated of Order Zero [I(0)]）：平穩(wěn)、弱獨(dú)立時(shí)間序列過(guò)程，當(dāng)用于回歸分析時(shí)，它滿足大數(shù)定律和中心極限定理。
    交互作用（Interaction 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（Level-Level 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（Level-Log 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（Log-Level 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（Log-Log 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（Long-Run 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)（Long-Run Multiplier）：參見(jiàn)長(zhǎng)期傾向。
    長(zhǎng)期傾向（Long-Run 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。