第11章 一元线性回归.doc

第11章 一元线性回归 三、选择题 1.具有相关关系的两个变量的特点是 （ ）。 . 一个变量的取值不能由另一个变量唯一确定 . 一个变量的取值由另一个变量唯一确定 . 一个变量的取值增大时，另一个变量的取值也一定增大 . 一个变量的取值增大时，另一个变量的取值肯定变小 2.下面的各问题中，哪个不是相关分析要解决的问题 （ ）。 . 判断变量之间是否存在关系 . 判断一个变量数值的变化对另一个变量的影响 . 描述变量之间的关系强度 . 判断样本所反映的变量之间的关系能否代表总体变量之间的关 3.下面的假定中，哪个属于相关分析中的假定 （ ）。 . 两个变量之间是非线性关系 . 两个变量都是随机变量 . 自变量是随机变量，因变量不是随机变量 . 一个变量的数值增大，另一个变量的数值也应增大 4.根据下面的散点图，可以判断两个变量之间存在 （ ）. 正线性相关关系 . 负线性相关关系. 非线性关系 . 函数关系5.根据下面的散点图，可以判断两个变量之间存在 （ ）. 正线性相关关系 . 负线性相关关系. 非线性关系 . 函数关系6.如果变量之间的关系近似地表现为一条直线，则称两个变量之间为 （ ）。 . 正线性相关相关 . 负线性相关关系 . 线性相关关系 . 非线性相关关系 7.如果一个变量的取值完全依赖于另一个变量，各观测点落在一条直线上称为两个变量之间为 （ ）。 . 完全相关关系 . 正线性相关关系 . 非线性相关关系 . 负线性相关关系 8.下面的陈述哪一个是错误的 （ ）。 . 相关系数是度量两个变量之间线性关系强度的统计量 . 相关系数是一个随机变量 . 相关系数的绝对值不会大于 . 相关系数不会取负值 9.根据你的判断，下面的相关系数取值哪一个是错误的 （ ）。 . -0.86 . 0.78 . 1.25 . 010.下面关于相关系数的陈述中哪一个是错误的 （ ）。 . 数值越大说明两个变量之间的关系就越强 . 仅仅是两个变量之间线性关系的一个度量，不能用于描述非线性关系 . 只是两个变量之间线性关系的一个度量，不一定意味着两个变量一定有因果关系 . 绝对值不会大于111.变量x与y之间的负相关是指 （ ）。 . x值增大时y值也随之增大 . x值减少时y值也随之减少 . x值增大时y值随之减少,或x值减少时y值随之增大 . y的取值几乎不受x取值的影响 12.如果相关系数r0,则表明两个变量之间 （ ）。 . 相关程度很低 . 不存在任何关系 . 不存在线性相关关系 . 存在非线性相关关系 13.设产品产量与产品单位成本之间 的线性相关系数为-0.87,这说明二者之间存在着 （ ）。 . 高度相关 . 中度相关 . 低度相关 . 极弱相关 14.设有4组容量相同的样本数据，即n=8，相关系数分别为：,若取显著性水平进行显著性检验，哪一个相关系数在统计上是不显著的 （ ）. . . . 15.下面哪一个问题不是回归分析要解决的问题 （ ）。 . 从一组样本数据出发,确定出变量之间的数学关系式 . 对数学关系式的可信程度进行各种统计检验,并从影响某一特定变量的诸多变量中找出 哪些变量的影响是显著的,哪些是不显著的 . 利用所求关系式,根据一个或几个变量的取值来估计或预测另一个特定变量的取值 . 度量两个变量之间的关系强度 16.在回归分析中,被预测或被解释的变量称为 （ ）。 . 自变量 . 因变量 . 随机变量 . 非随机变量 17.在回归分析中,用来预测或用来解释另一个变量的一个或多个变量称为 （ ）。 . 自 变量 . 因变量 . 随机变量 . 非随机变量 18.在回归分析中,描述因变量y如何依赖于自变量x和误差项的方程称为 （ ）。 . 回归方程 . 回归模型 . 估计的回归方程 . 经验回归方程 19.在回归分析中,根据样本数据求出的回归方程的估计称为 （ ）。 . 回归方程 . 回归模型 . 估计的回归方程 . 理论回归方程 20.在回归模型中，反映的是 （ ）. 由于x的变化引起y的线性变化部分. 由于y的变化引起x的线性变化部分. 除x和y的线性关系之外的随机因素对y的影响. x和y的线性关系对y的影响21.下面关于回归模型的假定中哪一个是不正确的 （ ）. 自变量x是随机的. 误差项是一个期望值为0的随机变量. 对于所有的x值，的方差都相同. 误差项是一个服从正态分布的随机变量，且独立22.根据最小二乘法拟合直线回归方程是使 ( ). 最小 . 最小. 最小 . 最小23.在一元线性回归方程中，回归系数最小的实际意义是 ( ). 当x=0时，y的期望值. 当x变动1个单位时，y的平均变动数量. 当x变动1个单位时，y增加的总数量. 当y变动1个单位时，x的平均变动数量24.如果两个变量之间存在着负相关，指出下列回归方程中哪个肯定有误 （ ）. . . . 25.对不同年份的产品成本拟合的直线方程为，回归系数表示 （ ）. 时间每增加1个单位，产品成本平均增加1.75个单位. 时间每增加1个单位，产品成本平均下降1.75个单位. 产品成本每变动1个单位，平均需要1.75个单位. 时间每减少1个单位，产品成本平均增加1.75个单位26.在回归分析中,检验主要是用来检验 （ ）。 . 相关系数的显著性 . 回归系数的显著性 . 线性关系的显著性 . 估计标准误差的显著性 27.说明回归方程拟合优度的统计量是 （ ）。 . 相关系数 . 回归系数 . 判定系数 . 估计标准误差 28.各实际观测值（）与回归值（）的离差平方和称为 （ ）. 总变差平方和 . 残差平方和 . 回归平方和 . 判定系数 29.在直线回归方程中，若回归系数，则表示 （ ）. y对x的影响是显著的 . y对x的影响是不显著的. x对y的影响是显著的 . x对y的影响是不显著的30.若两个变量之间完全相关，在以下结论中不正确的是 （）. . 判定系数. 估计标准误差 . 回归系数31.回归平方和占总平方和的比例称为 （ ）。 . 相关系数 . 回归系数 . 判定系数 . 估计标准误差 32.下面关于估计标准误差的陈述中不正确的是 （ ）。 . 均方残差的平方根 . 对误差项的标准差的估计 . 排除了对的线性影响后，随机波动大小的一个估计量 . 度量了两个变量之间的关系强度 33.在回归分析中，利用估计的回归方程，对于的一个特定值，求出的平均值的一个估计值，称为 （ ）。 . 平均值的点估计 . 个别值的点估计 . 平均值的置信区间估计 . 个别值的预测区间估计 34.在回归分析中，利用估计的回归方程，对于的一个特定值，求出的一个个别值的一个估计值，称为 （ ）。 . 平均值的点估计 . 个别值的点估计 . 平均值的置信区间估计 . 个别值的预测区间估计 35.已知回归平方和,残差平方和,则判定系数（）.97.08 . 2.92. 3.01 . 33.2536.在因变量的总离差平方和中,如果回归平方和所占比重大,则两变量之间 （ ）。 . 相关程度高 . 相关程度低 . 完全相关 . 完全不相关 37.对于有线性相关关系的两变量建立的直线回归方程中，回归系数 （ ）. 可能为 0 . 可能小于0. 只能是正数 . 只能是负数38.由最小二乘法得到的回归直线，要求满足因变量的 （ ）。 . 平均值与其估计值的离差平方和最小 . 实际值与其平均值的离差平方和最小 . 实际值与其估计值的离差和为0. 实际值与其估计值的离差平方和最小 39.一个由100名年龄在3060岁的男子组成的样本，测得其身高与体重的相关系数0.45，则下列陈述中正确的是 （ ）。 . 较高的男子趋于较重 . 身高与体重存在低度正相关 . 体重较重的男子趋于较矮 . 45的较高的男子趋于较重 40.如果两个变量之间完全相关，则以下结论中不正确的是 （ ）. 相关系数 .判定系数 . 回归系数 . 估计标准误差 41.下列方程中肯定错误的是 （ ）. ，. ，. ，. ，42.若两个变量存在负线性相关关系，则建立的一元线性回归方程的判定系数的取值范围是 （ ）。 . 0,1 . -1,0 . -1，1 . 小于0的任意数 43.在回归估计中，给定自变量的取值，求得的置信区间与预测区间相比 （ ）。 . 二者的区间宽度是一样的 . 置信区间比预测区间宽 . 置信区间比预测区间窄 . 置信区间有时比预测区间宽，有时比预测区间窄 44.在回归估计中，自变量的取值越远离其平均值，求得的的预测区间 （ ）。. 越宽 . 越窄. 越准确 . 越接近实际值45.回归平方和SSR反映了y的总变差中 （ ）。 . 由于x与y之间的线性关系引起的y的变化部分 . 除了x对y的线性影响之外的其他因素对y变差的影响 . 由于x与y之间的非线性关系引起的y的变化部分 . 由于x与y之间的函数关系引起的y的变化部分 46.残差平方和SSE反映了y的总变差中 （ ）。 . 由于x与y之间的线性关系引 起的y的变化部分 . 除了x对y的线性影响之外的其他因素对y变差的影响 . 由于x与y之间的非线性关系引起的y的变化部分 . 由于x与y之间的函数关系引起的y的变化部分 47.若变量x与y之间的相关系数0.8,则回归方程的判定系数（ ）。 . 0.8 . 0.89 . 0.64 . 0.4048. 若变量x与y之间的相关系数0,则下列结论中正确的是 （ ）。 . 判定系数 . 判定系数. 回归系数 . 估计标准误差49.某汽车生产商欲了解广告费用（x）对销售量（y）的影响，收集了过去12年的有关数据。通过计算得到下面的方差分析表（）：变差来源dfSSMSFSignificance F回归11602708.61602708.62.17E-09残差1040158.07总计111642866.67方差分析表中空格的数据分别为 （ ）。. 4015.807和399.1 . 4015.807和0.0025. 0.9755和399.1 . 0.0244和0.002550. 某汽车生产商欲了解广告费用（x）对销售量（y）的影响，收集了过去12年的有关数据。通过计算得到下面的方差分析表（）：变差来源dfSSMSFSignificance F回归11602708.61602708.62.17E-09残差1040158.07总计111642866.67根据上表计算的相关系数为 （ ）。. 0.9844 . 0.9855 . 0.9866 . 0.987751. 某汽车生产商欲了解广告费用（x）对销售量（y）的影响，收集了过去12年的有关数据。通过计算得到下面的方差分析表（）：变差来源dfSSMSFSignificance F回归11602708.61602708.62.17E-09残差1040158.07总计111642866.67根据上表计算的估计标准误差为 （ ）。. 1265.98 . 63.37 . 1281.17 . 399.152. 某汽车生产商欲了解广告费用（x）对销售量（y）的影响，收集了过去12年的有关数据。通过计算得到下面的方差分析表（）：变差来源dfSSMSFSignificance F回归11602708.61602708.62.17E-09残差1040158.07总计111642866.67根据上表计算的判定系数为 （ ）。. 0.9856 . 0.9855 . 0.9756 . 0.987753.标准化残差图主要用于直观地判断 （ ）。. 回归模型的线性关系是否显著. 回归系数是否显著. 误差项服从正态分布的假定是否成立. 误差项等方差的假定是否成立54.如果误差项服从正态分布的假定成立，那么在标准化残差图中，大约有95的标准化残差落在 （ ）。. -2+2之间 . 01之间. -1+1之间 . -10之间55.标准化残差是 （ ）。. 残差