编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第PAGE22页共NUMPAGES22页第PAGE\*MERGEFORMAT22页共NUMPAGES\*MERGEFORMAT22页计量经济学术语A校正R2（AdjustedR-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（AlternativeHypothesis）：检验虚拟假设时的相对假设。AR（1）序列相关（AR(1)SerialCorrelation）：时间序列回归模型中的误差遵循AR（1）模型。渐近置信区间（AsymptoticConfidenceInterval）：大样本容量下近似成立的置信区间。渐近正态性（AsymptoticNormality）：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（AsymptoticProperties）：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（AsymptoticStandardError）：大样本下生效的标准误。渐近t统计量（AsymptotictStatistic）：大样本下近似服从标准正态分布的t统计量。渐近方差（AsymptoticVariance）：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（AsymptoticallyEfficient）：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（AsymptoticallyUncorrelated）：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（AttenuationBias）：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（AutoregressiveConditionalHeteroskedasticity,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）]（AutoregressiveProcessofOrderOne[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（AuxiliaryRegression）：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（BaseGroup）：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（BasePeriod）：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（Basevalue）：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（BestLinearUnbiasedEstimator,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（BetaCoef?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（BiasedEstimator）：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（BiasedTowardsZero）：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（BinaryResponseModel）：二值因变量的模型。二值变量（BinaryVariable）：见虚拟变量。两变量回归模型（BivariateRegressionModel）：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-GodfreyTest）：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-PaganTest）：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（CausalEffect）：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（CeterisParibus）：其他所有相关因素均保持固定不变。经典含误差变量（ClassicalErrors-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（ClassicalLinearModel）：全套经典线性模型假定下的复线