2026综合类-统计基础理论及相关知识-第五章相关分析和回归分析历年真题摘选带答案详解

2026综合类-统计基础理论及相关知识-第五章相关分析和回归分析历年真题摘选带答案详解一、选择题从给出的选项中选择正确答案（共100题）1、在两个变量之间的相关关系中，如果一个变量的数值增加时，另一个变量的数值也随之增加，这种相关关系称为A.完全相关B.正相关C.负相关D.不相关2、当变量X按一定数值变化时，变量Y也近似地按固定数值变化，这说明两组变量之间存在A.完全相关关系B.完全不负相关关系C.复相关关系D.直线相关关系3、相关系数的取值范围是A.-1到1之间B.0到1之间C.-1到0之间D.任意实数4、以下关于相关系数的说法，正确的是A.相关系数为0时，两个变量之间一定没有关系B.相关系数越大，两个变量之间关系越密切C.相关系数的绝对值越大，两个变量之间的线性关系越强D.相关系数只能衡量线性相关关系5、计算相关系数的基础是A.相关表B.相关图C.协方差D.标准差6、两个变量之间线性相关程度最高时，其相关系数r为A.r=1B.r=-1C.|r|=1D.r=07、在回归分析中，估计标准误差衡量的是A.回归直线的拟合优度B.自变量对因变量的影响程度C.相关系数的显著性D.样本数据的离散程度8、在直线回归方程y=a+bx中，回归系数b的含义是A.当x=0时，y的平均值B.x每增加一个单位，y的平均变动量C.y的平均变动量D.x的平均变动量9、根据最小二乘法原理建立的回归直线，应满足的条件是A.观测值与估计值之差的平方和最小B.观测值与估计值之差之和最小C.观测值与估计值之积最小D.估计值与实际值相等10、下列关于判定系数R²的说法，错误的是A.R²的取值范围是0到1之间B.R²越接近1，说明回归模型的拟合效果越好C.R²越大，说明自变量对因变量的解释程度越高D.R²就是相关系数的平方，两者含义完全相同11、对回归系数进行显著性检验的目的是A.检验自变量和因变量之间是否存在线性关系B.检验回归方程的拟合优度C.检验误差项是否服从正态分布D.检验样本数据是否合理12、在回归分析中，如果判定系数R²=0.81，则说明A.因变量的总变动中有81%可由自变量解释B.因变量的总变动中有19%可由自变量解释C.自变量的总变动中有81%可由因变量解释D.相关系数为0.8113、回归分析和相关分析的联系表现在A.二者都研究变量间的依赖关系B.二者都必须有自变量和因变量的区分C.相关分析必须以回归分析为基础D.相关分析只需要研究变量间相互关系，无需区分自变量和因变量14、以下关于简单线性回归模型基本假定的说法，错误的是A.误差项是一个期望值为0的随机变量B.对于所有的自变量x，误差项的方差都相同C.误差项彼此之间是相互独立的D.误差项服从正态分布，但与自变量相关15、在进行回归预测时，点预测与区间预测的区别在于A.点预测给出具体数值，区间预测给出置信区间B.点预测精度更高C.区间预测不需要置信水平D.两者没有区别16、以下哪种情况下不适用相关分析与回归分析A.变量之间存在线性关系B.变量之间存在因果关系C.两变量之间没有任何关系D.数据服从正态分布17、已知某回归方程为y=100+2x，当x从10增加到15时，y的平均预计增加量为A.10B.20C.5D.15018、在多元回归分析中，判定系数R²与调整后的判定系数R²_adj的关系是A.R²_adj总是大于R²B.R²_adj总是小于或等于R²C.R²_adj与R²相等D.二者没有关系19、相关分析与回归分析的主要区别是A.相关分析可以确定变量间的函数关系B.回归分析研究变量间的相互关系C.相关分析不需要区分自变量和因变量，而回归分析需要D.相关分析只能用于两个变量20、某现象的相关系数r=-0.9，说明两个变量之间A.高度负相关B.中度负相关C.低度负相关D.高度正相关21、某研究机构收集了100家企业的广告投入与销售额数据，计算得到两者之间的相关系数为0.85。以下关于该相关系数的说法，正确的是：A.广告投入与销售额之间呈负相关关系B.广告投入每增加1单位，销售额必然增加0.85单位C.广告投入与销售额之间存在较强的正线性相关关系D.销售额中有85%是由广告投入决定的22、在简单线性回归模型y=β₀+β₁x+ε中，采用最小二乘法估计参数的目标是：A.使因变量y的方差最小化B.使自变量x的方差最小化C.使残差平方和最小化D.使相关系数的绝对值最小化23、某城市居民的月收入（万元）与消费支出（万元）的回归方程为ŷ=0.8+0.65x。当居民月收入为2万元时，其消费支出的预测值为：A.1.43万元B.2.10万元C.1.30万元24、下列关于判定系数R²的说法，错误的是：A.R²的取值范围在0到1之间B.R²越接近1，说明回归模型的拟合效果越好C.R²等于相关系数的平方D.R²表示因变量的总变异中能被自变量解释的比例25、对某商品需求量与价格的回归分析得到结果：回归系数的t统计量为-3.25，给定显著性水平α=0.05时的临界值为±2.021。据此可以得出的结论是：A.价格在5%水平下对需求量没有显著影响B.需求量与价格之间存在显著负相关关系C.应拒绝原假设，认为价格对需求量有显著影响D.回归模型的拟合优度显著26、在多元线性回归分析中，如果两个自变量之间的相关系数达到0.92，则说明该模型可能存在：A.异方差问题B.多重共线性问题C.自相关问题D.模型设定误差27、某企业年利润（万元）与员工人数（百人）的散点图呈现明显的直线趋势，经计算Pearson相关系数r=0.78。若将员工人数单位由百人改为十人，相关系数将变为：A.7.8B.0.78C.0.078D.无法确定28、在回归分析中，用于检验回归方程整体显著性的统计量是：A.t统计量B.χ²统计量C.F统计量D.z统计量29、某研究者建立员工绩效与培训时数的回归模型，得到ANOVA表中回归平方和为450，残差平方和为150，样本量为30。该模型的判定系数R²为：A.0.30B.0.75C.0.25D.0.9030、残差分析是回归诊断的重要手段，下列关于残差的说法正确的是：A.残差之和恒等于零B.残差与自变量之间必然存在正相关关系C.残差的方差随预测值增大而增大是正常现象D.残差服从正态分布是回归分析的唯一前提假设31、在简单线性回归中，若相关系数r=0，则下列说法正确的是：A.两变量之间不存在任何关系B.回归直线的斜率为零C.回归模型完全不成立D.因变量的取值完全由误差项决定32、某地区居民消费支出与收入的回归分析中，Durbin-Watson统计量为1.35。已知n=40，k=1，查表得dL=1.44，dU=1.54。由此可判断：A.残差存在正自相关B.残差存在负自相关C.残差不存在自相关D.无法判断残差是否存在自相关33、在构建预测模型时，样本外的预测精度检验主要目的是：A.提高样本内拟合优度B.评估模型的泛化能力C.减少回归系数的方差D.消除多重共线性的影响34、关于偏相关系数，下列说法正确的是：A.偏相关系数衡量的是两个变量在无其他变量影响下的净相关程度B.偏相关系数一定大于简单相关系数C.偏相关系数只能用于两个变量的情况D.偏相关系数与简单相关系数数值完全相同35、某回归模型的回归标准误差Se=2.5，则下列说法正确的是：A.预测值平均偏离实际值约2.5个单位B.自变量平均偏离均值2.5个单位C.因变量的标准差为2.5D.相关系数的估计误差为2.536、在回归分析中，若某一观测值的残差远大于其他观测值，该观测值可能是：A.强影响点B.杠杆点C.异常值D.共线性点37、对变量X和Y建立回归方程后，进行了方差分析，得到F=25.6，对应的P值=0.001。以下结论正确的是：A.在5%显著性水平下，回归方程不显著B.在5%显著性水平下，回归方程显著C.X与Y之间不存在线性关系D.该回归模型的判定系数为零38、某研究考察教育年限与收入的关系，数据为横截面数据。若发现残差存在明显的异方差性，即收入越高残差波动越大，这可能导致的结果是：A.回归系数估计有偏B.回归系数估计非有效C.回归系数的标准误估计偏小D.回归模型无法求解39、在多元回归中，方差膨胀因子VIF用于检测：A.残差的异方差性B.回归模型的拟合优度C.自变量之间的多重共线性D.回归系数的显著性40、某企业希望建立广告费与销售额的预测模型。收集数据后发现残差图呈现"喇叭口"形状，即随预测值增大残差波动也增大。该现象表明模型存在：A.自相关B.异方差C.多重共线性D.非线性关系41、对于样本容量为n、自变量个数为k的多元回归模型，判定系数R²与修正判定系数R²_adj的关系是：A.R²_adj永远大于R²B.R²_adj永远小于或等于R²C.当模型无解释力时两者相等D.两者之间没有确定的大小关系42、研究人员收集了某城市家庭月收入和消费支出数据，计算得到两者之间的Pearson相关系数为0.85。下列说法正确的是：A.月收入与消费支出之间存在强负相关关系B.月收入占消费支出变化的85%C.月收入与消费支出之间存在强正相关关系D.消费支出完全由月收入决定43、对某产品产量与单位成本进行回归分析，得到回归方程为y^=100-2x，其中x为产量（万件），y为单位成本（元/件）。据此可以得出结论：A.产量每增加1万件，单位成本平均增加2元B.产量每增加1万件，单位成本平均减少2元C.产量每减少1万件，单位成本平均减少2元D.产量与单位成本之间不存在线性关系44、在回归分析中，判定系数R²的取值范围是：A.-1到1之间B.0到1之间C.-∞到+∞之间D.0到∞之间45、某研究建立了多元线性回归模型，检验结果显示某个自变量的t统计量为2.3，在5%显著性水平下临界值为1.96。以下结论正确的是：A.该自变量对因变量没有显著影响B.该自变量对因变量有显著影响C.该模型的拟合优度很高D.该模型存在多重共线性问题46、在对两个变量进行相关分析时，若散点图呈现一条从左下方向右上方延伸的直线趋势，则可判断这两个变量之间：A.存在负相关关系B.存在正相关关系C.不存在任何关系D.存在曲线关系47、最小二乘法的核心理念是使：A.残差之和最大化B.残差平方和最小化C.残差绝对值之和最大化D.观测值与预测值之差最大化48、对于一元线性回归模型，若样本容量为n，则回归系数的t检验的自由度为：A.nB.n-1C.n-2D.n-349、下列关于相关系数r与判定系数R²关系的说法，正确的是：A.在一元线性回归中，R²等于r的平方B.在多元回归中，R²等于各相关系数的平均C.R²始终大于r的绝对值D.两者之间没有任何关系50、在对时间序列数据进行回归分析时，发现残差序列存在显著的自相关性。这种现象最可能导致：A.回归系数估计有偏B.回归系数估计无效C.t检验和F检验失效D.模型完全无法使用51、若两个自变量之间的相关系数接近1，则在多元回归分析中可能出现的问题为：A.异方差性B.多重共线性C.自相关性D.内生性问题52、已知某回归模型的回归平方和SSR=480，残差平方和SSE=120，则该模型的判定系数R²为：A.0.25B.0.5C.0.8D.0.953、在一元线性回归中，若相关系数r=0，则下列说法错误的是：A.回归直线的斜率为零B.自变量与因变量之间无线性相关关系C.回归模型无法解释因变量的任何变异D.自变量与因变量之间不存在任何关系54、下列哪项是回归分析与相关分析的主要区别：A.相关分析需要确定变量之间的因果关系B.回归分析要求区分自变量和因变量C.相关分析的变量可以是随机变量D.回归分析不需要对变量做假设检验55、某工厂收集了10组工人生产件数与耗用时间数据，建立了一元线性回归模型。若回归方程的显著性F检验统计量为16.81，在5%显著性水平下F(1,8)临界值为5.32，则结论为：A.回归方程整体不显著B.回归方程整体显著C.无法判断回归方程是否显著D.样本量不足无法检验56、在多元回归分析中，若增大样本容量n，则判定系数R²通常会：A.减小B.增大C.不变D.可能增大也可能减小57、若回归模型存在异方差性，则下列说法正确的是：A.回归系数估计量有偏且不一致B.回归系数估计量无偏但不最有效C.回归系数估计量有偏但一致D.模型无法进行参数估计58、Pearson相关系数的取值范围是：A.0到1B.-1到1C.-∞到+∞D.0到∞59、在一元线性回归模型y=β₀+β₁x+ε中，ε代表：A.回归系数B.自变量C.随机误差项D.因变量的预测值60、若两个变量的相关系数r=0.9，则当其中一个变量增加1个标准差时，另一个变量平均增加：A.0.9个标准差B.1个标准差C.0.81个标准差D.无法确定61、在回归分析中，如果某个观测点的杠杆值（leverage）很大，说明该观测点：A.残差非常大B.自变量取值远离自变量均值C.是因变量的异常值D.对模型影响很小62、进行回归分析时，关于残差的正态性检验，以下说法正确的是：A.只有当残差服从正态分布时，才能进行回归分析B.残差正态性是回归系数的无偏估计所必需的条件C.在大样本情况下，残差轻微偏离正态性对统计推断影响不大D.残差正态性检验不需要进行63、对某地区农产品产量与化肥施用量建立回归模型后，发现Durbin-Watson统计量dw≈2。据此可以判断：A.残差存在正自相关B.残差存在负自相关C.残差不存在显著的自相关D.模型存在严重的异方差64、在下列现象中，属于相关关系的有A.商品价格提高，需求量减少B.家庭收入增加，消费支出增加C.正方形的边长越长，面积越大D.某产品的产量随原材料消耗量增加而增加65、衡量直线相关密切程度的指标是A.相关系数B.回归系数C.估计标准误差D.决定系数66、当相关系数r＝0时，表明两个变量之间A.不存在相关关系B.存在线性相关关系C.不存在线性相关关系D.存在非线性相关关系67、两个变量之间的线性相关程度越高，其相关系数的数值A.越接近于0B.越接近于1C.越接近于－1D.越接近于＋1或－168、在直线回归分析中，回归系数b＝－2.5，说明两个变量之间A.存在正相关关系B.存在负相关关系C.相关程度很高D.相关程度很低69、回归分析中，估计标准误差Se越小，说明A.回归直线的代表性越好B.回归直线的代表性越差C.相关系数越小D.回归系数越小70、在一元线性回归模型中，判定系数R²的含义是A.回归平方和占总离差平方和的比重B.剩余平方和占总离差平方和的比重C.自变量对因变量的影响程度D.两个变量之间的相关程度71、已知某回归方程为ŷ＝10＋2x，当x＝5时，y的估计值为A.10B.15C.20D.2572、在相关分析中，要求两个变量A.都是随机变量B.一个是随机变量，另一个是非随机变量C.都是非随机变量D.一个是自变量，一个是因变量73、两个变量之间的相关系数r＝0.8，则判定系数R²为A.0.2B.0.4C.0.64D.0.874、下列关系中，属于负相关的有A.商品销售量与销售收入之间的关系B.产品成本与单位产品产量之间的关系C.某生产企业的劳动生产率与生产成本之间的关系D.家庭收入与储蓄存款之间的关系75、一元线性回归模型的基本假设不包括A.误差项服从正态分布B.误差项的期望值为0C.误差项之间相互独立D.自变量与误差项相关76、对回归模型y＝β₀＋β₁x＋ε进行显著性检验时，原假设H₀为A.β₁＝0B.β₁≠0C.β₀＝0D.β₀≠077、相关系数的取值范围是A.[0，1]B.[－1，1]C.(－1，1)D.[－∞，＋∞]78、对于同一组数据，相关系数r与回归系数b的关系是A.r与b符号相同B.r与b符号相反C.r＝bD.两者无关系79、下列相关系数中，相关程度最高的是A.r＝0.3B.r＝－0.8C.r＝0.5D.r＝－0.180、在回归分析中，离差平方和分解公式TSS＝ESS＋RSS中，RSS表示A.回归平方和B.总离差平方和C.剩余平方和D.修正总离差平方和81、相关分析与回归分析的区别在于A.相关分析需要区分自变量和因变量B.回归分析不需要区分自变量和因变量C.相关分析研究变量间不确定的关系D.回归分析只适用于线性关系82、如果两个变量的相关系数r＝0，则下列说法正确的是A.两个变量之间完全没有关系B.两个变量之间不存在线性关系C.两个变量之间存在非线性关系D.回归直线是一条水平线83、在一元线性回归中，回归系数b＝3，说明当自变量x每增加1个单位时，因变量y平均A.增加3个单位B.减少3个单位C.增加3％D.减少3％84、在相关分析中，以下关于相关系数r的描述正确的是：A.r的取值范围是负无穷到正无穷B.|r|越接近1，表明两变量线性关系越弱C.r=0表示两变量之间没有任何关系D.r=1表示两变量之间存在完全正相关关系85、某企业研究广告投入（万元）与销售额（万元）的关系，得到一元线性回归方程：Ŷ=15+2.8X。以下解释正确的是：A.广告投入每增加1万元，销售额平均增加15万元B.广告投入每增加1万元，销售额平均增加2.8万元C.广告投入每增加2.8万元，销售额平均增加1万元D.当广告投入为0时，销售额一定为15万元86、已知两个变量之间的相关系数r=0.8，则该回归模型的决定系数R²为：A.0.2B.0.4C.0.64D.0.887、关于相关分析与回归分析的区别，下列说法正确的是：A.相关分析中变量有自变量与因变量之分，回归分析中则无此区分B.相关分析研究变量间相互关系的密切程度，回归分析可用于预测和控制C.相关分析必须以回归分析为基础，回归分析可以独立于相关分析D.相关分析的变量可以是随机变量也可以是非随机变量，回归分析的变量必须都是随机变量88、某汽车出租公司研究车龄（年）与月均维修费（元）的关系，收集了6组数据并建立回归模型，得到回归标准误Se=125元。以下关于Se的解释正确的是：A.月均维修费的标准差为125元B.用回归方程预测月均维修费时，平均预测误差约为125元C.车龄每增加1年，维修费增加125元D.模型的拟合优度为125%89、某工厂生产某种产品，总成本（万元）与产量（万件）的回归方程为Ŷ=20+3.5X。若产量从10万件增加到12万件，总成本的预测变化量为：A.3.5万元B.7万元C.35万元D.42万元90、下列情形中，相关系数最可能接近0的是：A.人的身高与体重之间的关系B.商品的价格与需求量之间的关系C.某地区的年降水量与该地区居民的IQ得分之间的关系D.学生的学习时间与考试成绩之间的关系91、在回归分析中，残差是指：A.因变量的实际观测值与回归方程的估计值之差B.自变量的实际值与平均值之差C.因变量的实际值与平均值之差D.回归系数的标准误差92、某商场研究商品价格（元/件）与日销售量（件）的关系，计算得相关系数r=-0.85。以下结论正确的是：A.商品价格与日销售量之间存在低度负相关B.商品价格变异的85%可由日销售量的变动来解释C.商品价格每上涨1元，日销售量减少0.85件D.商品价格的变动与日销售量的变动方向相反93、在多元回归分析中，关于多重共线性的说法正确的是：A.多重共线性是指因变量之间存在高度线性关系B.多重共线性会导致回归系数的估计值不稳定，标准误差增大C.只要存在多重共线性，回归模型就完全没有预测价值D.多重共线性只会影响回归系数的显著性检验，不影响拟合优度94、某研究机构调查了10家企业的研发投入（万元）与产品销量（亿元）数据，计算得到ΣX=800，ΣY=320，ΣXY=28000，ΣX²=72000，n=10。则回归系数b的计算结果为：A.0.25B.0.4C.2.5D.4.095、在一元线性回归分析中，以下关于决定系数R²的说法错误的是：A.R²的取值范围在0到1之间B.R²越大，说明回归模型的拟合效果越好C.R²等于相关系数r的平方D.R²可以大于1，当模型拟合特别好时96、某房地产公司建立了房屋售价（万元）与建筑面积（平方米）的回归方程：Ŷ=30+0.15X。现有一套建筑面积为120平方米的房产，其售价的预测值为：A.48万元B.51万元C.18万元D.210万元97、某城市统计局研究了家庭月收入（千元）与月消费支出（千元）的关系，样本容量为30，样本相关系数r=0.72。若保持其他条件不变，样本容量增大到120，相关系数r的变化趋势是：A.r一定会显著增大B.r一定会显著减小C.r的抽样误差会减小，但总体相关系数的估计值趋于稳定D.r的值不受样本容量的影响，保持不变98、在回归分析中，对回归系数进行t检验的目的是：A.检验整个回归方程的显著性B.检验自变量对因变量的线性影响是否显著C.检验残差是否服从正态分布D.检验模型是否存在异方差性99、某公司记录了近8个月的产品广告费用（万元）与销售额（百万元）数据，计算得相关系数r=0.9，决定系数R²=0.81。以下说法正确的是：A.广告费用与销售额之间存在高度负相关B.销售额的81%由广告费用决定C.广告费用的变动可以解释销售额81%的变动D.由于存在81%的销售额与广告费用相关，因此广告投入必然带来销售额增长100、在回归分析中，如果残差图中残差呈现明显的曲线形态，这表明：A.回归模型设定正确，拟合效果良好B.变量之间可能存在非线性关系，应考虑引入高次项或其他非线性形式C.数据的计量单位不统一，需要标准化处理D.存在异常值需要删除

参考答案及解析1.【参考答案】B【解析】正相关是指两个变量的变动方向相同，一个变量由小到大变化时，另一个变量也相应地由小到大变化。负相关则是变动方向相反。完全相关是指变量间呈函数关系。不相关是指两变量间不存在线性相关关系。2.【参考答案】A【解析】完全相关关系是指变量间的关系可以用函数关系表达，即一个变量的取值能完全确定另一个变量的取值。此时相关系数的绝对值为1。变量Y按固定数值变化说明二者呈确定性函数关系。3.【参考答案】A【解析】相关系数r的取值范围为[-1,1]。当r=1时为完全正相关，r=-1时为完全负相关，r=0时无线性相关关系。|r|越接近1，相关程度越高；|r|越接近0，相关程度越低。4.【参考答案】C【解析】相关系数为0仅表示无线性相关关系，但可能存在其他非线性关系。相关系数有正负之分，应看绝对值判断相关程度。相关系数主要衡量线性相关程度，但选项C表述最准确，绝对值越大说明线性关系越强。5.【参考答案】C【解析】协方差是计算相关系数的基础。相关系数实际上是标准化后的协方差，其计算公式为：r=cov(X,Y)/(σx·σy)。协方差反映了两变量联合变异的程度，但受量纲影响，需标准化后才能进行比较。6.【参考答案】C【解析】当两个变量完全线性相关时，相关系数的绝对值为1，即|r|=1。r=1表示完全正相关，r=-1表示完全负相关。两种情况都说明变量间存在完全的线性关系，只是方向不同。7.【参考答案】A【解析】估计标准误差是反映回归模型拟合效果的重要指标，它表示实际观测值与回归估计值之间的平均误差程度。估计标准误差越小，说明回归直线对观测值的拟合程度越好，反之则越差。8.【参考答案】B【解析】回归系数b表示自变量x每变动一个单位时，因变量y的平均变动量。它是回归方程的核心参数，b>0表示正相关，b<0表示负相关。截距a表示x=0时y的平均值。9.【参考答案】A【解析】最小二乘法是确定回归直线参数的基本方法，其原理是使各观测值与回归估计值之间的离差平方和达到最小，即minΣ(yi-ŷi)²。满足此条件的回归直线对数据的拟合程度最好。10.【参考答案】D【解析】R²确实是相关系数的平方，但两者的含义并不完全相同。相关系数衡量的是变量间的线性相关程度和方向，而R²衡量的是回归模型对因变量变异的解释比例。其他三个选项均正确。11.【参考答案】A【解析】对回归系数的显著性检验目的是判断自变量x对因变量y是否有显著的线性影响，即检验总体回归系数β是否为0。若检验显著，则说明x与y之间存在显著的线性关系。12.【参考答案】A【解析】判定系数R²表示因变量的总变异中能被自变量解释的比例。R²=0.81说明因变量总变动的81%可以由自变量来解释，剩余19%由其他因素或随机误差解释。注意R²不等于相关系数。13.【参考答案】D【解析】相关分析研究变量间相互关系的密切程度，无需区分自变量和因变量；回归分析研究变量间的依赖关系，需要明确区分自变量和因变量。二者的联系在于都用相关系数描述变量间关系，但侧重点不同。14.【参考答案】D【解析】回归模型的基本假定包括：误差项期望为0；同方差性；误差项相互独立；误差项服从正态分布且与自变量不相关。选项D错误在于误差项应与自变量不相关，若相关则违背基本假定。15.【参考答案】A【解析】点预测是根据回归方程直接计算出因变量的估计值，给出一个具体数值；区间预测是在一定置信水平下给出因变量的可能取值范围，即置信区间。区间预测更能反映预测的不确定性。16.【参考答案】C【解析】相关分析与回归分析用于研究变量间的相关关系。如果两个变量之间没有任何关系，则进行相关分析和回归分析没有意义。其他三种情况都是相关与回归分析适用的前提条件。17.【参考答案】A【解析】将x=10代入得y=100+2×10=120，将x=15代入得y=100+2×15=130，平均增加量为130-120=10。也可以直接用回归系数计算：2×(15-10)=10。回归系数2表示x每增加1个单位，y平均增加2个单位。18.【参考答案】B【解析】调整后的判定系数考虑了模型中自变量个数和样本容量，其公式为R²_adj=1-(1-R²)(n-1)/(n-k-1)，其中k为自变量个数。由于(n-1)/(n-k-1)≥1，因此R²_adj总是小于或等于R²。19.【参考答案】C【解析】相关分析与回归分析的关键区别在于：相关分析研究变量间的相互关系，不需区分自变量和因变量；回归分析研究变量间的依赖关系，必须明确区分自变量和因变量。相关分析也可用于多个变量。20.【参考答案】A【解析】相关系数的绝对值越接近1，相关程度越高。|r|=0.9>0.8，属于高度相关。r为负值表示负相关，即一个变量增加时另一个变量减少。因此r=-0.9表示高度负相关。一般划分标准为：|r|≥0.8为高度相关，0.5≤|r|<0.8为中等相关，|r|<0.5为低度相关。21.【参考答案】C【解析】相关系数为0.85，正值表示正相关，绝对值接近1表示强相关。选项A说负相关错误；选项B将相关系数等同于回归系数，混淆概念；选项D将相关系数平方误认为决定比例，0.85²=0.7225才是销售额变异的解释比例。因此选C。22.【参考答案】C【解析】最小二乘法的核心思想是寻找一组回归系数，使得所有观测值的实际值与预测值之差的平方和（即残差平方和）达到最小。残差平方和最小化的目标函数为Σ(yᵢ-ŷᵢ)²。选项A、B、D均不符合最小二乘法的定义。23.【参考答案】A【解析】将x=2代入回归方程：ŷ=0.8+0.65×2=0.8+1.3=2.1（万元）。注意这是点预测值，表示在给定收入条件下的消费支出平均值估计。选项A正确。24.【参考答案】C【解析】在简单线性回归中，R²确实等于相关系数r的平方，但此结论仅适用于一元回归。对于多元回归，R²不等于任一相关系数的平方。选项C表述不够严谨，在多元回归语境下是错误的。选项A、B、D均为R²的正确性质描述。25.【参考答案】C【解析】|t|=3.25>2.021，落在拒绝域内，应拒绝原假设H₀:β₁=0，说明价格对需求量有显著影响。由于t统计量为负，回归系数为负，表明价格与需求量呈负相关。选项C正确。选项A与结论相反；选项B虽正确但未准确表述检验逻辑；选项D涉及的是F检验而非t检验。26.【参考答案】B【解析】当回归模型中两个或多个自变量之间存在高度线性相关关系时，称为多重共线性。本题中两自变量相关系数达0.92，属于高度相关，存在严重的多重共线性问题。异方差是指残差方差不恒定；自相关是指残差之间存在相关性；模型设定误差是指模型形式不正确。故选B。27.【参考答案】B【解析】Pearson相关系数具有尺度不变性，即对变量进行线性变换（乘以常数或加减常数）不改变相关系数的值。将员工人数单位从百人改为十人，相当于乘以10，相关系数保持不变，仍为0.78。故选B。28.【参考答案】C【解析】回归方程的整体显著性检验（即检验所有回归系数是否同时为零）采用F检验。F统计量等于回归均方与残差均方之比。t检验用于单个回归系数的显著性检验；χ²检验常用于拟合优度检验或独立性检验；z检验通常用于大样本均值检验。故选C。29.【参考答案】B【解析】判定系数R²=回归平方和/总平方和=SSR/SST。其中SST=SSR+SSE=450+150=600。因此R²=450/600=0.75。这意味着因变量变异的75%可由自变量解释。选项B正确。30.【参考答案】A【解析】根据最小二乘法的性质，残差之和恒等于零，即Σeᵢ=0。选项B错误，理想情况下残差与自变量应无关；选项C描述的异方差问题并非正常现象；选项D错误，回归分析还有无自相关、无多重共线性等假设。故选A。31.【参考答案】B【解析】相关系数r=0表明两变量之间无线性相关关系。在简单线性回归中，回归系数b₁=r·(Sy/Sx)，当r=0时b₁=0，回归直线斜率为零，为水平线。选项A错误，变量间可能存在非线性关系；选项C错误，模型仍可拟合；选项D过于绝对。故选B。32.【参考答案】A【解析】DW统计量用于检验残差自相关。当DW<dL时，拒绝无自相关的原假设，存在正自相关。本题DW=1.35<dL=1.44，故残差存在正自相关。DW接近2表示无自相关；DW<2且越小表示正自相关越强；DW>2且越大表示负自相关越强。故选A。33.【参考答案】B【解析】样本外预测精度检验是将模型应用于未参与建模的新样本，检验其预测能力，目的是评估模型是否具有良好的一般性（泛化能力），避免过拟合。选项A是样本内拟合的目标；选项C与模型复杂度控制相关；选项D通过其他方法处理。故选B。34.【参考答案】A【解析】偏相关系数是在控制其他变量影响的条件下，衡量两个变量之间的线性相关程度，反映的是剔除其他变量影响后的"净相关"。偏相关系数可能大于也可能小于简单相关系数，取决于被控制变量的性质；偏相关系数可用于多变量情形。故选A。35.【参考答案】A【解析】回归标准误差（估计标准误差）Se衡量观测值围绕回归直线的离散程度，表示预测值平均偏离实际值约Se个单位。它反映了回归模型的预测精度，Se越小预测越精确。选项B描述的是自变量的离散程度；选项C是自变量的标准差；选项D与相关系数估计无关。故选A。36.【参考答案】C【解析】残差远大于其他观测值的点称为异常值（outlier），表明该观测值与回归模型的预测值偏差较大，可能是数据采集误差或特殊因素导致。强影响点是指删除后对回归系数影响很大的点；杠杆点是指自变量取值远离均值的点；共线性是指自变量之间的相关关系。故选C。37.【参考答案】B【解析】P值=0.001<0.05，在5%显著性水平下拒绝原假设，认为回归方程整体显著，即自变量对因变量有显著线性影响。选项A与结论相反；选项C与检验结论矛盾；选项D无法从给定信息判断。故选B。38.【参考答案】B【解析】异方差性不导致回归系数估计有偏（仍为无偏估计），但会使估计不再具有最小方差性（非有效），且标准误估计有偏，导致t检验和F检验失效。选项A错误，OLS估计仍无偏；选项B正确；选项C不一定，方向取决于具体情况；选项D错误，模型仍可求解。故选B。39.【参考答案】C【解析】方差膨胀因子VIF=1/(1-R²ⱼ)，其中R²ⱼ是将第j个自变量对其他所有自变量回归的判定系数。VIF越大，说明该自变量与其他自变量之间的线性关系越强，多重共线性越严重。一般VIF>10认为存在严重多重共线性。选项A用DW检验；选项B用R²；选项D用t检验。故选C。40.【参考答案】B【解析】残差图中随预测值增大残差波动也增大，呈现喇叭口形状，这是异方差的典型表现。异方差意味着误差项的方差不再是常数，而是随自变量变化。自相关表现为残差图呈周期性波动；多重共线性体现在自变量高度相关上；非线性关系可通过残差图呈弯曲趋势判断。故选B。41.【参考答案】B【解析】修正判定系数R²_adj=1-(1-R²)(n-1)/(n-k-1)。由于(n-1)/(n-k-1)>1（当k≥1时），所以R²_adj≤R²。当k=0时两者相等；增加自变量可能使R²增大但R²_adj不一定增大。选项A、D与公式矛盾；选项C不准确。故选B。42.【参考答案】C【解析】相关系数为0.85，大于0的绝对值且接近1，表明月收入与消费支出之间存在强正相关关系。相关系数为正表示两变量同向变化，绝对值越大相关性越强。选项A说负相关错误；选项B混淆了相关系数与判定系数的概念，判定系数才是0.85²≈0.72；选项D说"完全由"夸大了相关关系的解释力，相关不代表因果或完全决定。43.【参考答案】B【解析】回归方程y^=100-2x中，斜率系数为-2，表示自变量x每增加1个单位，因变量y平均减少2个单位。即产量每增加1万件，单位成本平均减少2元。选项A符号错误；选项C方向相反；选项D与方程存在矛盾，方程本身已表明存在线性关系，斜率为负说明是负相关。44.【参考答案】B【解析】判定系数R²表示回归模型对因变量变异的解释比例，其计算公式为SSR/SST或1-SSE/SST。由于回归平方和SSR和非回归平方和SSE均非负，且SSR≤SST，因此R²的取值范围为[0,1]。R²=0表示模型无法解释任何变异，R²=1表示模型完美拟合数据。选项A混淆了相关系数与判定系数的取值范围。45.【参考答案】B【解析】t检验用于判断回归系数是否显著不为零。当|t统计量|>临界值时，拒绝原假设，认为该自变量对因变量有显著影响。本题中2.3>1.96，因此在5%显著性水平下拒绝原假设，该自变量显著。选项A结论相反；选项C涉及拟合优度需用R²判断；选项D需通过方差膨胀因子判断，与t检验无关。46.【参考答案】B【解析】散点图中从左下方向右上方延伸的直线趋势，表示当一个变量增大时另一个变量也倾向于增大，这是正相关的典型特征。选项A描述的是从左上向右下延伸的趋势；选项C意味着散点无规律分布；选项D应呈现弯曲而非直线的形态。正线性相关也可通过计算得到正的Pearson相关系数加以验证。47.【参考答案】B【解析】最小二乘法是回归分析中最常用的参数估计方法，其基本思想是寻找一组回归系数，使得所有观测值的实际值与模型预测值之间的残差平方和达到最小。即最小化Σ(yᵢ-y^ᵢ)²。选项A残差之和理论上为零，最大化无意义；选项C是最小绝对偏差法；选项D方向相反。该方法具有良好的数学性质和统计推断基础。48.【参考答案】C【解析】在一元线性回归中，模型需要估计两个参数：截距项β₀和斜率β₁。因此损失的自由度为2，残差平方和的自由度为n-2。t检验回归系数时使用残差的标准误，其自由度同样为n-2。选项A未扣除任何自由度；选项B适用于单样本t检验；选项D多扣除了一个自由度，适用于更复杂的模型。49.【参考答案】A【解析】在一元线性回归中，判定系数R²恰好等于自变量与因变量之间Pearson相关系数r的平方，即R²=r²。这反映了回归模型解释的变异比例与相关程度的平方成正比。选项B错误，多元回归的R²不是简单平均；选项C不一定成立，当|r|<1时r²<|r|；选项D明显错误，二者有密切关系。50.【参考答案】C【解析】残差自相关主要影响统计推断的可靠性。当残差存在自相关时，OLS估计量虽仍是无偏一致的，但标准误会失真，导致t检验和F检验不再有效，可能出现伪回归问题。选项A错误，自相关不导致估计有偏；选项B表述不准确，估计量仍具一致性；选项D过于绝对，模型仍可部分使用。实际问题中可采用广义最小二乘法或Newey-West标准误进行修正。51.【参考答案】B【解析】当模型中两个或多个自变量之间存在高度线性相关关系时，称为多重共线性。相关系数接近1是多重共线性的典型表现。多重共线性会导致回归系数估计不稳定、标准误增大、t检验不显著等问题。选项A异方差性指误差项方差不恒定；选项C自相关性指残差序列相关；选项D内生性问题通常源于遗漏变量或测量误差。52.【参考答案】C【解析】判定系数R²的计算公式为R²=SSR/SST，其中总平方和SST=SSR+SSE=480+120=600。因此R²=480/600=0.8。这表明回归模型能够解释因变量80%的变异，拟合效果较好。选项A为SSE/SST的值；选项B为0.5不符合计算结果；选项D数值偏高。R²越接近1说明模型拟合效果越好。53.【参考答案】D【解析】当r=0时，表明两变量之间不存在线性相关关系，回归直线斜率为零，即y^=β̂₀，模型无法解释因变量的变异（R²=0）。但r=0仅说明无线性关系，不代表完全无关，两者可能存在非线性关系（如抛物线关系）。选项D错误地否定了所有关系类型。因此，相关系数为零只是排除了线性关联，非线性关联仍需通过散点图或其他方法检验。54.【参考答案】B【解析】回归分析与相关分析的主要区别在于：回归分析需要明确区分自变量和因变量，建立因变量对自变量的依赖关系；而相关分析中变量是对等的，不区分自变量和因变量。选项A错误，相关分析不要求因果关系；选项C表述不准确，相关分析通常假设变量为随机变量；选项D错误，回归分析同样需要进行假设检验。两者可以结合使用，相互补充。55.【参考答案】B【解析】F检验用于判断回归方程整体是否显著，即所有自变量联合起来是否能显著解释因变量的变异。当F统计量大于临界值时，拒绝原假设，认为回归方程整体显著。本题中16.81>5.32，因此在5%显著性水平下拒绝原假设，回归方程整体显著，说明生产件数对耗用时间有显著的解释能力。56.【参考答案】B【解析】判定系数R²=SSR/SST=1-SSE/SST。随着样本容量增加，模型能捕捉更多信息，残差平方和SSE通常减小，而总平方和SST随样本增加而变化较复杂，但总体而言R²有增大趋势。需要注意的是，R²会随着自变量增加而非样本量增加而单调递增，这是调整判定系数存在的意义。样本容量足够大时，R²趋于稳定。57.【参考答案】B【解析】异方差性是指误差项的方差随自变量变化而不恒定。在有异方差的情况下，OLS估计量仍然是无偏的和一致的，但不再具有最小方差性（即不再是有效估计量），标准误的估计也会产生偏差，进而影响假设检验的可靠性。选项A错误，无偏性不受异方差影响；选项C和D均不正确。解决异方差的方法包括加权最小二乘法和稳健标准误。58.【参考答案】B【解析】Pearson相关系数r度量两个变量之间的线性相关程度，其取值范围为[-1,1]。当r=1时完全正相关，r=-1时完全负相关，r=0时无线性相关。|r|越接近1表示线性相关越强。注意相关系数只能度量线性关系，非线性关系可能表现为r接近0但仍存在确定性的函数关系。选项A只涵盖正相关，不完整。59.【参考答案】C【解析】在回归模型y=β₀+β₁x+ε中，ε称为随机误差项（或扰动项），它包含了除自变量x之外所有影响因变量y的其他因素，以及测量误差等随机成分。回归分析的基本假设包括ε服从正态分布、期望为零、方差恒定且相互独立。选项A对应β₀和β₁；选项B对应x；选项D对应ŷ。60.【参考答案】A【解析】Pearson相关系数r的定义即为标准化回归系数，表示当自变量增加1个标准差时，因变量平均变化r个标准差。因此r=0.9意味着一个变量增加1个标准差，另一个变量平均增加0.9个标准差。选项B为完全不相关情况；选项C是r²的值，代表解释的变异比例而非标准差变化量。61.【参考答案】B【解析】杠杆值hᵢ度量第i个观测点的自变量取值与其他观测点的偏离程度。杠杆值大意味着该点的自变量x值远离x的均值，属于高杠杆点。高杠杆点可能对回归直线有较强的"拉力"，但不一定是有影响的异常点。需要结合残差和DFFITS等指标综合判断。选项A描述的是异常值；选项C也是异常值的特征；选项D与高杠杆点的作用相反。62.【参考答案】C【解析】残差的正态性假设主要用于保证小样本下回归系数的统计推断（t检验、F检验）有效。但在大样本情况下，依据中心极限定理，即使残差轻微偏离正态分布，统计推断结果仍近似可靠。选项A过于绝对，非线性回归或非参数方法可放宽此假设；选项B错误，无偏性不依赖于正态性假设；选项D忽视了正态性对精确推断的重要性。63.【参考答案】C【解析】Durbin-Watson统计量用于检验残差的一阶自相关性。dw值的近似判断标准为：dw≈2表示无自相关，dw<2且接近0表示正自相关，dw>2且接近4表示负自相关。本题dw≈2，表明残差序列不存在显著的自相关，回归模型的误差项满足独立性假设。选项A对应dw明显小于2；选项B对应dw明显大于2；选项D涉及异方差，与DW检验无关。64.【参考答案】B【解析】相关关系是指变量之间存在的不确定的数量依存关系。A项是函数关系；C项是确定性的数学关系；D项也是确定性的生产函数关系。只有B项家庭收入与消费支出之间存在不确定性的变动关系，属于相关关系。

265.【参考答案】A【解析】相关系数是衡量两个变量之间直线相关密切程度和相关方向的统计指标。回归系数反映的是自变量变动一个单位时因变量的平均变动量。估计标准误差用于衡量回归方程的代表性。决定系数用于衡量回归模型的拟合优度。

366.【参考答案】C【解析】当相关系数r＝0时，只能说明两个变量之间不存在线性相关关系，但不能排除它们之间可能存在非线性相关关系。相关系数仅衡量线性相关的程度，不能反映非线性相关关系。

467.【参考答案】D【解析】相关系数的取值范围为[-1,1]。|r|越接近1，表示线性相关程度越高；|r|越接近0，表示线性相关程度越低。当r为正值时为正相关，r为负值时为负相关。因此线性相关程度越高，相关系数越接近于+1或-1。

568.【参考答案】B【解析】回归系数的符号与相关系数的符号一致。回归系数b＝－2.5为负数，表明自变量与因变量之间呈负相关关系，即自变量增加时，因变量平均减少。但回归系数的大小不能直接判断相关程度高低。

669.【参考答案】A【解析】估计标准误差是测定回归直线代表性大小的指标。Se越小，说明观测点距离回归直线越近，回归直线对数据的拟合程度越好，代表性越强。估计标准误差与相关系数、回归系数无直接大小关系。

770.【参考答案】A【解析】判定系数R²＝SSR/SST，表示回归平方和在总离差平方和中所占的比重，说明因变量的变异中能被自变量解释的比例。R²越接近1，说明回归模型的拟合效果越好。

871.【参考答案】D【解析】将x＝5代入回归方程ŷ＝10＋2x，得ŷ＝10＋2×5＝10＋10＝20。此处需要注意题目要求的是估计值而非预测区间，直接代入计算即可得出结果。

972.【参考答案】A【解析】相关分析研究的是两个变量之间的线性相关关系，要求两个变量都是随机变量，并且彼此是对等的关系，没有自变量与因变量之分。而在回归分析中，通常假设自变量是非随机变量或给定的变量。

1073.【参考答案】C【解析】判定系数R²等于相关系数的平方，即R²＝r²＝0.8²＝0.64。判定系数表示因变量的变异中能被自变量解释的比例，此处说明自变量可以解释因变量64%的变异。

1174.【参考答案】C【解析】负相关是指一个变量增加时，另一个变量减少。A项销售量与销售收入成正相关；B项产量增加可能降低单位成本，但不一定是确定性的负相关；D项收入与储蓄通常成正相关。C项劳动生产率提高会降低单位产品成本，属于负相关关系。

1275.【参考答案】D【解析】一元线性回归模型的基本假设包括：误差项E(ε)＝0；误差项方差恒定（同方差性）；误差项服从正态分布；误差项之间相互独立；自变量与误差项不相关。若自变量与误差项相关，将导致估计量有偏和不一致。

1376.【参考答案】A【解析】回归方程的显著性检验（F检验）用于检验自变量对因变量的线性关系是否显著。原假设H₀：β₁＝0，表示自变量x与因变量y之间不存在线性关系。备择假设H₁：β₁≠0，表示存在显著的线性关系。

1477.【参考答案】B【解析】相关系数r的取值范围为[－1，1]。当r＝1时表示完全正相关，r＝－1时表示完全负相关，r＝0时表示无线性相关关系。该结论是相关系数的基本性质，由柯西-施瓦茨不等式推导得出。

1578.【参考答案】A【解析】相关系数r与回归系数b的符号始终相同。因为b＝r·(sy/sx)，而sy和sx均为标准差，恒为正数，所以b的符号完全取决于r的符号。当r为正时b为正，r为负时b为负。

1679.【参考答案】B【解析】判断相关程度高低应比较相关系数的绝对值大小，而非代数值。|－0.8|＝0.8最大，因此r＝－0.8的相关程度最高。虽然其为负相关，但相关密切程度仍高于其他选项。

1780.【参考答案】C【解析】在回归分析的方差分解中，TSS（TotalSumofSquares）为总离差平方和，ESS（ExplainedSumofSquares）为回归平方和，RSS（ResidualSumofSquares）为剩余平方和（也称误差平方和）。三者满足TSS＝ESS＋RSS的关系。

1881.【参考答案】C【解析】相关分析与回归分析的主要区别在于：相关分析不区分自变量和因变量，两个变量地位对等，研究的是变量间不确定的共变关系；回归分析需要区分自变量和因变量，研究的是因变量随自变量变化的平均趋势。两者均可研究线性和非线性关系。

1982.【参考答案】B【解析】相关系数r＝0仅表示两个变量之间不存在线性相关关系，不能排除存在其他类型的关系。但也不能确定一定存在非线性关系，选项C过于武断。选项A错误是因为