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 （ ）。. 残差除以残差的标准差 . 残差的标准差除以残差. 因变量的观测值除以残差 . 自变量的实际值除以残差四、选择题答案 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12.13. 14. 15. 16. 17. 18.19. 20. 21. 22. 23. 24.25. 26. 27. 28. 29. 30.31. 32. 33. 34. 35. 36.37. 38. 39. 40. 41. 42.43. 44. 45. 46. 47. 48.49. 50. 51. 52. 53. 54.55.7