第十章-一元线性回归

第11章一元线性回归一、填空1、回归系数的显著性测试，一般使用测试。2，如果回归方程的确定系数R2=0.81，则两个变量之间的相关系数r为_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _。3、如果变量和之间的相关系数r=0.8，则回归方程的确定系数R2为_ _ _ _ _ _ _ _ _ _ _ _ _ _ _。4，对于直线趋势方程式，如果n=9，a=b，则趋势方程式b=_ _ _ _ _ _ _ _。5、回归线方程式的参数b为_ _ _ _ _ _ _ _ _ _ _ _。估计暂挂参数a和b的常用方法是_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _。6、相关系数的值范围_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _。7，回归分析中，描述变量y如何依赖参数x和错误项的方程。8、回归分析中基于样本数据的方程。9、回归模型中反映的是。10、在回归分析中，f测试主要用于测试。11、描述回归方程拟合度检查的统计称为。二、单一主题1，年度劳动生产率(x:千元)和员工工资(y:元)之间的回归方程表示，年度劳动生产率没有提高1千元，员工的工资平均为a，增加70元b，减少70元c，增加80元d，减少80元2，如果两个变量的线性相关且相关系数r=-0.9，则两个变量之间存在()。a，强相关b，弱相关c，不相关d，负弱相关3，如果变量的线性相关性为零，则在两个变量之间显示()。a，完全相关b，不相关c，不完全相关d，线性关系4、相关关系和函数关系之间的连接反映在()中。a，相关关系普遍，函数关系是相关关系的特例b，函数关系普遍，相关关系是函数关系的特殊事例c，相关和函数关系是完全不同的两种现象d，相关和函数关系没有区别5，如果已知的x和y变量之间存在线性关系，x=10，y=8，xy2=-7，n=100，则x和y存在()。a，重要的正相关b，低正相关c，重要的负相关d，低负相关6、特定地区过去5年粮食生产的直线趋势估计如下：这5年的时间码如下：-2，-1，0，1，2，因此，今年的粮食产量为。a、107 B、102.5 C、108 D、113.57，两个变量的线性相关性为-1，表示两个变量之间()。a，完全相关b，不相关c，不完全相关d，线性关系8，如果已知x和y变量之间存在线性关系，x=10，y=8，xy2=-7，n=100，则x和y存在()。a，重要的正相关b，低正相关c，重要的负相关d，低负相关9、以下哪个问题不是回归分析将解决的问题()。a，判断变量之间是否存在关系b，判断一个变量的数值变化对另一个变量的影响b、描述变量之间关系的强度d、反映示例的变量之间的关系是否可以表示整个变量之间的关系10，以下假设之一是否属于相关分析的假设():a，两个变量之间的非线性关系b，两个变量都是伴随变量c，参数是随机变量，因为它不是随机变量d，而是一个变量的值增加，另一个变量的值增加11，根据你的判断，机织表面的相关系数值中，哪一个错了()。a、-0.86 B、0.78 C、1.25 D、012，变量x和y之间的负相关表示()。a，x值增加时，y值增加；b，x值减少时，y值减少c，x值增加时，y值减少；x值减少时，y值增加d，y的值几乎不受x值的影响13，已知回归平方和SSR=4584，剩馀平方和SSE=146时，确定系数R2=()。a，97.08% B，2.92% C，3.01% D，33.25%14，回归分析中，如果回归平方和所占比重较大()a，相关度高的b，相关度低的c，完全相关的d，完全无关的d15，在以下回归方程中肯定是错误的()a、b、a、b、16，如果变量x和y之间的相关系数r=0.8，则回归方程的停止系数R2=()。a、0.8 B、0.89 C、0.64 D、0.4017、根据标准化残差图，主要用于直观判断()a，如果回归模型的线性关系重要，b，回归系数重要c，错误项取决于正态分布的假设，d，错误项等方差的假设是否成立18、在错误项目基于正态分布的假设的情况下，标准化残差图中，标准化残差约95%属于()。a，-2到2之间的b，0到1之间的c，-1到1之间的d，-1到0之间的d19、在回归分析中，f测试主要用于测试()a，线性关系的凸度b，回归系数的系数凸度c，线性关系的凸度d，估算标准误差20，在一元线性回归方程中，回归系数的实际意义是()。a，x=0时y的预估b，x变更1个单位时y的平均变异数c，x变更1个单位时，y增加的数量d，y变更1个单位时，x的平均变动数量21、作为特定地区2000-2004年商品零售数据，系列的原点，成为商品零售直线趋势的一方，我想利用此数学模型预测2006年的零售规模(单位：万元)。a，683万元b，756万元c，829万元d，902万元22、测量某校学生考试成绩与学习时间的关系，考试成绩期待学习时间的直线回归方程如下：这个方程显然是错的，错误是。a，值计算错误，值正确，b，值计算错误，值正确c，值和值计算不正确。d、参数和变量关系无效23、每吨铸铁成本(元)依赖铸件废品率(%)变化的回归方程：意味着()a、废品率增加1%，成本每吨增加64元，废品率增加1%，成本每吨增加8%c，废品率每增加1%，成本每吨增加8元d，废品率增加1%，每吨成本为56元。三、选择题1，如果两个变量之间有一定的相关性，则以下结论中正确的是()a，回归系数的绝对值大于0 b，确定系数大于0 c，相关系数的绝对值大于0.3d，相关系数绝对值大于0.8 E，确定系数为02，在下一个一元线性回归表示中，确实表示错误的表示()。r是相关系数a、b、c、d、e、3，对于一元线性回归方程测试，可以()。a，t检查b，f检查c，t检查和f测试的结论相同D.t检验和f测试的结论是不同的e，使用决定系数4，一元线性回归方程及其符号可以说明()a，两个变量之间的相关性接近性b，两个变量之间的相关性方向c，参数增加或减少一个单位时变量的平均增加或减少d，变量增加或减少一个单位时参数的平均增加或减少e，回归方程的适合度5、在线性回归模型中使用最小二乘法方法时，存在随机误差的假设()a，各向同性差b，异方差c，期望值0 d，互不相干e，相等分布6，执行两个变量的回归分析时，()。a，两个变量的关系等于b，两个变量的关系是c，如无效，两个变量都是随机变量d，一个变量是参数，另一个变量是变量e，一个变量是随机变量，另一个变量是非随机变量7，回归分析中对总变分中剩余变分比重的小说明()。a，估计标准误差小b，估计标准误差大c，回归线的代表d，回归线的代表性小e，高估计精度8，回归分析中，如果回归平方和所占比重较大，则为()。a，相关度高的b，相关度低的c，完全相关的d，完全无关的e，晶体系数更大9，在回归分析中，剩余波动大于总恶化的主要说明。a，估计标准误差小b，估计标准误差大c，回归线的代表d，回归线的代表性小e，高估计精度10、估计标准误差为反映()。a，回归方程的代表性指标b，自变量级数不连续性的指标c，变量级数不连续性的指标d，变量估计置信度引起的指标e，收购置信度指标11、单位成本y(单位：因子)和产出率思想(单位：千个单位)的回归方程y=78-2x表示()。a，产量为1000个单位，单位成本为76元b，产量为1000个单位，单位成本为78元c，产量每增加1000个单位，单位成本平均减少2元d，产量每增加1000个单位，单位成本平均为78元e，单位成本为78元时，产量为3000个单位13、单位成本y(单位：因子)和产出率思想(单位：100个单位)的回归方程y=76-1.85x表示()。a，产量每增加100个单位，单位成本平均下降1.85元b，产量每100件单位成本平均减少1.85元c，产量和单价向相同方向变化d，产量和单价向相反方向变化e，生产200个单位，单位成本为72.3元12，反映回归方程好坏的指标是()。a、相关系数b、确定系数c、估计标准误差d、大小d、其他13，直线回归分析中确定直线回归方程的两个变量为()。a，一个参数，一个变量b，全部是随机变量c，等价d，一个是随机变量，另一个可以控制变量e，无效等关系四、短答型1、相关分析和回归分析的差异和联系的简要说明？2.汽车制造商收集了过去12年的相关资料，以了解广告费x对销售额的影响。以计算为基础，求出以下方差分析表，求出a，b的值，并说明销售变动中广告成本变动的程度。（）恶化的原因DfSS微软fSignificance F回归1.6.6b2.17E-09残茶104058.07a总计11.673.汽车制造商收集了过去12年的相关资料，以了解广告费x对销售额的影响。以计算为基础，求出以下方差分析表，求出a，b的值，并说明销售变动中广告成本变动的程度。（）恶化的原因DfSS微软fSignificance F回归1.6.6b2.17E-09残茶10.07a总计11.674.解释总变动，回忆平方和，残差平方和的意义，说明他们之间的关系。5、基于数据集的线性回归方程。要求：(1)解释章节的意思。(2)解释斜率的意义。(3)当x=6时计算E(y)。6、设置SSR=36、SSE=4、n=18、要求：(1)计算确定系数R2并说明其含义，(2)计算估计标准误差Se并说明其含义。五、计算问题1、从行业中随机挑选5家企业获得的产品生产和生产成本的数据如下。产品生产(台湾)Xi4050507080生产费(一万韩元)易130140145150156要求：，用最小二乘法求估计回归方程；计算晶体系数R2。附件：(10分)2.汽车制造商收集了过去12年的相关资料，以了解广告费x对销售额的影响。计算结果如下：方差分析表恶化的原因DfSS微软fSignificance F回归1a.6c2.17E-09残茶10.07b总计11.67参数估计表Coefficients标准错误t统计P-value拦截3