计量经济学(重要名词解释)
计量经济学名词解释
计量经济学名词解释1、计量经济学计量经济学是一个分支学科，以揭示经济活动中客观存在的数量关系为内容的分支学科，统计学，经济理论和数学这结合便构成了计量经济学。
2、计量经济学模型揭示经济活动中各个因素之间的定量关系，用随机性的数学方程加以描述。
3、解释变量影响被解释变量的因素或因子，是原因变量，记为“X”.4、被解释变量结果变量称为被解释变量，记为“Y”。
5、结构分析结构分析是对经济现象中变量之间相互关系的研究。
所采用的主要方法是弹性分析、乘数分析与比较静力分析。
6、时间序列数据按照时间先后顺序排列的统计数据，又称为纵向数据。
7、截面数据一批发生在同一时间截面上的调查数据，又称横向数据。
8、平行数据（面板数据）时间序列数据与截面数据的合成体，又称面板数据。
9、回归分析回归分析是研究一个变量关于另一个（些）变量的依赖关系的计算方法和理论。
10、随机误差项被解释变量数值与其条件期望之间的离差，是一个不可观测的随机变量，称为随机误差项，或随机干扰项。
11、最小二乘法通过最小化误差的平方和寻找数据的最佳函数匹配。
12、最佳线性无偏估计量拥有有限样本性质或小样本性质这类性质的估计量，称为最佳线性无偏估计量。
13、拟合优度是SRF对样本观测值的拟合程度，即样本回归直线与观测散点之间的紧密程度。
14、方程显著性检验对所有被解释变量与解释变量之间的线性关系在总体上是否显著成立做出推断的检验。
15、变量显著性检验是对模型中某一个具体的解释变量X与被解释变量Y之间的线性关系在总体上是否显著成立做出判断，换言之，是考察所选择的X在总体上是否对Y有显著的线性影响。
16、最小样本容量是指从最小二乘原理和最大似然原理出发，欲得到参数估计量，不管其质量如何，所要求的样本容量的下限。
17、满足基本要求的样本容量当n≥30或者至少n≥3(k+1)时，才能说满足模型估计的基本要求。
18、需求函数的零阶齐次性当所有商品价格和消费者货币支出总额按照同一比例变动时，需求量保持不变，这就是所谓的消费者无货币幻觉。
计量经济学名词解释及简答
一、名词解释第一章1、计量经济学：计量经济学是以经济理论和经济数据的事实为依据，运用数学、统计学的方法，借助计算机为辅助工具，通过建立数学模型来研究经济数量关系和规律的一门经济学科。
2、虚拟变量数据：虚拟变量数据是人为构造的，通常取值为1或0的，用来表征政策等定性事实的数据。
3、计量经济学检验：计量经济学检验主要是检验模型是否符合计量经济方法的基本假定。
4、政策评价：政策评价是利用计量经济模型对各种可供选择的政策方案的实施后果进行模拟测算，从而对各种政策方案做出评价第二章1、回归平方和：回归平方和用ESS 表示，是被解释变量的样本估计值与其平均值的离差平方和。
2、拟和优度检验：拟和优度检验指检验模型对样本观测值的拟合程度，用表示，该值越接近1，模型对样本观测值拟合得越好。
3、相关关系：当一个或若干个变量X 取一定数值时，与之相对应的另一个变量Y 的值虽然不确定，但却按某种规律在一定范围内变化，变量之间的这种关系，称为不确定性的统计关系或相关关系，可表示为Y=f(X ，u)，其中u 为随机变量。
4、高斯-马尔科夫定理：在古典假定条件下，O LS 估计式是其总体参数的最佳线性无偏估计式。
第三章1、偏回归系数：在多元线性回归模型中，回归系数j （j=1，2，……，k ）表示的是当控制其他解释变量不变的条件下，第j 个解释变量的单位变动对被解释变量平均值的影响，这样的回归系数称为偏回归系数。
2、多重可决系数：“回归平方和”与“总离差平方和”的比值，用表示。
3、修正的可决系数：用自由度修正多重可决系数 中的残差平方和与回归平方和。
4、回归方程的显著性检验（F 检验）：对模型中被解释变量与所有解释变量之间的线性关系在总体上是否显著做出推断。
5、回归参数的显著性检验（t 检验）：当其他解释变量不变时，某个回归系数对应的解释变量是否对被解释变量有显著影响做出推断。
6、无多重共线性假定：假定各解释变量之间不存在线性关系，或者说各解释变量的观测值之间线性无关，在此条件下，解释变量观测值矩阵X 列满秩Rank(X)=k ，此时，方阵X`X 满秩， Rank(X`X)=k从而X`X 可逆，(X`X) 存在。
计量经济学名词解释
1.总体回归函数是指在给定X i下Y分布的总体均值与X i所形成的函数关系。
样本回归函数指从总体中抽搐的关于Y，X的若干组形成的样本所建立的回归函数。
随机的总体回归函数指相对条件期望而言含有随机干扰项的总体回归函数。
线性回归模型指对变量是线性的，也指对参数β为线性的，即解释变量与参数β只以它们的1次方出现。
随机干扰项也称随机误差项，是一个随机变量，是针对总体回归函数而言的。
残差项是一随机变量，是针对样本回归函数而言的。
2.回归系数的估计量指用β0，β1等表示的用已知样本提供的信息所估计出来的总体未知参数的结果。
回归系数或回归参数之回归模型中β0，β1最小二乘法是指根据是估计的剩余平方和最小的原则确定样本回归函数的方法。
条件期望又称条件均值，指X取特定值X i时Y的期望值。
估计量的标准差是度量一个变量变化大小的测量度。
最大似然法指用产生该样本概率最大的原则去确定样本回归函数的方法。
3.总离差平方和TTS表示，用以度量被解释变量的总变动。
回归平方和用ESS表示，用以度量由解释变量变化引起的被解释变量的变化部分。
残差平方和用RSS表示，用以度量实际值与拟合值之间的差异，是由除解释变量以外的其他因素引起的被解释变量变化的部分。
协方差用Cov（X，Y）表示，是用来度量X，Y两个变量关联程度的统计量。
拟合优度检验指检验模型对样本观测值的拟合程度，用R 表示，该制约接近1，模型对样本观测值拟合得越好。
4.t检验是针对每个解释变量进行的显著性检验，即构造一个t统计量，如果该统计量的值落在置信区间外，就拒绝原假设。
异方差性指对于不同的样本值，随机干扰项的方差不再是常数，而是互不相同的。
序列相关性指对于不同样本值，随机干扰项之间不再是完全相互独立，而是存在某种相关性。
多重线性指两个或多个解释变量之间存在某种线性相关关系。
D.W.检验：全称杜宾-瓦森检验，适合用于一阶自相关的检验，该法构造一个统计量。
5.完全多重共线性指在有多个解释变量模型中，解释变量之间的线性关系是准确的。
计量经济学名词解释和简答题
计量经济学名词解释和简答题计量经济学第一部分：名词解释第一章1、模型：对现实的描述和模拟。
2、广义计量经济学：利用经济理论、统计学和数学定量研究经济现象的经济计量方法的统称，包括回归分析方法、投入产出分析方法、时间序列分析方法等。
3、狭义计量经济学：以揭示经济现象中的因果关系为目的，在数学上主要应用回归分析方法。
第二章1、总体回归函数：指在给定Xi 下Y 分布的总体均值与Xi 所形成的函数关系（或者说总体被解释变量的条件期望表示为解释变量的某种函数）。
2、样本回归函数：指从总体中抽出的关于Y ，X 的若干组值形成的样本所建立的回归函数。
3、随机的总体回归函数：含有随机干扰项的总体回归函数（是相对于条件期望形式而言的）。
4、线性回归模型：既指对变量是线性的，也指对参数β为线性的，即解释变量与参数β只以他们的1次方出现。
5、随机干扰项：即随机误差项，是一个随机变量，是针对总体回归函数而言的。
6、残差项：是一随机变量，是针对样本回归函数而言的。
7、条件期望：即条件均值，指X 取特定值Xi 时Y 的期望值。
8、回归系数：回归模型中βo ，β1等未知但却是固定的参数。
9、回归系数的估计量：指用01,ββ等表示的用已知样本提供的信息所估计出来总体未知参数的结果。
10、最小二乘法：又称最小平方法，指根据使估计的剩余平方和最小的原则确定样本回归函数的方法。
11、最大似然法：又称最大或然法，指用生产该样本概率最大的原则去确定样本回归函数的方法。
12、估计量的标准差：度量一个变量变化大小的测量值。
13、总离差平方和：用TSS 表示，用以度量被解释变量的总变动。
14、回归平方和：用ESS 表示：度量由解释变量变化引起的被解释变量的变化部分。
15、残差平方和：用RSS 表示：度量实际值与拟合值之间的差异，是由除解释变量以外的其他因素引起的被解释变量变化的部分。
16、协方差：用Cov （X ，Y ）表示，度量X,Y 两个变量关联程度的统计量。
计量经济学(重要名词解释)
——名词解释将因变量与一组解释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决定了各解释变量在其他条件不变下的效应。
与经济分析不同，在进行计量经济分析之前，要明确变量之间的函数形式。
经验分析（Empirical Analysis）：在规范的计量分析中，用数据检验理论、估计关系式或评价政策有效性的研究。
确定遗漏变量、测量误差、联立性或其他某种模型误设所导致的可能偏误的过程线性概率模型（LPM）（Linear Probability Model, LPM）：响应概率对参数为线性的二值响应模型。
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。
有限分布滞后（FDL）模型（Finite Distributed Lag (FDL) Model）：允许一个或多个解释变量对因变量有滞后效应的动态模型。
布罗施-戈弗雷检验（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。
布罗施-帕甘检验（Breusch-Pagan Test）/（BP 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。
若一个模型正确，则另一个非嵌套模型得到的拟合值在该模型是不显著的。
因此，这是相对于非嵌套对立假设而对一个模型的检验。
在模型中包含对立模型的拟合值，并使用对拟合值的t 检验来实现。
回归误差设定检验（RESET）（Regression Specification Error Test, RESET）：在多元回归模型中，检验函数形式的一般性方法。
它是对原OLS 估计拟合值的平方、三次方以及可能更高次幂的联合显著性的F 检验。
怀特检验（White Test）：异方差的一种检验方法，涉及到做OLS 残差的平方对OLS 拟合值和拟合值的平方的回归。
这种检验方法的最一般的形式是，将OLS 残差的平方对解释变量、解释变量的平方和解释变量之间所有非多余的交互项进行回归。
计量经济学名词解释
计量经济学：是一门利用经济学、数学、统计学从数量上研究宏观和微观经济行为关系的综合性经济学学科计经学研究过程：1理论模型设定2样本数据的取得3参数估计4模型检验5模型应用时间序列数据：一个变量在不同时间取值的一组观测结果虚拟变量：根据属性类型，构造只取“0”或“1”非此即彼的人工变量，通常记为D样本数据的数据质量要求：完整性、准确性、可比性、一致性模型检验的内容：1经济意义检验2统计检验3计量经济学检验4模型预测检验移动平均：对时间序列数据的前后数据求平均，将不必要的变动平滑，也即剔除这些变动，从而发现长期变化方向的一种方法变动系数（变异系数）=标准差/算术平均数标准化变量=（X-算术平均数）/标准差回归现象：当自变量既定，因变量在依概率在一定范围内向期望值靠拢现象随机扰动项产生的原因：1客观现象的随机性质2模型中省略的变量3测量与归并误差4数学模型形式设定造成的误差经典线性回归模型的基本假定：1线性回归模型，即回归模型就参数而言是线性的2在每次重复抽样中，解释变量X的取值具有确定性3 X的值具有变异性 4对于给定的任一个Xi，相应的的随机扰动项ui的均值等于零5对于所有的观测对象，ui的方差都是相等的6随机扰动项之间不存在自相关7 ui 和uj的协方差为零8解释变量之间不存在完全的线性关系9观察次数n必须大于估计参数的个数10正确设定了回归模型最小二乘法：是一种参数估计方法，确定估计参数的准则是使全部观察值的残差平方和最小，即∑ei2 →min, 由此得出选择回归参数b0 , b1 的最小二乘估计式。
最小二乘估计量的统计性质：1线性性2无偏性3有效性4一致性多元线性回归模型：因变量Y依赖于两个或更多解释变量的线性回归模型多重共线性产生的原因：1经济变量之间的相互依存关系2时间趋势影响（时间序列样本建立线性模型时，往往存在多重共线。
）3样本资料方面的原因4滞后变量的引入5虚拟变量设置不合理6变量设置过多。
计量经济学名词解释和简答题
计量经济学 第一部分：名词解释第一章1、模型：对现实的描述和模拟。
2、广义计量经济学：利用经济理论、统计学和数学定量研究经济现象的经济计量方法的统称，包括回归分析方法、投入产出分析方法、时间序列分析方法等。
3、狭义计量经济学：以揭示经济现象中的因果关系为目的，在数学上主要应用回归分析方法。
第二章1、总体回归函数：指在给定Xi 下Y 分布的总体均值与Xi 所形成的函数关系（或者说总体被解释变量的条件期望表示为解释变量的某种函数）。
2、样本回归函数：指从总体中抽出的关于Y ，X 的若干组值形成的样本所建立的回归函数。
3、随机的总体回归函数：含有随机干扰项的总体回归函数（是相对于条件期望形式而言的）。
4、线性回归模型：既指对变量是线性的，也指对参数β为线性的，即解释变量与参数β只以他们的1次方出现。
5、随机干扰项：即随机误差项，是一个随机变量，是针对总体回归函数而言的。
6、残差项：是一随机变量，是针对样本回归函数而言的。
7、条件期望：即条件均值，指X 取特定值Xi 时Y 的期望值。
8、回归系数：回归模型中βo ，β1等未知但却是固定的参数。
9、回归系数的估计量：指用01,ββ等表示的用已知样本提供的信息所估计出来总体未知参数的结果。
10、最小二乘法：又称最小平方法，指根据使估计的剩余平方和最小的原则确定样本回归函数的方法。
11、最大似然法：又称最大或然法，指用生产该样本概率最大的原则去确定样本回归函数的方法。
12、估计量的标准差：度量一个变量变化大小的测量值。
13、总离差平方和：用TSS 表示，用以度量被解释变量的总变动。
14、回归平方和：用ESS 表示：度量由解释变量变化引起的被解释变量的变化部分。
15、残差平方和：用RSS 表示：度量实际值与拟合值之间的差异，是由除解释变量以外的其他因素引起的被解释变量变化的部分。
16、协方差：用Cov （X ，Y ）表示，度量X,Y 两个变量关联程度的统计量。
17、拟合优度检验：检验模型对样本观测值的拟合程度，用2R 表示，该值越接近1，模型对样本观测值拟合得越好。
计量经济学的名词解释
1.回归分析：是关于一个变量（被解释变量）对另一个或多个变量（解释变量）依存关 系的研究，用适当的数字模型去近似表达或估计变量之间的平均变化关系，其目的是要根 据已知的或固定的解释变量的数值，去估计所研究的被解释变量的总体平均值。 2.总体回归函数：因变量Y的条件期望值E(y/Xi)随着解释变量X的变化而有规律地变化。 把这种变化关系用函数表示出来，就是总体回归函数E（ ）= f( ). 3.样本回归函数：因变量Y的样本观测值的条件均值表示成解释变量X的某种函数，即为 样本回归函数。公式为： 4.线性性：用最小二乘法估计出来的参数 的估计值如果能够被表示为Yi 的线性形式， 即 ，则表示 有线性性。 5。无偏性：如果参数的估计量 的期望等于参数的真实值 ，即 。则称 是参数 的无偏估计量。 6.最小方差性：用最小二乘法估计出来的参数 的估计值的方差，比其他方法估计出来 的方差来的小，即 则表示估计出来的 估计值有最小方差性。 7.可决系数：由样本回归作出解释的离差平方在总离差平方和占的比重。 ，可以作为综合度量回归模式对样本观测值拟合优度的指标。 8.偏回归函数：在多元线性回归模型中，回归系数 表示的是当控制 其他解释变量不变的条件下，第 j 个解释变量的单位变动对被解释变量平均值的影响，这 样的回归系数称为偏回归系数。 9.异方差：设模型 如果其他假定条件均 不变，但模型中随机误差项 的方差为 ，则称 具有异 方差性。 10.加权最小二乘法：原模型中存在异方差，对方程加一个权重，权重为 使原方程 变为不存在异方差的模式，再采用OLS方法估计。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
——名词解释将因变量与一组解释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决定了各解释变量在其他条件不变下的效应。
与经济分析不同，在进行计量经济分析之前，要明确变量之间的函数形式。
经验分析（Empirical Analysis）：在规范的计量分析中，用数据检验理论、估计关系式或评价政策有效性的研究。
确定遗漏变量、测量误差、联立性或其他某种模型误设所导致的可能偏误的过程线性概率模型（LPM）（Linear Probability Model, LPM）：响应概率对参数为线性的二值响应模型。
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。
有限分布滞后（FDL）模型（Finite Distributed Lag (FDL) Model）：允许一个或多个解释变量对因变量有滞后效应的动态模型。
布罗施-戈弗雷检验（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。
布罗施-帕甘检验（Breusch-Pagan Test）/（BP 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。
若一个模型正确，则另一个非嵌套模型得到的拟合值在该模型是不显著的。
因此，这是相对于非嵌套对立假设而对一个模型的检验。
在模型中包含对立模型的拟合值，并使用对拟合值的t 检验来实现。
回归误差设定检验（RESET）（Regression Specification Error Test, RESET）：在多元回归模型中，检验函数形式的一般性方法。
它是对原OLS 估计拟合值的平方、三次方以及可能更高次幂的联合显著性的F 检验。
怀特检验（White Test）：异方差的一种检验方法，涉及到做OLS 残差的平方对OLS 拟合值和拟合值的平方的回归。
这种检验方法的最一般的形式是，将OLS 残差的平方对解释变量、解释变量的平方和解释变量之间所有非多余的交互项进行回归。
邹至庄统计量（Chow statistic）：检验不同组或不同时期的回归函数上差别的F检验。
德宾—沃森（DW）统计量（Durbin-Watson (DW) Statistic）：在经典线性回归假设下，用于检验时间序列回归模型之误差项中的一阶序列相关的统计量。
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，解释了误差方差的方差已知结构（异方差性）、误差中的序列相关形式或同时解释二者的估计量。
拉格朗日乘数统计量（Lagrange Multiplier Statistic）：仅在大样本下为确当的检验统计量，它可用于在不同的模型设定问题中检验遗漏变量、异方差性和序列相关和不同模型的设定问题。
加权最小二乘（WLS）估计量（Weighted Least Squares (WLS) Estimator）：用来对某种已知形式的异方差进行调整的估计量。
其中，每个残差的平方都用一个等于误差的（估计的）方差的倒数作为权数。
差的估计量。
在高斯—马尔科夫假定下，OLS估计量是以解释变量样本值为条件的BLUE 。
在给定时点上从总体中抽取的数据集通过不同时期，对横截面重复观测而得到的数据集。
在平衡的面板中，同样的单位在每个时期都出现。
在不平衡的面板中，有些单位往往由自然损耗而不会在每个时期都出现。
通常在不同时点收集到的相互独立的横截面组合而成的一个单独的数据集。
多元回归模型中度量拟合值的样本变异。
多元回归模型中，所观测的OLS 残差的平方和，度量了残差的样本波动。
多元回归分析中的总体误差的标准差的估计值。
等于残差平方和与自由度之商的平方根。
用来估计多元线性回归模型中的参数的一种方法。
最小二乘估计值是通过最小化残差的平方和而得到。
零条件均值假定（Zero Conditional Mean Assumption）：多元回归分析中很关键的一个假定。
它的含义是，给定解释变量的任意值，误差的期望值都等于0。
假定测量误差与观测的解释变量无关，观测结果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。
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。
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。
指多元回归模型中自变量之间由于存在精确相关关系或高度相关关系而使模型估计失真或难以估计准确。
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。
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、MLR.5 或假定TS.1 至TS.5），使OLS 是BLUE。
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（或随机抽样）。
弱相关（Weakly Dependent）：在时间序列过程中，表示随机变量在不同时期之间的相互依赖指标（比如相关性）随着时间间隔的增大而减小。
如对于一个平稳时间序列过程{x t:t=1,2,…},随着时间间隔h的无限增大，随机变量x t和x t+h“近乎独立”。
序列相关（Serial Correlation）/自相关：在时间序列或面板数据模型中，不同时期的误差之间的相关性。
一阶移动平均过程[MA（1）]（Moving Average Process of Order One [MA(1)]）：作为一个零均值、常方差和不相关随机过程的当期值与一期滞后值的线性函数而生成的时间序列过程。
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。
稳定的AR（1）过程（Stable AR(1) Process）：滞后变量的系数绝对值小于1 时的AR（1）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，则稳定的AR（1）过程是弱相关的。
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。
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。
平稳随机过程（Stationary Stochastic Process）：边际和所有的联合分布都不随时间变化的一种时间序列过程。
随机游走（Random Walk）：在这样一种时间序列中，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。
如AR（1）的参数为1时，其他条件不变（Ceteris Paribus）：其他所有相关因素均保持固定不变。
长期弹性（Long-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长期倾向。
即，长期弹性是在给定解释变量增长了1%时，被解释变量最终变化的百分比。
长期乘数（Long-Run Multiplier）/长期倾向（Long-Run Propensity）：在一个分布滞后模型中，给定自变量永久性地增加一个单位，因变量最终的变化量。
即期乘数（Impact Multiplier）/即期倾向（Impact Propensity）：在分布滞后模型中，自变量增加一个单位，因变量的即时的变化。
零阶单整［I（0）］（Integrated of Order Zero [I(0)]）：一个平稳而又弱相关的时间序列过程，当用于回归分析时，它满足大数定律和中心极限定理。
一阶差分（First Difference）：通过对相邻时期取差分而对时间序列进行的一种转换，即用后一时期减去前一时期。
单位根过程（Unit Root Process）：当期值等于前一个时期的值加上一个弱相依的干扰项的一种高度持续的时间序列过程。
取值为0 或1多元回归分析中，一个与观测不到的解释变量有关系但又不相同的可观测变量。
内生解释变量（Endogenous Explanatory Variable）：在多元回归模型中，由于遗漏变量、测量误差或联立性的原因而与误差项相关的解释变量。
外生解释变量（Exogenous Explanatory Variable）：与误差项不相关的解释变量。
严格外生的（Strictly Exogenous）：时间序列或面板数据模型中的解释变量的一个特点，以所有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。
同期同方差（Contemporaneously homoskedastic）：在时间序列或面板数据应用中，以相同时期的回归元为条件，误差方差保持不变。
中由自变量所解释的比例。
调整R2（Adjusted R-Squared）：多元回归分析中拟合优度的度量指标，在估计误差的方差时用自由度的调整来对额外添加解释变量进行惩罚。
自由度（df）（Degrees of Freedom, df）：在多元回归模型分析中，取值不受限制的变量个数，等于观测值的个数减去待估参数的个数。
的标准差（Standard Deviation of ）：衡量抽样分布之分散程度的常用指标。
置信区间（CI）（Confidence Interval, CI）：用于构造随机区间的规则，使得在所有数据集中有某个百分比（由置信水平决定）的数据集会给出包含总体值的区间。
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。
渐近有效（Asymptotically Efficient）：服从渐近正态分布的一致性估计量中渐近方差最小的一个的估计量便是渐近有效的。
估计量的期望方差越大说明用其估计值代表相应真值的有效性越差；否则越好，越有效。
不同的估计量具有不同的方差，方差最小说明最有效一种回归系数，它度量了自变量增加一个标准差时，因变量的改变是其标准差的倍数。
函数形式误设（Functional Form Misspecification）：一个模型遗漏了解释变量的函数（例如二次项），或者错误地使用因变量或某些自变量的函数时产生的问题。
交互作用（Interaction Effect）：在多元回归中，一个解释变量的偏效应取决于另一个不同解释变量的值虚拟假设（Null Hypothesis）：在经典假设检验中，我们把这个假设当作真的，要求数据能够提供足够的证据才能否定它。
OLS 回归线（OLS Regression Line）：将因变量的预测值与自变量的值相联系的方程，其参数估计值是通过OLS得到的。