应用回归分析智慧树知到期末考试答案2024年

应用回归分析智慧树知到期末考试答案2024年应用回归分析在多元线性回归分析中，有关样本的决定系数说法正确的是

A:越接近于-1越好B:越接近于0越好C:取值区间为-1到1D:取值区间为0到1答案:取值区间为0到1检验等级相关系数时用的相关系数是

A:Spearman等级相关系数B:线性相关系数C:Pearson简单相关系数D:非线性相关系数答案:Spearman等级相关系数当模型参数初值不够准确，回归迭代不收敛时可采用的方法有

A:增加样本容量B:修改模型C:修改参数初值D:修改参数估计方法答案:修改参数初值如果多元回归模型的F检验结果中，F=462.58，F的p值为0.000000，则表明

A:所有解释变量对被解释变量的影响都显著B:模型的解释变量和被解释变量之间都有显著的线性关系C:所有解释变量对被解释变量的影响都不显著D:模型所描述的变量之间的线性关系总体上显著答案:模型所描述的变量之间的线性关系总体上显著存在异方差时，下列说法不正确的是

A:参数估计量非有效B:参数显著性检验有效C:参数估计是无偏的D:回归方程应用效果不理想答案:参数显著性检验有效在线性回归模型中，若解释变量X1和X2的观测值成比例，即有X1=K*X2，其中k为非零常数，则表明模型中存在

A:设定误差B:方差非齐性C:序列相关D:多重共线性答案:多重共线性下列方法中，可克服多重共线性的是

A:逐步回归法B:迭代法C:差分法D:加权最小二乘法答案:逐步回归法残差图分布呈现以下哪种情况时表示同方差

A:有规律的散布B:随机散布C:随解释变量增大而增大D:随解释变量增大而减小答案:随机散布在对多元线性回归模型进行总体显著性检验时，如果检验结果总体线性关系显著，则有

A:F检验结果不显著B:t检验结果不显著C:F检验显著D:t检验显著答案:F检验显著一元线性回归模型的最小二乘回归结果显示，残差平方和为40.32，样本容量为n=25,则回归模型的标准差是

A:1.613B:1.753C:1.27D:1.324答案:1.324一般多重共线性下参数估计量

A:不存在B:非有效C:有无穷多解D:唯一答案:非有效极大似然估计法是按从模型中得到的N组样本观测值的（）最大的准则确定样本回归方程。

A:方差B:离差平方和C:概率D:均值答案:概率对多元线性回归模型的系数进行显著性检验时，所用t检验的自由度为

A:n-p-2B:n-p-1C:n-p+1D:n-p+2答案:n-p-1逐步回归法既可以检验也可以消除（）

A:异方差B:多重共线性C:检验显著D:自相关答案:多重共线性使用加权最小二乘法消除异方差时，观测值的权数取观测值误差项方差的

A:平方B:倒数C:三次方D:倍数答案:倒数关于全模型正确而误用选模型造成的影响，下列说法不正确的是

A:选模型的参数估计有较小的方差B:选模型的参数估计是有偏的C:选模型的预测是有偏的D:选模型预测的均方误差比全模型预测的方差大答案:选模型预测的均方误差比全模型预测的方差大回归分析中估计回归参数的方法主要有

A:方差分析法B:极大似然估计法C:相关系数法D:最小二乘估计法答案:最小二乘估计法;极大似然估计法能消除异方差的方法有

A:对模型做变换B:逐步回归法C:广义最小二乘法D:加权最小二乘法答案:加权最小二乘法;广义最小二乘法;对模型做变换相关指数R2什么时候不能用于非线性回归模型的判断

A:回归拟合效果不好B:模型选择正确C:模型选择不正确D:回归拟合效果好答案:模型选择正确###回归拟合效果好关于DW检验的局限性说法错误的是

A:有无法确定的区域B:要求样本容量大于等于15C:不是一种常用的方法D:判断自相关性的结果比较粗糙答案:判断自相关性的结果比较粗糙;不是一种常用的方法古典线性回归模型的基本假定是

A:无自相关假定B:零均值假定C:正态性假定D:解释变量与随机误差项不相关假定E:同方差假定答案:零均值假定;同方差假定;无自相关假定;解释变量与随机误差项不相关假定;正态性假定相关指数R2什么时候可以用于非线性回归模型的判断

A:模型选择不正确B:回归拟合效果不好C:回归拟合效果好D:模型选择正确答案:模型选择正确###回归拟合效果好存在异方差时，下列说法正确的是

A:参数显著性检验有效B:参数估计量非有效C:回归方程应用效果不理想D:参数估计是无偏的答案:参数显著性检验有效回归模型的随机误差项形式由()决定

A:参数的估计方法B:模型的检验结果C:数据的经济意义D:主观判断答案:数据的经济意义###模型的检验结果关于自变量选择的准则，下列说法正确的有

A:复决定系数最大B:自由度调整复决定系数最大C:AIC最大D:BIC最小E:Cp统计量达到最小答案:自由度调整复决定系数最大###BIC最小###Cp统计量达到最小下面那种方法可以消除异方差

A:BOX-COX变换法B:差分法C:迭代法D:加权最小二乘法答案:加权最小二乘法###BOX-COX变换法存在异方差时，普通最小二乘估计存在的问题有

A:参数估计量非有效B:回归方程应用效果不理想C:参数显著性检验失效D:参数估计是有偏的答案:参数估计量非有效;参数显著性检验失效;回归方程应用效果不理想非线性回归中SST=SSR+SSE不成立

A:错B:对答案:对在实际问题的选择中，只从预测角度考虑，则应选择自由度调整复决定系数最大的模型。

A:错误B:正确答案:错误异方差的存在不会改变普通最小二乘估计的无偏性

A:错B:对答案:对在多元线性回归模型中，如果每一个自变量对因变量的影响都显著，则说明所有自变量对因变量的影响总体上显著。

A:对B:错答案:错BLUE的含义是最佳线性无偏估计量。

A:对B:错答案:对当模型中包含了一些不必要的自变量，模型的预测精度就会下降，这时候应该考虑用选模型。

A:对B:错答案:对在多元线性回归模型中，对回归方程进行显著性检验时，构造的检验统计量为F=[SSR/p]/[SSE/(n-p-1)]。

A:对B:错答案:对逐步回归法的步骤是，先用被解释变量对每一个所考虑的解释变量做简单回归，然后以对被解释变量贡献最小的解释变量所对应的回归方程为基础，按对被解释变量贡献大小的顺序逐个引入其余的解释变量。这一说法：

A:错B:对答案:错对于一元线性回归模型，总体显著性F检验和回归系数的t