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。
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）：在经典线性回归假设下，用于检验时间序列回归模型的误差项中的一阶序列相关的统计量。
动态完整模型（Dynamically Complete Model）：设更多的滞后因变量，或设更多的滞后解释变量都无助于解释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原因中得出的关系。
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变化。
经验分析（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。
内生样本选择（Endogenous Sample Selection）：非随机样本选择，其选择直接地或通过方程中的误差项
与因变量相联系。
误差项（Error Term）：在简单或多元回归方程中，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）：多元回归模型中误差项的方差。
事件研究（Event Study）：事件（例如政府规制或经济政策的变化）对结果变量的效应的计量分析。
排除一个有关变量（Excluding a Relevant Variable）：在多元回归分析中，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。外生解释变量（Exogenous Explanatory Variable）：与误差项不相关的解释变量。
外生样本选择（Exogenous Sample Selection）：或者依赖外生解释变量，或者与所感兴趣的模型中的误差项不相关的样本选择。
实验数据（Experimental Data）：通过进行受控制的实验获得的数据。
试验组（Experimental Group）：见处理组。
解释平方和（SSE）（Explained Sum of Squares, SSE）：多元回归模型中拟合值的总样本变异。
被解释变量（Explained Variable）：见因变量。
解释变量（Explanatory Variable）：在回归分析中，用于解释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）：在多元回归模型中，用于检验关于参数的多重假设的统计量。
可行的GLS（FGLS）估计量（Feasible GLS (FGLS) Estimator）：方差或相关参数未知，因而必须先进行
估计的GLS 程序。（又见广义最小二乘估计量。）
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。
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 回归线时，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解释变量的函数（例如二次项），或者对一个因变量或某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）：该定理表明，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 （在解释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，说明了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（Goodness-of-Fit Measure）：概括一组解释变量有多好地解释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变化。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）：给定解释变量，误差项的方差不为常数。
未知形式的异方差性（Heteroskedasticity of Unknown Form）：以一未知的任意形式依赖于解释变量的异方差性。
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 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）：回归模型中的误差在解释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变化。
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变化。
包含一个无关变量（Inclusion of an Irrelevant Variable）：用OLS 估计方程时，回归模型中包含了总
体参数为零的解释变量。
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）：见奇异值。
INTRODUCTORY ECONOMETRICS
一阶自积［I（1）］（Integrated of Order One [I(1)]）：需要做一阶差分来得到I（0）过程的时间序
列过程。
零阶自积［I（0）］（Integrated of Order Zero [I(0)]）：平稳、弱独立时间序列过程，当用于回归
分析时，它满足大数定律和中心极限定理。
交互作用（Interaction Effect）：回归模型中为两个解释变量的乘积的自变量。
截距参数（Intercept Parameter）：复线性回归模型中，给出当所有自变量都为零时因变量的期望值的参数。
截距的变动（Intercept Shift）：回归模型中的截距，因组或时期的不同而不同。
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）：两个或多个解释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解释变量。
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）形式的回归模型。
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）为对数形式的回归模型。
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。
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）：在多元回归分析中，是因变量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）形式的一种回归模型。
对数—对数模型（Log-Log Model）：因变量和（至少一部分）解释变量都是以对数形式出现的回归模型。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）：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，因变量最终的变化量。
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归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）：在所有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[MA（1）]（Moving Average Process of Order One [MA(1)]）：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）：指多元回归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。
多元线性回归（MLR）模型（Multiple Linear Regression (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。
多元回归分析（Multiple Regression Analysis）：在多元线性回归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）：用名义或当前美元数表示的变量。
非实验数据（Nonexperimental Data）：不是通过人为控制下的实验得到的数据。
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。它是指以解释变量为条件的误差（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，要求数据能够提供足够的证据才能否定它。
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）：参见非实验数据。
OLS（OLS）：参见普通最小二乘法。
OLS 截距估计值（OLS Intercept Estimate）：OLS 回归线的截距。
OLS 回归线（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 回归线的斜率。
遗漏变量偏误（Omitted Variable Bias）：回归中遗漏了有关变量而产生的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）：通过排列顺序传达信息的一种数据，它们的大小本身并不说明任何问题。普通最小二乘法（OLS）（Ordinary Least Squares, OLS）：用来估计多元线性回归模型中的参数的一种方法。最小二乘估计值通过最小化残差的平方和得到。
INTRODUCTORY ECONOMETRICS
异常数据（Outliers）：在数据集中，与大量其他数据有明显区别的观测值。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）：对多元回归方程中所有的解释变量所做的一种联
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减现象而不会在每个时期都出现。
偏效应（Partial Effect）：回归模型中的其他因素保持不变时，某个解释变量对因变量的影响。
完全共线性（Perfect Collinearity）：在多元回归中，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 回归中，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相互独立的横截面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，特别是多元线性回归模型。
总体R 平方（Population R-Squared）：总体中，由解释变量解释了的那部分因变量的变异。
总体回归函数（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) Estimation）：一种用来估计有AR（1）误差和严格外生解释变量的多元线性回归模型的方法；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。
被预测变量（Predicted Variable）：参见因变量。
预报（Prediction）：把特定的解释变量的值代入所估计的模型，通常是多元回归模型中，以得到结果的
一个估计值。
预测误差（Prediction Error）：实际结果与所预报的结果之间的差。
预测区间（Prediction Interval）：多元回归模型中，某个因变量的未知结果的一个置信区间。
预测变量（Predictor Variable）：参见解释变量。
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。
Q
二次函数（Quadratic Functions）：包含一个或多个解释变量的平方的函数，它反映了解释变量
对因变量的逐渐变弱或增强的影响。
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（1）的序列相关的回归模型时，当期数据与前一期数据乘以AR（1）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。
R2（R-Squared）：在多元回归模型中，由自变量解释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、用于检验排除约束条件的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相互独立。
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。
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。
回归子（Regressand）：参见因变量。
回归误差设定检验（RESET）（Regression Speci?cation 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。
过原点回归（Regression Through the Origin）：截距被设为0 的回归分析，它的斜率通过最小化残差的平方和求出。
回归元（Regressor）：参见解释变量。
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，决定在什么情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 回归线。
残差分析（Residual Analysis）：在估计多元回归模型后，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。
响应概率（Response Probability）：在二值响应模型中，以解释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，施加所有虚拟假设所要求的约束条件后得到的模型。均方根误（RMSE）（Root Mean Squared Error, RMSE）：多元回归分析中回归标准误的另一个名称（仅当
期望值等于实测值—译者）。
S
样本回归函数（Sample Regression Function）：参见OLS 回归线。
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（Seasonal 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变化的特点。
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归，来消除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变化的百分比。
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 Correlation-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。
简单线性回归模型（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）：多元回归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。
谬误回归问题（Spurious Regression Problem）：如果回归分析表明两个或多个无关时间序列具有一定关系，而其原因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），或上面两种情况同时出现，这种问题就是谬误回归问题。
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。
β1 的标准误（Standard Error of β1）：β1 抽样分布的标准差的估计值。
β1 的标准差（Standard Deviation of β1）：衡量β1 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）：参见回归的标准误。
回归的标准误（SER）（Standard Error of the Regression, SER）：多元回归分析中的总体误差的标准差的估计值。等于残差平方和的平方根除以自由度。
标准化系数（Standardized Coef?cients）：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。
静态模型（Static Model）：只有当期的解释变量影响因变量的一种时间序列模型。
平稳过程（Stationary Process）：边际和所有的联合分布都不随时间变化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。
严格外生的（Strict Exogeneity）：时间序列或综列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。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）：多元回归模型中，所观测的OLS 残差的平方和。
求和运算符（Summation Operator）：用Σ表示的一个符号，用来表示对一组数据的求和运算。
T
t 比率、t 统计量（t Ratio、t Statistic）：用来对计量经济学模型中关于参数的单个假设进行检验的
一种统计量。
时间序列数据（Time Series Data）：搜集到的一个或多个变量在不同时间上的数据。
时间序列过程（Time Series Process）：参见随机过程。
时间趋势（Time Trend）：时间的函数，它是趋势时间序列过程的期望值。
总平方和（SST）（Total Sum of Squares, SST）：因变量相对于它的样本均值的总样本变异。
处理组（Treatment Group）：在项目评估中，参与这一项目的群体。
（也见实验群组）趋势过程（Trending Process）：期望值是时间的增函数或减函数的时间序列过程。
趋势—平稳过程（Trend-Stationary Process）：在除掉了时间趋势后变得平稳的过程。毫无疑问，除掉了趋势的序列是弱相依的。
真实模型（True Model）：表示因变量与有关自变量及一个干扰项之间关系的真实的总体模型。在这个模型中，0 条件均值假定成立。
双侧对立假设（Two-Sided Alternative）：总体参数既可以大于又可以小于虚拟假设提出的值的一种检验方法。
双尾检验（Two-Tailed Test）：相对于双侧对立检验的检验方法。
U
无偏估计量（Unbiased Estimator）：期望值（或抽样分布的均值）等于总体值（与总体值的大小无关）的估计量。
不相关随机变量（Uncorrelated Random Variables）：相互之间没有线性关系的随机变量。
设定不足的模型（Underspecifying a Model）：参见忽略一个有关的变量。
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。
无约束模型（Unrestricted Model）：在假设检验中，对参数没有任何限制条件的模型。
向上偏误（Upward Bias）：估计量的期望值大于总体参数的值。
V
方差（Variance）：表示随机变量分布的分散程度的一项指标。
预测误差的方差（Variance of the Prediction Error）：当以估计的多元回归方程为基础来预报因变量
的一个将来值时，产生的误差的方差。
W
弱相依（Weakly Dependent）：在时间序列过程中，表示随机变量在不同时期的两个值之间的相互依赖性质的指标（比如相关性），如果这一依赖性随着时间间隔的增大而减小，这个时间序列就是弱相依的。
加权最小二乘（WLS）估计量（Weighted Least Squares (WLS) Estimator）：用来校正某种已知形式的异
方差的估计量。其中，每个残差的平方都得到一个等于误差的（估计的）方差的倒数的权重。
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，作OLS 残差的平方对解释变量、解释变量的平方和所有非多
余的解释变量间的交叉乘积的回归。
Z
0 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，给定解释变量的所有值时，误差的期望值都等于0。（参见假定MLR.3、TS.2 和TS.2'）
统计学术语
A
acceptance region接受区域
adjusted校正的
allocation配置、布局
alternative hypothesis备择假设
* analysis of variance方差分析
* analysis of covariance协方差分析
ANOCOVA＝Analysis of covariance
* ANOVA＝Analysis of variance
arithmetic mean算术平均值
association关联性
* assumed mean假定平均值
* asymmetric distribution非对称分布
autoregressive自回归（的）
averages平均量
B
bar chart条线图
Bartlett\'s test巴特利特检验
* Bayes, -ian贝叶斯的、贝叶斯
beta function贝塔函数
between（间）内
bias偏倚
biased question有偏质问
* binomial distribution二项分布
binomial theorem二项定理
bioassay生物鉴定法
bivariate normal distribution二元正态分布
blind test盲检法
Bonferroni\'s inequality Bonferroni不等式
bootstrap自助法
Box-Cox transformation Box-Cox变换
C
canonical correlation典型相关
case control study案例对照研究
categorization分类
categorize分类
category类别
causality因果关系
central limit theorem中心极限定理
Chebyshev\'s inequality切比雪夫不等式
χ2-statisticχ2统计量
χ2-testχ2检验
classification分类
cluster analysis聚类分析
coding编码
coefficient of concordance一致性系数
coefficient of determination可决系数
cohort同辈
common factors公共因子，公因数
communality公因子方差、公共因子方差
comparison比较
component成分
* conditional probability条件概率
* confidence coefficient置信系数
* confidence interval置信区间
* confidence limits置信界限
* confound, -ing混杂、混杂法
* confounding design混杂设计
* consumer\'s price index消费物价指数
consumer\'s risk用方风险
* contribution基值
confirmatory确定的
consistent, consistency一致（的）、一致性
contingency table列联表
continuous distribution连续分布
control（group）控制、控制（群）
convergence in probability概率收敛
convergence in law （distribution）依法则收敛（依分布收敛）correction校正、修正
correction factor校正因子
correction for continuity连续校正
correlation相关
correlation coefficient相关系数
correlation ratio相关比
correlogram相关图
covariate共变向量
covariation共变
criterion variable基准变量
critical region判别区域
* cross-section横截面
* cross-tabulation交叉表
* cumulative frequency累积频率
cumulative distribution function累积分布函数
* cumulative relative frequency累积频率
curvilinear曲线（的）
D
* data数据
* data analysis数据分析
* degree of freedom自由度
density密度
density function密度函数
* dependent variable应变数
* descriptive statistics描述性统计
deviate偏差
deviation偏、偏差（cf. standard -- , mean --）dichotomous question二分搜索法
discriminant analysis判别分析
discriminant function判别函数
discrimination判别
discrete distribution离散分布
distribution分布
D.K.（Don\'t Know）
dose-response curve（relationship）用量反应曲线（关系）double blind test二重盲检法
* downward trend下降倾向
drop out脱落例
Durbin-Watson statistic（ratio）Durbin-Watson统计量（比）
E
efficient, efficiency有效的、有效性
* Engel\'s coefficient恩格尔系数
entropy熵
epidemiology流行病学
* error误差
error margin误差幅度
error of the first kind（type I error）第1类误差
error of the second kind（type II error）第2类误差
error term误差项
estimable可估的
estimate估计量
* estimation估计
estimator估计量
event事件
exact probability test直接概率法
* expectation期望
* expected frequency期待度数
experimental design试验设计
* explanatory variable说明变量
exploratory探索的
exponential distribution指数分布
F
face sheet
factor因子
* factor analysis因子分析
* factor loadings因子输入量（系数）
factorial effects析因效应
factorial experiment析因试验
fiducial probability置信概率
filter, -ing滤子
finite population有限总体
Fisher information费希尔信息
* fitting拟合
fixed-effect model固定效应模型
follow-up study追迹研究
force of mortality死力
fractional factorial design分步实施计划设计
free-answer question自由回答法
* frequency频率
* frequency distribution频率分布
F statistic（ratio, test） F 统计量（F 比、F 检验）
G
Gauss, Gaussian高斯（的）
* genetic algorithm遗传算法
geometric distribution几何分布
geometric mean几何平均值
goodness of fit拟合优度
Greco-Latin square正交拉丁方
H
harmonic mean调和平均
hazard function故障率函数
heteroscedastic, -ity异方差（性）
* histogram直方图
homoscedastic, -ity同方差（性）hypergeometric distribution超几何分布hypothesis假说
I
* independence独立
* independent variable独立变量
infinite population无限总体
input入力
inspection检查
interaction相互作用
intercept切片
* interval estimation区间推定
* interval scale间隔尺度
interviewee被调査者
interviewer调査员
interviewing method面试调查法
item项
J
Jacknife刀切法
K
Kaplan-Meier estimate Kaplan-Meier估计
* Kendall\'s rank correlation coefficients肯德尔等级相关系数Kullback-Leibler information number库尔贝克-莱布勒信息函数
* kurtosis峰度
L
lag时间滞后
large sample大样本
Latin square拉丁方
law of large numbers大数定律（strong -, weak- ：强定律、弱定律）least significant difference, LSD.最低显著性差异
* least square最小二乘法
* level of significance显著水平
life table生命表
likelihood似然
linear discriminant function线形判别函数
local control局部控制
logistic function逻辑斯蒂函数
logit analysis（transformation）分对数分析（变换）
log-linear model对数线性模型
log-log对数
log-normal distribution对数正态分布
longitudinal经度的，纵的
loss function损失函数
M
Mahalanobis\' generalized distance Mahalanobis广义距离
mail survey邮送调査
main effect主效应
marginal边缘（的）
Markov, -ian马尔科夫（的）
mathematical statistics数理统计学
* maximum最大（pl. maxima）
maximuim likelihood estimate（estimation）最大似然估计（估计法）McNemar\'s test McNemar测试
* mean平均（值）
* mean deviation平均偏差
mean effect平均效应
* median中位数
meta-analysis元分析
* minimum最小（pl. minima）
missing value缺区值
* mode众数
model, -ing模型（建模）
moment矩
moving average移动平均
multicolinear, -ity多重共线（性）
multidimensional scaling（MDS）多维换算
multiple answer重复回答
multiple choice多重选择
multiple comparison多重比较
* multiple correlation coefficient多重相关系数
* multiple regression多重回归
multi-stage sampling多阶段抽样
* multivariate analysis多变量分析
Multivariate analysis of variance多元方差分析
multivariate normal distribution多变量正态分布*
MANOVA ＝Multivariate analysis of variance
* multiway table多路表
N
* n×m tableｎ×ｍ表
* nominal scale额定尺度
non-central无心
nonparametric非参数的
normal approximation正态近似
* normal distribution正态分布
normal equation正规方程
null hypothesis原假设
O
observational error观测误差
* observed frequency观测频率
observed value观测值
OC（operating characteristic）curve作用特性曲线
odds奇
odds ratio奇数比
one-sided单侧
1-way layout 1 元布局法
open-ended question可扩充解答法
optimum allocation最佳分配法
ordered classification顺序化
* ordinal scale序数尺度
orthogonal polynomial正交多项式
outlier边际值
output输出、结果
P
paired comparison成对比较法
panel survey固定样本调查
parameter系数
partial confounding部分混杂（法）
* partial correlation coefficient偏相关系数
Pearson\'s product moment correlation coefficient皮尔逊矩相关系数percentile百分数
periodic周期的
periodogram周期图
phi coefficientφ系数
pie chart饼状图
plot点图
* point estimation点估计
* Poisson distribution泊松分布
pooled variance estimate联合方差估计
* population总体
population correlation coefficient总体相关系数
* population mean总体平均值
* population variance总体方差
posterior probability（distribution）后验概率（分布）
power（function）幂（函数）
pre-coding预编码
predicted value预测值
* prediction预测
predictive预测（的）
presentation表示、表现（法）
primary sampling unit第1 次抽样的单位principal component, -- analysis主成分（分析）prior probability（distribution）先验概率（分布）* probability概率
* probability distribution概率分布
probability proportionate sampling概率比例抽样probit analysis概率单位分析
process过程
producer\'s risk生产者风险
projection pursuit投影寻踪
proportion比例
proportional hazard model比例风险模型prospective study远景调查
Q
quartile四分位（数）
quartile deviation四分位偏差
* quality质
qualitative定性的
qualitative data定性的数据
* quantity量
quantitative定量的、计量的
quota system定额系统
R
* radar chart雷达图
* random随机的
random-effect model随机效应模型randomization概率化、随机化
* randomness随机性
random number随机数
random sampling随机抽样
random walk随机游动
* range范围（区域）
* rank秩
* rank correlation coefficients等级相关系数ranking method秩评定法
* rank-size rule秩规模规则
rank test秩检验
rating method比率法
* ratio scale比率尺度
* regression回归
* regression coefficient回归系数
regression diagnosis回归诊断
* regression equation（line）回归方程（直线）* rejection region拒绝区域
* relative frequency相对频率
relative risk相对风险
reliability（coefficient）信赖性（系数）
* residual残差
response curve（surface）相应曲线（曲面）retrospective study追溯调查
risk风险
risk factor风险因素
robust, -ness稳健的（性）
* run取遍
S
* sample样本
* sample mean样本均值
* sample size样本量（大小）
* sample variance样本方差
* sampling抽样
sampling error抽样误差
sampling interval抽样间隔
sampling unit抽样单位
* scales尺度
* scattergram, scatter plot（diagram）点状图Scheffe\'s test Scheffe检验
score得分
seasonality季节性
secondary sampling unit第2 次单位抽样serial correlation序列相关
self-adminstration自管理
semi-log半对数
sigmoid拟S 型、S 状
signal to noise ratio SN（信噪）比
signed rank test带符号的秩检验
* significance, significant显著（的）
* significance probability显著概率
simple random sampling简单随机抽样
* simple regression简单回归
single replication 1 次重复
size proportionate allocation比例布局法skewed斜的
* skewness失真
slope斜率
spectral window谱窗
spectrogram谱图
spectrum谱
* Spearman\'s rank correlation coefficients斯皮尔曼等级相关系数* spurious correlation伪相关
square平方
* standard deviation, S.D.标准方差
* standard error标准误差
* standard score标准得分
start number起始编号
* stationary平稳的
* statistic（for inference）统计量（统计推论的）
statistical统计的
statistically significant统计显著的
stem-and-leaf presentation茎叶表现
stereotype陈腔滥调
stochastic process随机过程
* stratification分层
stratified sampling分层抽样
* stratum（[pl.] strata）层
Student(\'s)学生（的）
studentized range学生化范围
study研究
sub-sampling二次抽样
sufficiency充分性
sufficient statistic充分统计量
supervisor管理者
survival analysis生存时间分析
survey调查
systematic sampling系统抽样
T
taxonomy分类（学）
tail尾
* test检验
* test of goodness of fit拟合良好性检定
* test of independence无关性检验
3-way layout 3 元布局法
threshold阈值
tie结
tie correction结修正
*time series时间序列
total variation全变差
第四章：多重共线性 二、简答题 1、导致多重共线性的原因有哪些？ 2、多重共线性为什么会使得模型的预测功能失效？ 3、如何利用辅回归模型来检验多重共线性？ 4、判断以下说法正确、错误，还是不确定？并简要陈述你的理由。 (1)尽管存在完全的多重共线性，OLS 估计量还是最优线性无偏估计量（BLUE ）。 (2)在高度多重共线性的情况下，要评价一个或者多个偏回归系数的个别显著性是不可能的。 (3)如果某一辅回归显示出较高的2 i R 值，则必然会存在高度的多重共线性。 (4)变量之间的相关系数较高是存在多重共线性的充分必要条件。 (5)如果回归的目的仅仅是为了预测，则变量之间存在多重共线性是无害的。 12233i i i Y X X βββ=++ 来对以上数据进行拟合回归。 (1) 我们能得到这3个估计量吗？并说明理由。 (2) 如果不能，那么我们能否估计得到这些参数的线性组合？可以的话，写出必要的计 算过程。 6、考虑以下模型： 23 1234i i i i i Y X X X ββββμ=++++ 由于2X 和3 X 是X 的函数，那么它们之间存在多重共线性。这种说法对吗？为什么？ 7、在涉及时间序列数据的回归分析中，如果回归模型不仅含有解释变量的当前值，同时还含有它们的滞后值，我们把这类模型称为分布滞后模型（distributed-lag model ）。我们考虑以下模型： 12313233i t t t t t Y X X X X βββββμ---=+++++ 其中Y ——消费，X ——收入，t ——时间。该模型表示当期的消费是其现期的收入及其滞后三期的收入的线性函数。 （1） 在这一类模型中是否会存在多重共线性？为什么？ （2） 如果存在多重共线性的话，应该如何解决这个问题？ 8、设想在模型 12233i i i i Y X X βββμ=+++ 中，2X 和3X 之间的相关系数23r 为零。如果我们做如下的回归：
附录一 技能词汇表 1. 专业知识技能词汇表 在下面的内容性技能清单中圈出你所知道的。如有可能，用一个更具体的词来替换这里的词汇。比如，如果你圈出了“外语”这个词，根据你所掌握的外语方面的知识，你可以把它替换成“广东话”、“法语”、或“德语”。列出所有的内容性技能是不可能的，但这个清单可以激发你的记忆和思考。 研磨剂毒品美学过敏性反应 受虐儿童黏合剂非洲、非洲人游乐园 会计管理农业解剖学 声学青春期疾病麻醉药 杂技收养飞机动物 丙浠酸树脂航空学酒精中毒古董 人类学制陶术工程学地理 开胃食品庆典发动机构造 仪器椅子娱乐老年病学 学徒支票簿设备魔力 仲裁化学药品道德玻璃 建筑教堂欧洲、欧洲人目标 争吵马戏团事件（哪一类的？）高尔夫球 数学城市织物政府 艺术、艺术史泥土家庭机构 炮兵气候农用机械图表 亚洲、亚洲人衣服时尚谷物 天文学学院发酵语法 运动颜色肥料制图学 原子喜剧纤维光学小组 拍卖委员会议纤维成长 听众沟通小说枪支 音频设备公司电影头发 航空学抱怨金融手工艺品 儿童养育计算机财务记录和谐 细菌混凝土抛光剂卫生保健 信仰修建火灾，消防听力 行为化妆品急救帮助 钟女装鱼远足 自行车工艺品钓鱼历史 生物学犯罪健康爱好 小鸟庄稼调味马匹 毯子顾客飞行园艺 蓝图风俗地板医院 船支奶制品插花旅馆 簿记数据花清扫房屋
书决策液体房子 植物学装饰食物人性 花束错失食品供应打猎 刹车过失行为外交水力学 砖食物外语卫生 桥残疾人森林思想 预算疾病叉车意识形态 建筑戏剧水果文盲 建筑材料钻孔机火炉插图 官僚制度干砌墙材料室内装饰意象生意染料家具移民 橱柜地震皮毛所得税 蛋糕经济未来婴儿 照相机教育方法游戏传染 露营者电园艺设备信息 蜡烛电子花园伤害 木工电镀物品服装昆虫 地毯同情计量表保险 卡通雇主宝石兴趣 水泥能量地理学投资 灌溉饭食室外印刷机 事件机械学大纲机械 珠宝医学器械熔炉监狱 新闻业药物行李问题 正义会议包装产品 狗窝精神疾病怀孕节目 钥匙，锁菜单绘画财产 刀子商品纸张心理学 湖泊金属养育心理疗法 灯公尺公园宣传 土地方法党派，社会公众意见 风景公制病人公开演说 语言细菌形式出版 花边矿物质工资体系木偶 洗衣房钱人(哪一类的？）谜语 法律电影绩效棉被 割草机动机期刊收音机 草坪摩托车人格铁路 领导马达前景范围 学习移动设备说服房地产 皮革制品博物馆药物娱乐 立法音乐哲学冷藏 图书馆乐器摄影宗教 灯光神话身体残疾宗教书籍
序列直方图： Mean 均值, median 中位数, maximum 最大值, minimum 最小值, Std.Dev 标准差, skewness 偏度, kurtosis 峰度, “arque-bera 统计量及其概率probability ” 说明：正态分布的偏度S=0，呈对称分布。若样本序列的S>0，则呈右偏分布；否则呈左偏分布。正态分布的峰度K=3，若样本序列的K>3，则序列分布的尾部比正态分布的尾部厚，其分布呈现出“高瘦”形状，即“尖峰”；否则其分布的尾部比正态分布的尾部薄，其分布呈现出“矮胖”的形状。大多数金融时间序列呈“尖峰厚尾、非对称分布”。Jarque-Bera 检验统计量用来初步检验某个分布是否为正态分布。在序列观测值为正态分布的原假设下，Jarque-Bera 统计量服从2(2)χ分布，可以根据Jarque-Bera 统计量的概率值P 来决定是否拒绝零假设。若P 大于检验水平α，则不能拒绝样本序列服从正态分布的原假设。 线性回归： Variable 变量，coefficient 系数 std.error 回归方程系数估计值标准误差，其主要用于衡量回归系数的统计可靠性，标准误差越大，说明回归系数估计值越不精确。 t-statistic 是回归系数的 T 统计量，用于检验某个系数是否显著的异于零。 Prob.是t 统计量值的双侧概率（P 值），若P 小于检验水平，说明相应的系数估计值显著的异于零；否则系数不显著。如：在5%显著性水平下，如果P 值小于0.05，就拒绝原假设，否则接受原假设，认为他们对模型的因变量（Y ）没有影响。 R-squanred 决定系数R^2, 较大则说明模型对因变量拟合得较好，模型中的解释变量能够解释因变量变动的很大一部分。（R^2并不是判断模型拟合好坏的唯一指标，回归模型的R^2较小，并不一定说明模型拟合程度很差。有时，如果回归方程中没有截距项或常数项，或者使用了两阶段最小二乘法（TSLS ），则R^2可能为负数。）（R-squared 是模型中所有自变量对因变量的整体拟合效果的度量，但是并不是越高越好，因为自变量越多，R2就越高，由此有了ADJUSTED R-squared,这个指标就剔除了自由度的影响。） Adjusted R-squared 修整决定系数R^2, Mean dependent var 被解释变量均值 S.D.dependentvar 被解释变量标准差 S.E.of regression 回归标准误差，用于度量残差的大小。大约67%的残差将位于正负一个标准误差范围之内，而95%的残差将位于正负两个标准误差范围之内。 Akaike info criterion 赤池信息准则（AIC ）和Schwarz criterion 施瓦兹信息准则（SC ）。AIC 信息准则和SC 准则用于评价模型的好坏，一般要求AIC 值或SC 值越小越好。当选择变量的滞后阶数（如协整检验中），可以通过选择使AIC 或SC 达到最小的滞后分布长度。 Sum squared resid 残差平方和RSS ，越小越好，可以用作某些检验的输入值（如F 检验）。 Log likelihood 是对数似然值（简记L ），是基于极大似然估计得到的统计量，在线性回归中，其计算公式为：2log 2log 222 n n n L πσ=--- 。对数似然值用于说明模型的精确性，L 越大说明模型越精确。同时，可以通过比较有条件约束方程和无条件约束方程的对数似然估计值的差异进行似然比检验。L 越大越好，实际上右边的AIC,SC 就是根据它计算的，AIC 和SC 是越小越好，它们是为了选择最佳滞后期。 F-statistic 和Prob (F-statistic)分别是F 统计量极其相应的概率即P 值，用于对方程的整体显著性进行检验。F 检验是一个所有系数估计值都不为零的联合检验，即使所有系数的t 统计量都是不显著的，F 统计量也可能是显著的。F 统计量越大模型整体越显著，根据上面提到的
逻辑学名词解释 1概念：反映事物特有属性的思维形式。 单独概念：是指仅反映一个特定对象的概念，它的外延是一个独一无二的事物。 普遍概念：是指由若干个分子所组成的类的概念。它的外延包括许多的对象。 集合概念：把一类对象作为一个集合体来反映的概念。 非集合概念：不把一类对象作为一个集合体来放映的概念。 正概念：反映对象具有某种属性的概念。 负概念：反映对象不具有某种属性的概念。只有带否定词并使用其含义的，才是负概念。 论域：指一个正概念与其相对的负概念所反映的对象组成的类。 定义：就是揭示概念内涵的逻辑方法。揭示概念所反映的事物的特有属性的方法。 划分：揭示概念外延的逻辑方法。就是将外延较大的属概念根据一定的标准，划分出若干个外延较小的概念，从而明确概念全部外延的逻辑方法。 概念的限制：通过增加概念的内涵，以减少概念的外延的逻辑方法。 即概念的限制就是从属概念过渡到种概念的逻辑方法。 概念的概括：通过减少概念的内涵，以扩大其外延的逻辑方法。 命题：陈述事物情况的思维形态。特征在于其真假性。命题有具体内容和逻辑形式，逻辑学 _______ 不研究具体命题内容上真假，只研究命题形式真假性质和命题形式之间的真假关系。 模态命题：就是包含“必然”等模态词的命题。 复合命题：就是包含其他命题的命题，包括联言命题、选言命题、假言命题和负命题。 简单命题：就是没有包含其他命题的命题，主要包括直言命题和关系命题。 推理：就是由一或若干个命题推出另一个命题的思维形态。 直言命题：就是陈述事物具有或不具有某种性质的命题。（性质命题） 肯定命题：就是陈述事物具有某种性质的命题。联项一般用“是”表示。 单称命题：就是陈述一个特定事物具有或不具有某种性质的命题。主项专有名词，不需量词。全称命题：陈述一类事物的全部分子都具有或不具有某种性质的命题。主项普遍概念，量省。特称命题：就是陈述一类事物中至少存在着一事物具有或不具有某种性质的命题。 主项普遍概念，量项不可省为“有的、有些” （其逻辑含义就是“有”即至少有一个，不排斥全部） 周延性：是直言命题主项与谓项在量的方面的逻辑特征，是直言命题形式中对主项或谓项的全部外延的陈述情况。在一个直言命题形式中，如果陈述了它的主项或谓项的全部外 延，那么其主项或谓项就是周延的。 直言直接推理：就是前提只有一个命题的直言推理。 A :全称肯定 E:全称否定 I :特称坑定 0:特称否定 反对关系：A与E之间的关系是：不能同真，得以同假。即，当一个真时，另一个必假； 当一个假时，另一个真假不定。 矛盾关系：AO、EI之间的关系是：既不能同真也不能同假。即，一个为真时，另一个必假；当一个为假时，另一个必真。 等差关系：AI/E0之间的真假关系：全称真，特称必真；全称假，特称真假不定；特称假，全称必假；特称真，全称真假不定。 下反对关系：10之间的真假关系：不能同假，可以同真。即当一个假时，另一个必真；当
Graduates to apply for the quantitative analysis of changes in number of graduate students 一Topics raised In this paper, the total number of students from graduate students (variable) multivariate analysis (see below) specific analysis, and collect relevant data, model building, this quantitative analysis. The number of relations between the school the total number of graduate students with the major factors, according to the size of the various factors in the coefficient in the model equations, analyze the importance of various factors, exactly what factors in changes in the number of graduate students aspects play a key role in and changes in the trend for future graduate students to our proposal. The main factors affect changes in the total number of graduate students for students are as follows： Per capita GDP - which is affecting an important factor to the total number of students in the graduate students (graduate school is not a small cost, and only have a certain economic base have more opportunities for post-graduate) The total population - it will affect the total number of students in graduate students is an important factor (it can be said to affect it is based on source) The number of unemployed persons - this is the impact of a direct factor of the total number of students in the graduate students (it is precisely because of the high unemployment rate, will more people choose Kaoyan will be their own employment weights) Number of colleges and universities - which is to influence precisely because of the emergence of more institutions of higher learning in the school the total number of graduate students is not a small factor (to allow more people to participate in Kaoyan) 二Establish Model Y=α+β1X1+β2X2+β3X3+β4X4 +u Among them, the Y-in the total number of graduate students (variable) X1 - per capita GDP (explanatory variables) X2 - the total population (explanatory variables) X3 - the number of unemployed persons (explanatory variables) X4 - the number of colleges and universities (explanatory variables) 三、Data collection 1.date Explain Here, using the same area (ie, China) time-series data were fitted
大连外国语学院日语专业始建于1964年，是大连外国语学院的起家专业，也是辽宁省的品牌专业、本科示范专业。日本语学院设有四年制和五年制本科专业：日语、金融学（日语）、经济学（日语）、市场营销（日语）等专业，日语专业设有语言文化、高级翻译、日韩复语、国际贸易、商务、旅游等倾向。现有本科生3300余名、硕士研究生170余名，均居国内各高校日语专业之首，是世界最大的日语教育和培训基地。 日本语学院拥有一支结构合理、治学态度严谨、学术水平较高、教学经验丰富的师资队伍，任课教师均有在日本留学、进修或任教的经历。此外，每年还聘请十余位日本专家任教。经过几代人的努力，日本语学院以学科建设为中心，逐步形成了一套科学的专业结构体系、规范的课程体系、结构合理的教师梯队以及不断完善的科学研究体系。学院设有日本诗歌研究中心、中日比较语言文化研究所、日本文化研究中心、日本语教育研究所、日本语应用语言研究所5个研究机构，《日语知识》（月刊）杂志发行到二十几个国家和地区，深受国内外读者欢迎。 日本语学院十分重视国际交流，不断拓宽国际化办学渠道，迄今已与日本早稻田大学、立命馆大学、东京外国语大学、御茶水女子大学等30多所大学建立了校际交流关系，并且已与日本立命馆大学、樱美林大学、国士馆大学等学校建立了“3+0.5+2”、“2+2”等多种形式的联合办学模式，每年均有近300名本科生赴日留学，研修、访问，每年有三分之二以上的研究生赴日留学一年。 为了激励学生的学习热情，日本语学院设立了形式多样、数额较大的各种奖学金。学生除了可以获得国家、学校的各种奖学金之外，还可以获得由日本友好团体、地方政府以及个人提供的多种奖学金。如：“笹川奖学金”、“关原奖学金”、“富山县?辽宁省友好纪念奖学金”、“小金桥奖学金”、“索尼奖学金”、“住友银行奖学金”、“住友化学奖学金”、“花旗银行奖学金”等。 “较强的语言运用能力”是日本语学院创建以来一直保持的“强项”，学生在国际、国家、省市级各类的日语演讲比赛中屡拔头筹。各类毕业生均以“口语能力强，综合素质高”而受到社会的普遍好评。毕业生的就业率始终保持在99%以上。就业途径也呈现出多样化趋势：部分学生报考研究生或到日本留学继续学习深造；部分学生则报考公务员，到外交部等国家机关工作；大部分学生毕业后在外资、合资或国有企业工作。尤其是近年来，学生适应社会需要的能力进一步增强，毕业生正在为我国的经济发展及中日间经济文化交流做出贡献。 本科阶段： 日本语学院现设有四年制和五年制本科专业，是辽宁省示范性专业，基础日语和翻译为省级精品课程，学生的应用和实践能力较强是日本语学院的专业特色，“听说领先、口语过硬”是日语专业保持40余年的教学优势，学生在各种国际测试、各级各类比赛中屡屡夺魁。
计量经济学复习要点 第1章 绪论 数据类型：截面、时间序列、面板 用数据度量因果效应，其他条件不变的概念 习题：C1、C2 第2章 简单线性回归 回归分析的基本概念，常用术语 现代意义的回归是一个被解释变量对若干个解释变量依存关系的研究，回归的实质是由固定的解释变量去估计被解释变量的平均值。 简单线性回归模型是只有一个解释变量的线性回归模型。 回归中的四个重要概念 1. 总体回归模型（Population Regression Model ，PRM) t t t u x y ++=10ββ--代表了总体变量间的真实关系。 2. 总体回归函数（Population Regression Function ，PRF ） t t x y E 10)(ββ+=--代表了总体变量间的依存规律。 3. 样本回归函数（Sample Regression Function ，SRF ） t t t e x y ++=10??ββ--代表了样本显示的变量关系。 4. 样本回归模型（Sample Regression Model ，SRM ） t t x y 10???ββ+=---代表了样本显示的变量依存规律。 总体回归模型与样本回归模型的主要区别是：①描述的对象不同。总体回归模型描述总体 中变量y 与x 的相互关系，而样本回归模型描述所关的样本中变量y 与x 的相互关系。②建立模型的依据不同。总体回归模型是依据总体全部观测资料建立的，样本回归模型是依据样本观测资料建立的。③模型性质不同。总体回归模型不是随机模型，而样本回归模型是一个随机模型，它随样本的改变而改变。 总体回归模型与样本回归模型的联系是：样本回归模型是总体回归模型的一个估计式，之所以建立样本回归模型，目的是用来估计总体回归模型。 线性回归的含义 线性：被解释变量是关于参数的线性函数（可以不是解释变量的线性函数） 线性回归模型的基本假设 简单线性回归的基本假定：对模型和变量的假定、对随机扰动项u 的假定（零均值假定、同方差假定、无自相关假定、随机扰动与解释变量不相关假定、正态性假定） 普通最小二乘法（原理、推导） 最小二乘法估计参数的原则是以“残差平方和最小”。
各种专业名称英语词汇中英文对照表 哲学Philosophy 马克思主义哲学Philosophy of Marxism 中国哲学Chinese Philosophy 外国哲学Foreign Philosophies 逻辑学Logic 伦理学Ethics 美学Aesthetics 宗教学Science of Religion 科学技术哲学Philosophy of Science and Technology 经济学Economics 理论经济学Theoretical Economics 政治经济学Political Economy 经济思想史History of Economic Thought 经济史History of Economic 西方经济学Western Economics 世界经济World Economics 人口、资源与环境经济学Population, Resources and Environmental Economics 应用经济学Applied Economics 国民经济学National Economics 区域经济学Regional Economics 财政学（含税收学）Public Finance (including Taxation) 金融学（含保险学）Finance (including Insurance) 产业经济学Industrial Economics 国际贸易学International Trade 劳动经济学Labor Economics
统计学Statistics 数量经济学Quantitative Economics 中文学科、专业名称英文学科、专业名称 国防经济学National Defense Economics 法学Law 法学Science of Law 法学理论Jurisprudence 法律史Legal History 宪法学与行政法学Constitutional Law and Administrative Law 刑法学Criminal Jurisprudence 民商法学(含劳动法学、社会保障法学) Civil Law and Commercial Law (including Science of Labour Law and Science of Social Security Law ) 诉讼法学Science of Procedure Laws 经济法学Science of Economic Law 环境与资源保护法学Science of Environment and Natural Resources Protection Law 国际法学(含国际公法学、国际私法学、国际经济法学、) International law (including International Public law, International Private Law and International Economic Law) 军事法学Science of Military Law 政治学Political Science 政治学理论Political Theory 中外政治制度Chinese and Foreign Political Institution 科学社会主义与国际****主义运动Scientific Socialism and International Communist Movement 中国共产党党史(含党的学说与党的建设) History of the Communist Party of China (including the Doctrine of China Party and Party Building) 马克思主义理论与思想政治教育Education of Marxist Theory and Education in Ideology and Politics 国际政治学International Politics 国际关系学International Relations 外交学Diplomacy 社会学Sociology
计量经济学中英对照词汇 Absolute deviation, 绝对离差 Absolute number, 绝对数 Absolute residuals, 绝对残差 Acceleration array, 加速度立体阵 Acceleration in an arbitrary direction, 任意方向上的加速度Acceleration normal, 法向加速度 Acceleration space dimension, 加速度空间的维数Acceleration tangential, 切向加速度 Acceleration vector, 加速度向量 Acceptable hypothesis, 可接受假设 Accumulation, 累积 Accuracy, 准确度 Actual frequency, 实际频数 Adaptive estimator, 自适应估计量 Addition, 相加 Addition theorem, 加法定理 Additive Noise, 加性噪声 Additivity, 可加性 Adjusted rate, 调整率 Adjusted value, 校正值 Admissible error, 容许误差 Aggregation, 聚集性 Alpha factoring,α因子法 Alternative hypothesis, 备择假设 Among groups, 组间 Amounts, 总量 Analysis of correlation, 相关分析 Analysis of covariance, 协方差分析 Analysis Of Effects, 效应分析 Analysis Of Variance, 方差分析 Analysis of regression, 回归分析 Analysis of time series, 时间序列分析 Analysis of variance, 方差分析 Angular transformation, 角转换 ANOVA （analysis of variance）, 方差分析 ANOVA Models, 方差分析模型 ANOVA table and eta, 分组计算方差分析 Arcing, 弧/弧旋
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 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。
①，指客观事物的发展规律。 ②，指一种观点、思想方法和理论。 ③，指人的思维的规则和规律。 ④，指逻辑的科学即逻辑学。 逻辑形式是用逻辑变项和逻辑常项表示的思维结构。 (1)逻辑变项是思维内容的符号表示，在逻辑形式中代表可以变化的经验内容，也可以看作一种“空位”；对于一个逻辑形式而言，在空位上填入什么“内容”不会影响逻辑形式的特征。 (2)逻辑常项是逻辑形式中不变的部分，如果逻辑常项（个体常项除外）不同，逻辑形式的性质也就不同。因此，逻辑形式的性质是由逻辑常项决定的 ：不同内容的命题和推理自身所具有的共同结构。 对逻辑而言，人工语言是用来表示或显示逻辑形式的，我们把这个人工语言叫做对象语言。 对象语言是用来表示思维对象的语言，对象语言是被陈述的语言。 言，元语言是陈述语言的语言。 简单命题（原子命题）是由词项构成的命题。它自身不再含有其它命题了。 复合命题是由命题构成的命题。也就是说，复合命题可以分析为命题和逻辑联词。（基本的复合命题可以进一步划分为联言、选言、假言和负的复合命题，它们是复合命题与推理讨论的基本对象。） 复合命题基本结构是“主项+谓项”，按照量词划分，全称的，特称的，单称的。 联言命题是反映一个或几个思维对象同时具有某些属性的复合命题。（显然，，联言命题就是几个命题的“联合”，他陈述的是几个同时存在的事实。） 联言判断：就是几种事物情况同时存在的判断。 选言命题是反映一个或几个思维对象所具有的某些属性至少有一种情况存在的复合命题。 相容选言判断：断定几个选言支至少有一个为真的选言判断。 不相容选言判断：断定其选言支中有并且只有一个选言支为真的选言判断。 选言判断：就是断定几种可能事物情况至少有一种存在的判断。 假言命题陈述的是两个思维对象之间的条件关系。因此又叫条件命题、蕴涵命题。
北京师范大学西方经济学专业杨澄宇宏观经济学 考博真题-参考书-状元经验 一、专业的设置 北京师范大学经济与工商管理学院每年招收博士生21人，下设政治经济学、西方经济学、世界经济、金融学、劳动经济学、教育经济与管理、人力资源管理，共7个专业。 西方经济学专业下设杨晓维的宏、微观理论与中国经济问题；杨澄宇的宏观经济学；李锐的微型金融和应用计量经济学；尹恒的公共财政和产业组织。 二、考试的科目 西方经济学的考试科目为：①1101英语②2241微观与宏观经济学③3013计量经济学 三、导师介绍 杨澄宇：博士，北京师范大学经济与工商管理学院副院长 四、参考书目 专业课信息应当包括一下几方面的内容： 第一，关于参考书和资料的使用。这一点考生可以咨询往届的博士学长，也可以和育明考博联系。参考书是理论知识建立所需的载体，如何从参考书抓取核心书目，从核心书目中遴选出重点章节常考的考点，如何高效的研读参考书、建立参考书框架，如何灵活运用参考书中的知识内容来答题，是考生复习的第一阶段最需完成的任务。另外，考博资料获取、复习经验可咨询叩叩：肆九叁叁，柒壹六，贰六，专业知识的来源也不能局限于对参考书的研读，整个的备考当中考生还需要阅读大量的paper，读哪一些、怎么去读、读完之后应该怎么做，这些也会直接影响到考生的分数。 第二，专题信息汇总整理。每一位考生在复习专业课的最后阶段都应当进行专题总结，专题的来源一方面是度历年真题考点的针对性遴选，另一方面是导师
研究课题。最后一方面是专业前沿问题。每一个专题都应当建立详尽的知识体系，做到专题知识点全覆盖。 第三，专业真题及解析。专业课的试题都是论述题，答案的开放性比较强。一般每门专业课都有有三道大题，考试时间各3小时，一般会有十几页答题纸。考生在专业课复习中仅仅有真题是不够的，还需要配合对真题最权威最正统的解析，两相印证才能够把握导师出题的重点、范围以及更加偏重哪一类的答案。 第四，导师的信息。导师的著作、研究方向、研究课题、近期发表的论文及研究成果，另外就是为研究生们上课所用的课件笔记和讨论的话题。这些都有可能成为初复试出题的考察重点。同时这些信息也是我们选择导师的时候的参照依据，当然选择导师是一个综合性的问题，还应当考虑到导师的研究水平、课题能力、对待学生的态度和福利等等。 第五，时事热点话题分析。博士生导师在选择博士的时候会一般都会偏重考查考生运用基础理论知识来解决现实热点问题的能力，这一点在初试和复试中都有体现。近几年的真题中都会有联系实际的热点分析。所以考生在复习备考时就应单多阅读一些本专业本学科的最新研究方向研究成果，权威的期刊上面“大牛们”都在关心、探讨什么话题，以及一些时事热点问题能不能运用本专业的知识来加以解释解决。 五、北师考博英语 北师的考博英语满分100分，题型有阅读、翻译和写作等。北师考博英语的整体难度介于六级和老托福之间，对词汇量有很高的要求，特别注重对形近字、意近词和固定搭配以及语法的考察。做阅读理解一定要遵守“实事求是”的原则，翻译这一个题型很容易丢分，考博资料获取、复习经验可咨询叩叩：肆九叁叁，柒壹六，贰六，要想得高分，每一天都要遵循“八步法”练习三个句子。作文对于考生的英语综合能力要求很高，要做到“厚重、灵动和美观”，复习资料建议使用育明教育考博分校编写的北师考博英语一本通。每年有大批的同学英语单科受限，对于英语基础比较差的考生，建议大家早做准备。
第一章 1.Econometrics（计量经济学）： the social science in which the tools of economic theory, mathematics, and statistical inference are applied to the analysis of economic phenomena. the result of a certain outlook on the role of economics, consists of the application of mathematical statistics to economic data to lend empirical support to the models constructed by mathematical economics and to obtain numerical results. 2.Econometric analysis proceeds along the following lines计量经济学分析步骤 1)Creating a statement of theory or hypothesis.建立一个理论假说 2)Collecting data.收集数据 3)Specifying the mathematical model of theory.设定数学模型 4)Specifying the statistical, or econometric, model of theory.设立统计或经济计量模型 5)Estimating the parameters of the chosen econometric model.估计经济计量模型参数 6)Checking for model adequacy : Model specification testing.核查模型的适用性：模型设定检验 7)Testing the hypothesis derived from the model.检验自模型的假设 8)Using the model for prediction or forecasting.利用模型进行预测 ●Step2：收集数据 ?T hree types of data三类可用于分析的数据 1)Time series(时间序列数据):Collected over a period of time, are collected at regular intervals.按时间跨度收集得到 2)Cross-sectional截面数据:Collected over a period of time, are collected at regular intervals.按时间跨度收集得到 3)Pooled data合并数据（上两种的结合） ●Step3：设定数学模型 1.plot scatter diagram or scattergram 2.write the mathematical model ●Step4：设立统计或经济计量模型 ?C LFPR is dependent variable应变量 ?C UNR is independent or explanatory variable独立或解释变量（自变量） ?W e give a catchall variable U to stand for all these neglected factors ?I n linear regression analysis our primary objective is to explain the behavior of the dependent variable in relation to the behavior of one or more other variables, allowing for the data that the relationship between them is inexact.线性回归分析的主要目标就是解释一个变量（应变量）与其他一个或多个变量（自变量）只见的行为关系，当然这种关系并非完全正确 ●Step5：估计经济计量模型参数 ?I n short, the estimated regression line gives the relationship between average CLFPR and CUNR 简言之，估计的回归直线给出了平均应变量和自变量之间的关系 ?T hat is, on average, how the dependent variable responds to a unit change in the