1.解释变量：又称为自变量，即模型y=β0+β1*x1+β2*x2+u中的x1、x2，如：y代表工资率，x1代表受教育程度，x2代表工作经验，则受教育程度、工作经验是解释变量（自变量）；
2.被解释变量：又称为因变量，即模型y=β0+β1*x1+β2*x2+u中的y，如：y代表工资率，x1代表受教育程度，x2代表工作经验，则工资率是被解释变量（因变量）；
3.随机解释变量：描述随机现象的解释变量是随机解释变量，如：在研究有效市场理论中，因变量是某一股票在t时刻的收益率，自变量是某一股票在t-1时刻的收益率，则该自变量是随机解释变量；
4.外生变量：模型y=β0+β1*x1+β2*x2+u中，与随机项u不相关的解释变量称为外生变量，即如果解释变量与随机项u的协方差cov（x1，u）=0、cov（x2，u）=0，则x1、x2是外生变量；
5.内生变量：模型y=β0+β1*x1+β2*x2+u中，与随机项u相关的解释变量称为内生变量，即如果解释变量与随机项u的协方差cov（x1，u）不等于0、cov（x2，u）不等于0，则x1、x2是内生变量；此时模型存在内生性问题，不满足估计量的无偏性与一致性，因此需要引入工具变量解决内生性问题；
6.工具变量：为了解决内生性问题，引入工具变量z，工具变量z是模型的外生变量，即具有外生性，协方差cov（z，u）=0；同时工具变量z能通过对解释变量x1（或x2）的作用而影响被解释变量y，即具有相关性，协方差cov（z，x1）不等于0；比如：李子奈老师对于工具变量的作用有一个更为精辟的比喻，内生变量好比一个不会喝酒的老板，他如果要陪客户就必须要喝酒，这时他就找个秘书，秘书不是老板，他不能自己去单独陪客户，但他可以协助老板来陪客户喝酒，在这里秘书就好比工具变量，而喝酒就好比计算。秘书喝酒能力越强，老板陪客户的效果就越好，类似的，工具变量越符合外生性与相关性这两个基本条件，得出的参数估计量越精确；
7.控制变量：控制变量一般是在自然科学中才被提及，计量经济学中，通过多元回归模型将其它解释变量的影响考虑到，起到了类似于自然科学中控制变量的作用。
请参考伍德里奇《计量经济学现代观点》。

解释得很详细，非常感谢！~