2025年大学统计学期末考试题库-统计软件应用实战试题

2025年大学统计学期末考试题库-统计软件应用实战试题考试时间：______分钟总分：______分姓名：______一、单项选择题（本大题共20小题，每小题1分，共20分。在每小题列出的四个选项中，只有一个是符合题目要求的，请将其字母代号填在题后的括号内。错选、多选或未选均无分。）1.在使用统计软件进行数据分析时，以下哪种操作最有助于提高数据处理的效率？A.一次只处理一个数据文件B.手动输入所有数据C.使用循环和宏命令批量处理数据D.仅在需要时才打开数据窗口2.当你在统计软件中创建图表时，哪个选项可以帮助你更清晰地展示数据的分布情况？A.使用3D图表B.选择合适的图表类型，如直方图或箱线图C.增加图表的颜色数量D.尽可能让图表中的文字最小化3.在进行数据清洗时，以下哪种方法最常用于处理缺失值？A.删除包含缺失值的整个记录B.使用平均值或中位数填充缺失值C.将缺失值标记为特殊值D.使用回归分析预测缺失值4.如果你在统计软件中运行回归分析，但发现残差图中存在明显的模式，这可能意味着什么？A.数据质量较差B.模型不适合这些数据C.需要增加更多的自变量D.需要使用非线性模型5.在进行假设检验时，以下哪个选项是正确的？A.p值越小，拒绝原假设的证据越强B.p值越大，拒绝原假设的证据越强C.p值等于1时，必须拒绝原假设D.p值等于0时，必须接受原假设6.当你在统计软件中创建散点图时，哪个选项可以帮助你识别数据中的异常值？A.使用不同的颜色区分不同的数据点B.使用趋势线C.使用箱线图辅助分析D.增加图表的尺寸7.在进行方差分析时，以下哪个选项是正确的？A.方差分析只能用于两个组别的比较B.方差分析假设各组别的方差相等C.方差分析不需要考虑数据的正态性D.方差分析只能用于连续型数据8.当你在统计软件中创建时间序列图时，哪个选项可以帮助你识别数据的季节性趋势？A.使用移动平均线B.使用不同的颜色区分不同的数据系列C.使用直方图D.增加图表的透明度9.在进行聚类分析时，以下哪个选项是正确的？A.聚类分析只能用于分类数据B.聚类分析需要预先指定聚类数量C.聚类分析的结果是唯一的D.聚类分析不需要考虑数据的尺度10.当你在统计软件中创建箱线图时，哪个选项可以帮助你比较不同组别的中位数？A.使用不同的颜色区分不同的数据系列B.使用不同的形状区分不同的数据系列C.使用趋势线D.增加图表的尺寸11.在进行回归分析时，以下哪个选项是正确的？A.回归分析只能用于线性关系B.回归分析假设误差项是正态分布的C.回归分析不需要考虑自变量的多重共线性D.回归分析只能用于两个变量12.当你在统计软件中创建饼图时，哪个选项可以帮助你展示不同部分的比例？A.使用不同的颜色区分不同的数据系列B.使用标签显示每个部分的百分比C.使用趋势线D.增加图表的尺寸13.在进行假设检验时，以下哪个选项是正确的？A.显著性水平越低，拒绝原假设的证据越强B.显著性水平越高，拒绝原假设的证据越强C.显著性水平等于1时，必须拒绝原假设D.显著性水平等于0时，必须接受原假设14.当你在统计软件中创建散点图时，哪个选项可以帮助你识别数据中的线性关系？A.使用不同的颜色区分不同的数据点B.使用趋势线C.使用箱线图辅助分析D.增加图表的尺寸15.在进行方差分析时，以下哪个选项是正确的？A.方差分析只能用于两个组别的比较B.方差分析假设各组别的方差相等C.方差分析不需要考虑数据的正态性D.方差分析只能用于连续型数据16.当你在统计软件中创建时间序列图时，哪个选项可以帮助你识别数据的趋势？A.使用移动平均线B.使用不同的颜色区分不同的数据系列C.使用直方图D.增加图表的透明度17.在进行聚类分析时，以下哪个选项是正确的？A.聚类分析只能用于分类数据B.聚类分析需要预先指定聚类数量C.聚类分析的结果是唯一的D.聚类分析不需要考虑数据的尺度18.当你在统计软件中创建箱线图时，哪个选项可以帮助你识别数据中的异常值？A.使用不同的颜色区分不同的数据系列B.使用不同的形状区分不同的数据系列C.使用趋势线D.增加图表的尺寸19.在进行回归分析时，以下哪个选项是正确的？A.回归分析只能用于线性关系B.回归分析假设误差项是正态分布的C.回归分析不需要考虑自变量的多重共线性D.回归分析只能用于两个变量20.当你在统计软件中创建饼图时，哪个选项可以帮助你展示不同部分的占比？A.使用不同的颜色区分不同的数据系列B.使用标签显示每个部分的百分比C.使用趋势线D.增加图表的尺寸二、多项选择题（本大题共10小题，每小题2分，共20分。在每小题列出的五个选项中，有多项是符合题目要求的。请将其字母代号填在题后的括号内。多选、少选或未选均无分。）1.在使用统计软件进行数据分析时，以下哪些操作可以提高数据处理的效率？A.使用循环和宏命令批量处理数据B.手动输入所有数据C.一次只处理一个数据文件D.使用数据透视表E.仅在需要时才打开数据窗口2.当你在统计软件中创建图表时，以下哪些选项可以帮助你更清晰地展示数据的分布情况？A.使用3D图表B.选择合适的图表类型，如直方图或箱线图C.增加图表的颜色数量D.使用标签显示数据点的值E.尽可能让图表中的文字最小化3.在进行数据清洗时，以下哪些方法可以用于处理缺失值？A.删除包含缺失值的整个记录B.使用平均值或中位数填充缺失值C.将缺失值标记为特殊值D.使用回归分析预测缺失值E.使用插值法填充缺失值4.如果你在统计软件中运行回归分析，但发现残差图中存在明显的模式，以下哪些情况可能是原因？A.数据质量较差B.模型不适合这些数据C.需要增加更多的自变量D.需要使用非线性模型E.需要重新定义因变量5.在进行假设检验时，以下哪些选项是正确的？A.p值越小，拒绝原假设的证据越强B.p值越大，拒绝原假设的证据越强C.p值等于1时，必须拒绝原假设D.p值等于0时，必须接受原假设E.p值在0.05以下时，通常认为结果具有统计学意义6.当你在统计软件中创建散点图时，以下哪些选项可以帮助你识别数据中的异常值？A.使用不同的颜色区分不同的数据点B.使用趋势线C.使用箱线图辅助分析D.增加图表的尺寸E.使用Z分数检测异常值7.在进行方差分析时，以下哪些选项是正确的？A.方差分析只能用于两个组别的比较B.方差分析假设各组别的方差相等C.方差分析不需要考虑数据的正态性D.方差分析只能用于连续型数据E.方差分析可以用于多个组别的比较8.当你在统计软件中创建时间序列图时，以下哪些选项可以帮助你识别数据的季节性趋势？A.使用移动平均线B.使用不同的颜色区分不同的数据系列C.使用直方图D.增加图表的透明度E.使用季节性分解法9.在进行聚类分析时，以下哪些选项是正确的？A.聚类分析只能用于分类数据B.聚类分析需要预先指定聚类数量C.聚类分析的结果是唯一的D.聚类分析不需要考虑数据的尺度E.聚类分析可以帮助发现数据中的自然分组10.当你在统计软件中创建箱线图时，以下哪些选项可以帮助你比较不同组别的中位数？A.使用不同的颜色区分不同的数据系列B.使用不同的形状区分不同的数据系列C.使用趋势线D.增加图表的尺寸E.使用标签显示每个组别的中位数三、判断题（本大题共10小题，每小题1分，共10分。请判断下列各题的叙述是否正确，正确的填“√”，错误的填“×”。）1.在统计软件中，使用“数据透视表”可以快速对数据进行汇总和分组，这在处理大型数据集时尤其有用。√2.创建图表时，图表的标题和标签应该清晰明了，以便观众能够快速理解图表所传达的信息。√3.缺失值处理是一个复杂的过程，通常需要根据数据的性质和分析目的选择合适的方法。√4.在进行回归分析时，残差图是一个重要的诊断工具，可以帮助我们判断模型是否适合数据。√5.假设检验中的p值表示的是在原假设为真时，观察到当前数据或更极端数据的概率。√6.散点图是展示两个变量之间关系的一种有效图表，可以通过散点的分布情况来判断两个变量是否存在线性关系。√7.方差分析是一种用来比较多个组别均值是否相等的方法，它假设各组别的方差相等。√8.时间序列图是展示数据随时间变化的一种图表，可以通过趋势线和季节性分解来识别数据的长期趋势和季节性波动。√9.聚类分析是一种无监督学习方法，可以帮助我们发现数据中的自然分组。√10.箱线图是一种展示数据分布情况的图表，可以用来比较不同组别的中位数、四分位数和异常值。√四、简答题（本大题共5小题，每小题4分，共20分。请简要回答下列问题。）1.简述在使用统计软件进行数据分析时，如何提高数据处理的效率？在使用统计软件进行数据分析时，提高数据处理的效率可以通过以下几种方法：首先，使用数据透视表可以快速对数据进行汇总和分组；其次，编写循环和宏命令可以批量处理数据，避免重复手动操作；此外，合理组织数据文件，尽量将数据存储在统一的数据库中，可以减少数据导入导出的时间；最后，使用软件的内置函数和工具，如数据清洗工具、自动化的数据验证功能等，可以减少数据处理的时间和错误率。2.在进行数据清洗时，如何处理缺失值？请列举至少三种方法。在进行数据清洗时，处理缺失值的方法有多种。第一种方法是删除包含缺失值的整个记录，这种方法简单但可能会导致数据丢失过多；第二种方法是使用平均值或中位数填充缺失值，这种方法适用于数据分布较为均匀的情况；第三种方法是使用回归分析预测缺失值，这种方法需要建立预测模型，但可以保留更多的数据信息；此外，还可以使用插值法填充缺失值，这种方法适用于时间序列数据；另外，将缺失值标记为特殊值也是一种常见的处理方法，可以在后续分析中特别处理这些缺失值。3.在进行回归分析时，如何判断模型是否适合数据？请列举至少两种方法。在进行回归分析时，判断模型是否适合数据的方法有多种。第一种方法是查看残差图，如果残差图中存在明显的模式，如曲线或线性趋势，说明模型可能不适合数据；第二种方法是计算R平方值，R平方值越接近1，说明模型的解释能力越强；此外，还可以使用F检验来判断模型的显著性，如果F检验的p值小于显著性水平，说明模型是显著的；另外，还可以使用多重共线性检验来判断自变量之间是否存在多重共线性，如果存在多重共线性，需要考虑剔除或合并自变量。4.在进行假设检验时，p值的意义是什么？请解释p值小于0.05时的含义。在进行假设检验时，p值表示的是在原假设为真时，观察到当前数据或更极端数据的概率。如果p值小于显著性水平（通常为0.05），说明观察到当前数据或更极端数据的概率较小，因此有足够的证据拒绝原假设；如果p值大于或等于显著性水平，说明观察到当前数据或更极端数据的概率较大，因此没有足够的证据拒绝原假设。p值小于0.05时，通常认为结果具有统计学意义，即结果不是偶然发生的，而是具有真实的效应。5.在进行聚类分析时，如何选择合适的聚类数量？请列举至少两种方法。在进行聚类分析时，选择合适的聚类数量是一个重要的步骤。第一种方法是使用肘部法则，通过计算不同聚类数量下的总内平方和（WSS），找到WSS下降速度明显减缓的点，该点对应的聚类数量即为合适的聚类数量；第二种方法是使用轮廓系数法，通过计算不同聚类数量下的轮廓系数，选择轮廓系数最高的聚类数量；此外，还可以使用Gap统计量，通过比较不同聚类数量下的Gap统计量，选择Gap统计量最大的聚类数量；另外，还可以通过业务知识和领域专家的意见来选择合适的聚类数量，结合多种方法进行综合判断。本次试卷答案如下一、单项选择题答案及解析1.C解析：使用循环和宏命令批量处理数据可以自动化重复性任务，显著提高数据处理效率，避免手动操作的低效和错误。2.B解析：直方图和箱线图能够直观展示数据的分布情况，特别是中位数、四分位数和异常值，帮助用户快速理解数据特征。3D图表虽然炫丽，但往往增加解读难度。颜色数量过多和文字最小化都不是清晰展示分布的有效手段。3.B解析：在实际操作中，使用平均值或中位数填充缺失值是最常见且简单的方法，适用于数据大致呈正态分布或偏态分布的情况。删除记录会造成数据损失，标记为特殊值和回归预测则相对复杂或适用场景有限。4.B解析：残差图是检验回归模型拟合优度的重要工具。如果残差图中存在明显模式（如曲线、趋势线），表明模型未能充分捕捉数据中的变异，可能存在非线性关系、遗漏变量等问题，说明模型不适合这些数据。5.A解析：p值是假设检验中的关键指标，其值越小，表明在原假设为真的情况下观察到当前样本结果的概率越小，因此拒绝原假设的证据越强。p值大则相反，p值等于1或0是极端情况，通常不作为判断标准。p值小于0.05常被认为具有统计学意义，但不代表等于0.05时就必须接受原假设。6.E解析：Z分数是衡量数据点距离均值标准差个数的统计量。计算每个数据点的Z分数，然后设定阈值（如绝对值大于2或3），可以有效地识别异常值。散点图、趋势线和箱线图更多用于展示数据关系和分布，颜色、形状、尺寸和透明度主要是美化图表，辅助理解，而非直接检测异常值。7.E解析：方差分析（ANOVA）不仅可以用于两个组别，还可以用于三个或更多组别均值差异的比较。它假设各组别方差相等（同方差性）且数据通常要求正态分布和独立同分布。箱线图是辅助分析工具，不是ANOVA本身。8.A解析：移动平均线可以平滑短期波动，突出长期趋势，尤其有助于识别数据的季节性模式。时间序列图本身展示数据随时间变化，但结合移动平均线可以更清晰地看到趋势和周期性。颜色、直方图、透明度与季节性识别关系不大。9.E解析：聚类分析是用于发现数据内在分组结构的方法，可以处理数值型和类别型数据（经编码后）。它不需要预先指定聚类数量，结果通常是多个可能的聚类方案，需要结合业务需求和评估指标选择。尺度问题（标准化）对结果影响很大，不是不考虑。10.A解析：箱线图通过中位数、四分位数和须线展示数据分布，不同组别的箱线图并排比较时，中位数的高低差异非常直观。颜色和形状区分系列，趋势线用于回归分析，尺寸和标签更多是辅助信息。11.B解析：回归分析不仅限于线性关系（可扩展到非线性），但假设误差项（残差）是独立同分布的正态随机变量。处理多重共线性（自变量间高度相关）是回归分析中的重要问题，忽略可能导致模型不稳定。它可以涉及多个自变量。12.B解析：饼图主要用于展示各部分占整体的比例，使用标签显示每个部分的百分比是最直接、最清晰的方式，让观众一目了然。颜色、形状、趋势线和尺寸虽然可以美化，但并非展示占比的核心手段。13.A解析：显著性水平（α）是事先设定的拒绝原假设的门槛（如0.05）。p值是观察到当前结果或更极端结果的概率。p值小于α时，说明结果的发生概率小于我们愿意承担的风险，因此拒绝原假设的证据越强。p值大则反之。p值等于1或0是理论极限，实际中很少见。显著性水平决定“强证据”的标准。14.B解析：散点图的核心用途是展示两个变量间的相关性。添加趋势线（回归线）可以直观显示两者关系的方向和强度，是判断线性关系的常用方法。颜色、形状、箱线图、尺寸主要用于区分或美化，而非判断线性关系本身。15.B解析：方差分析的核心假设之一是各组总体方差相等（同方差性）。如果方差不齐，可能需要采用调整方法（如Welch'sANOVA）或转换数据。它适用于多个组别的比较，数据通常要求正态分布和独立。箱线图是辅助分析工具。16.A解析：移动平均线通过平滑短期波动，可以有效地揭示数据的长期趋势和季节性模式。时间序列图本身展示数据变化，但移动平均线作为一种滤波器，有助于“滤掉”噪音，凸显主要模式。颜色、直方图、透明度与趋势识别关系不大。17.E解析：聚类分析是无监督学习，旨在发现数据中隐藏的自然分组，不需要预先指定类别或标签（分类数据）。聚类结果不是唯一的，受算法和参数影响，可能存在多个合理解。它对数据尺度敏感，标准化通常是必要的步骤。18.A解析：箱线图的须线通常延伸到1.5倍四分位距（IQR）范围内的数据点，超出此范围的数据点常被标记为异常值。使用不同的颜色区分不同的数据系列有助于在多组箱线图中识别各组别的异常值。趋势线、形状、尺寸、箱线图（用于比较分布）与检测单组异常值关系不大。19.B解析：回归分析的核心假设之一是误差项（残差）服从正态分布。虽然线性回归可以扩展，但经典线性回归（OLS）假设误差正态性是进行参数估计和假设检验的基础。它通常涉及两个或多个自变量，可以处理线性或非线性关系（需特定方法）。20.B解析：饼图展示占比的核心在于清晰展示各部分所占百分比。使用标签直接显示每个部分的百分比是最有效的方式，让观众快速获取精确信息。颜色、形状、趋势线和尺寸更多是辅助信息，而非展示占比本身。二、多项选择题答案及解析1.ADE解析：使用循环和宏命令（A）可以自动化批量处理，极大提高效率。使用数据透视表（D）可以快速汇总和分组。仅在需要时才打开数据窗口（E）可以减少不必要的数据加载和操作，节省时间。手动输入所有数据（B）效率低下且易错。一次只处理一个数据文件（C）可能导致需要处理大量文件时的低效率。2.BD解析：选择合适的图表类型（如直方图、箱线图）是清晰展示分布的关键（B）。使用标签显示数据点的值（如百分比、具体数值）可以增加图表的信息量，使分布更清晰（D）。3D图表（A）常增加解读复杂性。颜色数量过多（C）可能干扰而非帮助理解。文字最小化（E）会降低可读性。3.ABCDE解析：删除记录（A）是简单方法，但损失信息。使用平均值/中位数填充（B）常用且直观。标记为特殊值（C）允许后续特殊处理。回归预测（D）可以保留更多信息。插值法（E）适用于时间序列等有序数据。这些都是常见方法。4.ABCDE解析：残差图存在模式（A）表明模型有未解释的变异。模型不适合（B）是直接结论。需要增加自变量（C）可能解决遗漏变量问题。使用非线性模型（D）可能更符合数据关系。重新定义因变量（E）可能改变问题的核心。这些都是可能原因。5.AE解析：p值越小，拒绝原假设的证据越强（A）。p值小于0.05通常认为结果具有统计学意义（E）。p值大则证据弱（B错）。p值等于1或0是理论情况（C错）。p值等于0时通常接受原假设（D错）。6.ACE解析：使用不同颜色/形状区分数据点（A）有助于识别不同组别或类别。使用箱线图（C）可以辅助识别异常值（箱线图末端点）。使用Z分数检测（E）是统计上识别离群点的常用方法。趋势线（B）主要显示趋势。图表尺寸（D）与检测异常值无直接关系。7.E解析：ANOVA可以比较多个组别（E）。只能用于两个组别（A错）。假设方差相等（B对）。通常要求正态分布和独立（C错）。可用于连续型数据（D对，因比较均值）。8.AE解析：移动平均线（A）是识别趋势和季节性的常用工具。季节性分解法（E）是专门分析季节性模式的方法。不同颜色（B）、直方图（C）、透明度（D）与季节性识别关系不大。9.E解析：聚类分析旨在发现自然分组（E）。不限于分类数据（A错）。无需预指定数量（B错）。结果通常不唯一（C错）。需要考虑尺度（D错，需标准化）。10.ABD解析：不同颜色/形状区分系列（A）有助于比较。趋势线（C）用于回归分析。增加尺寸（D）可能让差异更明显。标签显示中位数（E）虽有用，但题目问的是“选项”，A、B、D是更核心的图表比较功能。三、判断题答案及解析1.√解析：数据透视表是统计软件中强大的数据分析工具，允许用户动态地重新组织、汇总和聚合数据，特别适合快速探索大型数据集的结构和模式，显著提高数据处理效率。2.√解析：图表的最终目的是传递信息。清晰的标题应说明图表内容，坐标轴标签应明确变量名称和单位，数据标签（如图例、百分比）应清晰可见，避免观众误解或需要花费过多时间猜测。这是专业图表制作的基本要求。3.√解析：缺失值处理没有万能方法，需要根据数据的具体情况（如缺失比例、缺失机制）和分析目标来选择。例如，对于少量缺失，删除可能可行；对于大量缺失，填充（均值、中位数、回归等）或模型（如多重插补）可能更合适。这是一个需要结合经验和统计知识的判断过程。4.√解析：残差是实际观测值与模型预测值之间的差异。理想情况下，残差应随机分布在零附近，没有明显模式。如果残差图显示曲线、线性趋势或其他模式，说明模型未能捕捉到数据中的某些结构，或者违反了回归分析的基本假设（如非线arity、异方差性、自相关性），因此判断模型不适合数据。5.√解析：这是p值的标准定义。p值衡量的是在原假设（通常认为“没有效应”或“没有差异”）实际上成立的前提下，我们观察到当前样本结果（或更极端结果）的可能性大小。p值越小，这个“巧合”的可能性越小，从而我们有更强的理由怀疑原假设可能是错误的，即拒绝原假设的证据越强。6.√解析：Z分数衡量一个数据点距离其均值有多少个标准差。通常，绝对值大于2或3的Z分数被认为是异常值，因为它们落在均值加减2个或3个标准差之外，这些区域在正态分布中仅占约5%或0.3%以下。因此，Z分数是识别远离群体平均水平的个体的有效统计量。7.√解析：方差分析（ANOVA）的核心目的就是检验多个（大于等于两个）组别或水平的均值是否存在显著差异。它通过比较组内方差和组间方差来实现这一目标。虽然同方差性是重要假设，但ANOVA的主要应用场景就是比较多组均值。箱线图是可视化工具，不是ANOVA本身。8.√解析：时间序列图本身就是展示数据随时间变化的图形。移动平均线作为一种平滑技术，可以滤除短期波动，凸显长期趋势和潜在的周期性（如季节性）。时间序列分解方法更是专门用来分离趋势、季节性和随机成分。因此，移动平均线和分解法都是识别时间序列图中季节性趋势的有效辅助手段。9.√解析：聚类分析属于无监督学习，其主要目标是探索数据内在的层次结构或分组，而不需要事先知道或标记这些组别。它的目的是“发现”数据中的自然模式，从而将相似的数据点归为一类。因此，它不需要预先指定聚类数量或类别标签，这是其与传统分类（监督学习）的主要区别之一。10.√解析：箱线图通过展示中位数、上下四分位数（决定箱体）和须线（通常延伸到1.5倍IQR范围内的数据）来概括数据分布的形状、中心位置和离散程度。当将多个组别的箱线图并排展示时，比较中位数的高低可以非常直观地看出哪组数据的中心值更大或更小。这是箱线图在比较多组数据分布中心位置时的主要优势。四、简答题答案及解析1.答案：使用循环和宏命令批量处理数据；合理组织数据文件，减少导入导出次数；利用软件内置函数和自动化工具（如数据透视表、数据清洗工具）；编写脚本（如R、Python）进行复杂任务自动化。解析：提高数据处理效率的关键在于减少重复劳动和优化操作流程。循环和宏命令（如SPSS的Syntax，SAS的Macro）允许对多个数据集或多个步骤进行自动化重复操作，避免手动点击，节省大量时间。将数据集中管理，使用数据库或结构化的工作簿，可以减少在不同文件间切换和重复导入导出的时间。统计软件通常提供强大的内置函数和向导工具，如数据透视表可以快速汇总，数据清洗工具可以自动处理缺失值或异常值。对于更复杂的任务，编写脚本（如R或Python）可以实现高度定制化和自动化的数据处理流程，是最高效的方式之一。2.答案：删除包含缺失值的记录；使用平均值或中位数填充缺失值；使用回归分析预测缺失值；将缺失值标记为特殊值；使用插值法填充缺失值（尤其适用于时间序列）。解析：处理缺失值没有唯一正确的方法，选择取决于数据量、缺失比例、缺失机制以及后续分析要求。删除记录最简单，但可能导致样本量大幅减少，甚至丢失重要信息。对于数值型数据，用平均值或中位数填充是常用且简单的方法，尤其适用于数据大致对称分布的情况。回归预测法利用其他变量预测缺失值，可以保留更多信息，但模型较复杂。标记为特殊值（如-999）允许在后续分析中特别处理这些缺失值，例如在计算或模型中给予特殊权重。插值法（如线性插值、样条插值）适用于有序数据，如时间序列，可以根据周围值估计缺失值。3.答案：检查残差图，看是否存在明显模式（曲线、趋势）；计算R平方值，看模型解释能力；进行F检验，看模型整体是否显著；检查多重共线性，看自变量间是否存在高度相关性。解析：判断回归模型是否适合数据是一个多方面的评估过程。残差图是核心工具，它展示了实际值与预测值之间的差异