1、对于一元线性回归01(1,2,...,)i i i y x i n ββε=++=,()0i E ε=，2var()i εσ=，
cov(,)0()i j i j εε=≠，下列说法错误的是
(A)0β，1β的最小二乘估计0?β，1
?β 都是无偏估计； (B)0β，1β的最小二乘估计0?β，1?β对1y ，2y ，...，n y 是线性的；
2、在回归分析中若诊断出异方差，常通过方差稳定化变化对因变量进行变换. 如果误差方差与因变量y 的期望成正比，则可通过下列哪种变换将方差常数化 (A) 1
y
；(B) y ；(C) ln(1)y +；(D)ln y .
3、下列说法错误的是
(A)强影响点不一定是异常值；
(B)在多元回归中，回归系数显著性的t 检验与回归方程显著性的F 检验是等价的； (C)一般情况下，一个定性变量有k 类可能的取值时，需要引入k-1个0-1型自变量； (D)异常值的识别与特定的模型有关.
4、下面给出了4个残差图，哪个图形表示误差序列是自相关的
(A)
(B)
应用回归分析试题（一）
(C)0β，1β的最小二乘估计0?β，1
?β之间是相关的； (D)若误差服从正态分布，0β，1β的最小二乘估计和极大似然估计是不一样的. 12345678
x
e
(C) (D)
5、下列哪个岭迹图表示在某一具体实例中最小二乘估计是适用的
(A)
(B)
(C) (D)
二、填空题（每空2分，共20分）
1、考虑模型y X βε=+，2var()n I εσ=，其中:X n p '?，秩为p '，2
0σ>不一定
已知，则?β
=__________________， ?var()β=___________，若ε服从正态分布，则 22
?()n p σ
σ
'- ___________，其中2?σ
是2σ的无偏估计. 2、下表给出了四变量模型的回归结果：
来源 平方和 自由度 均方 回归 残差 总的
65965 --- 66042
--- --- 14
--- ---
则残差平方和=_________，总的观察值个数=_________，回归平方和的自由度=________.
3、已知因变量y 与自变量1x ，2x ，3x ，4x ，下表给出了所有可能回归模型的AIC 值，则最优子集是_____________________.
模型中的变量
AIC
模型中的变量
AIC
1x
1x ，2x 2x
2x ，3x
1x ，2x ，3x 1x ，3x 3x 202.55 2.68 142.49 62.44 3.04 198.10 315.16
1x ，3x ，4x
1x ，2x ，3x ，4x 2x ，3x ，4x 2x ，4x
1x ，2x ，4x 1x ，4x 4x
3.50 5.00 7.34 138.23 2.12 5.50 138.73
4、在诊断自相关现象时，若0.66DW =，则误差序列的自相关系数ρ的估计值=_____ ，若存在自相关现象，常用的处理方法有迭代法、_____________、科克伦-奥克特迭代法.
5、设因变量y 与自变量x 的观察值分别为12,,...,n y y y 和12,,...,n x x x ，则以*
x 为折点的折线模型可表示为_____________________.
三、（共45分）研究货运总量y （万吨）与工业总产值1x （亿元）、农业总产值2x （亿元）、居民非商品支出3x （亿元）的线性回归关系.观察数据及残差值i e 、学生化残差i SRE 、删除学生化残差()i SRE 、库克距离i D 、杠杆值ii ch 见表一
表一
编号 y
1x 2x 3x i e
i SRE ()i SRE i D
ii ch
1 160 70 35 1.0 -15.474 -0.894 -0.876 0.166 0.454
2 260 75 40 2.4 12.825 0.628 0.59
3 0.031 0.240 3 210 65 40 2.0 5.34
4 0.265
0.243
0.006 0.261 4 265 74 42 3.0 -0.091 -0.004 -0.004 1.168E-6 0.199 5 240 72 38 1.2 33.225 1.754
2.294
0.409 0.347 6 220 68 45 1.5 -25.198 -2.116 -3.832 3.216 0.742 7 275 78 42 4.0 -17.554 -1.173 -1.220 0.501 0.593 8 160 66 36 2.0 -20.007 -1.163 -1.206 0.289 0.461 9 275 70 44 3.2 8.234 0.409 0.379 0.015 0.264 10
250
65
42
3.0 18.695
1.065
1.079
0.222
0.439
表二 参数估计表
变量 系数 标准误 Intercept
1x 2x 3x
-348.280 3.754 7.101 12.447
176.459 1.933 2.880 10.569
总平方和SST=16953 残差平方和SSE=3297
已知0.025(6) 2.447t =，0.025(7) 2.365t =，0.05(3,6) 4.76F =，0.05(4,7) 4.12F =，根据上述结果，解答如下问题：
1、计算误差方差2
σ的无偏估计及判定系数2
R .（8分）
2、对1x ，2x ，3x 的回归系数进行显著性检验.（显著性水平0.05α=）（12分）
3、对回归方程进行显著性检验.（显著性水平0.05α=）（8分）
4、诊断数据是否存在异常值，若存在，是关于自变量还是关于因变量的异常值？（10分）
5、写出y 关于1x ，2x ，3x 的回归方程，并结合实际对问题作一些基本分析（7分） 四、（共8分）某种合金中的主要成分为金属A 与金属B ，研究者经过13次试验，发现这两种金属成分之和x 与膨胀系数y 之间有一定的数量关系，但对这两种金属成分之和x 是否对膨胀系数y 有二次效应没有把握，经计算得y 与x 的回归的残差平方和为3.7，y 与x 、
2x 的回归的残差平方和为0.252，试在0.05的显著性水平下检验x 对y 是否有二次效应？
（参考数据0.050.05(1,10) 4.96,(2,10) 4.1F F ==）
五、（共12分）（1）简单描述一下自变量12,,...,p x x x 之间存在多重共线性的定义；（2分） （2）多重共线性的诊断方法主要有哪两种？（4分） （3）消除多重共线性的方法主要有哪几种？（6分）
应用回归分析试题（二）
一、选择题
1. 某同学由x 与y 之间的一组数据求得两个变量间的线性回归方程为y bx a =+，已知：数据x 的平均值为2，数据y 的平均值为3，则 ( A )
A ．回归直线必过点（2，3）
B ．回归直线一定不过点（2，3）
C ．点（2，3）在回归直线上方
D ．点（2，3）在回归直线下方
2. 在一次试验中，测得(x,y)的四组值分别是A(1,2),B(2,3),C(3,4),D(4,5)，则Y 与X 之间的回归直线方程为（ A ）
A ． y
x 1=+ B ． y x 2=+ C ． y 2x 1=+ Ｄ． y x 1=- 3. 在对两个变量x ，y 进行线性回归分析时，有下列步骤：
①对所求出的回归直线方程作出解释； ②收集数据(i x 、i y ），1
,2i =，…，n ；
③求线性回归方程； ④求未知参数； ⑤根据所搜集的数据绘制散点图
如果根据可行性要求能够作出变量,x y 具有线性相关结论，则在下列操作中正确的是（ D ）
A ．①②⑤③④
B ．③②④⑤①
C ．②④③①⑤
D ．②⑤④③①
4. 下列说法中正确的是（B ）
A ．任何两个变量都具有相关关系
B ．人的知识与其年龄具有相关关系
C ．散点图中的各点是分散的没有规律
D ．根据散点图求得的回归直线方程都是有意义的
5. 给出下列结论：
（1）在回归分析中，可用指数系数2R 的值判断模型的拟合效果，2R 越大，模型的拟合效果越好；
（2）在回归分析中，可用残差平方和判断模型的拟合效果，残差平方和越大，模型的拟合效果越好；
（3）在回归分析中，可用相关系数r 的值判断模型的拟合效果，r 越小，模型的拟合效果越好；
（4）在回归分析中，可用残差图判断模型的拟合效果，残差点比较均匀地落在水平的带状区域中，说明这样的模型比较合适．带状区域的宽度越窄，说明模型的拟合精度越高． 以上结论中，正确的有（B ）个．
A ．1
B ．2
C ．3
D ．4 6. 已知直线回归方程为2 1.5y x =-，则变量x 增加一个单位时（C ）
A.y 平均增加1.5个单位
B.y 平均增加2个单位
C.y 平均减少1.5个单位
D.y 平均减少2个单位
7. 下面的各图中，散点图与相关系数r 不符合的是（B ）
8. 一位母亲记录了儿子3～9岁的身高，由此建立的身高与年龄的回归直线方程为?7.1973.93
=+，据此可以预测这个孩子10岁时的身高，则正确的叙述是（ D ）
y x
A．身高一定是145.83cm B．身高超过146.00cm
C．身高低于145.00cm D．身高在145.83cm左右
9. 在画两个变量的散点图时，下面哪个叙述是正确的( B )
(A)预报变量在x轴上，解释变量在y轴上
(B)解释变量在x轴上，预报变量在y轴上
(C)可以选择两个变量中任意一个变量在x轴上
(D)可以选择两个变量中任意一个变量在y轴上
10. 两个变量y与x的回归模型中，通常用2R来刻画回归的效果，则正确的叙述是（ D ）
R越小，残差平方和小 B. 2R越大，残差平方和大
A. 2
R于残差平方和无关 D. 2R越小，残差平方和大
C. 2
11. 两个变量y与x的回归模型中，分别选择了4个不同模型，它们的相关指数2R如下，其中拟合效果最好的模型是( A )
R为0.98 B.模型2的相关指数2R为0.80
A.模型1的相关指数2
R为0.50 D.模型4的相关指数2R为0.25
C.模型3的相关指数2
12. 在回归分析中，代表了数据点和它在回归直线上相应位置的差异的是( B )
A.总偏差平方和
B.残差平方和
C.回归平方和
D.相关指数R2
13.工人月工资（元）依劳动生产率（千元）变化的回归直线方程为?6090
=+，下列判断
y x
正确的是（C ）
A.劳动生产率为1000元时，工资为50元
B.劳动生产率提高1000元时，工资提高150元
C.劳动生产率提高1000元时，工资提高90元
D.劳动生产率为1000元时，工资为90元
14. 下列结论正确的是（C ）
①函数关系是一种确定性关系；②相关关系是一种非确定性关系；③回归分析是对具有函数关系的两个变量进行统计分析的一种方法；④回归分析是对具有相关关系的两个变量进行统计分析的一种常用方法．
Ａ．①②Ｂ．①②③Ｃ．①②④Ｄ．①②③④
15. 已知回归直线的斜率的估计值为1.23，样本点的中心为（4，5），则回归直线方程为（ C ）Ａ． 1.234
=+Ｃ． 1.230.08
y x
y x
=+Ｂ． 1.235
=+
y x
y x
=+Ｄ． 0.08 1.23
二、填空题
16. 在比较两个模型的拟合效果时，甲、乙两个模型的相关指数2R的值分别约为0.96和0.85，则拟合效果好的模型是甲．
17. 在回归分析中残差的计算公式为 列联表、三维柱形图、二维条形图 ． 18. 线性回归模型y bx a e =++（a 和b 为模型的未知参数）中，e 称为 随机误差 ． 19. 若一组观测值（x 1,y 1）（x 2,y 2）…（x n ,y n ）之间满足y i =bx i +a+e i (i=1、2.…n)若e i 恒
为0，则R 2
为___ e i 恒为0，说明随机误差对y i 贡献为0. 三、解答题
20. 调查某市出租车使用年限x 和该年支出维修费用y （万元），得到数据如下：
使用年限x 2 3
4
5 6 维修费用y 2．2 3．8 5．5 6．5 7．0
（1） 求线性回归方程；
（2）由（1）中结论预测第10年所支出的维修费用．（1
21()()()n
i i i n i i x x y y b x x a y bx
==?
-?-??=?-??=-??∑∑） 20. 解析： （1）列表如下：
i 1
2
3 4 5 i x
2 3 4 5 6 i y 22
38
55
65
70
i i y x
44
114
22
325
420
2i x
4 9
16
25 36
4=x ， 5=y ， 905
1
2=∑=i i
x ， 3.1125
1
=∑=i i i y x
于是23.14
5905
453.112552
2
51
25
1=?-??-=
--=
∑∑==x
x y
x y
x b i i i i
i ， 08.0423.15=?-=-=bx y a
∴线性回归方程为：08
.023.1^
+=+=x a bx y （2）当x=10时，
38.1208.01023.1^=+?=y （万元）
即估计使用10年时维修费用是1238万元 回归方程为： 1.230.08y x =+
(2) 预计第10年需要支出维修费用12．38 万元．
21. 以下是某地搜集到的新房屋的销售价格y 和房屋的面积x 的数据：
（1）画出数据对应的散点图；
（2）求线性回归方程，并在散点图中加上回归直线；
（3）据（2）的结果估计当房屋面积为2
150m 时的销售价格. （4）求第2个点的残差。
21. 解析：（1）数据对应的散点图如图所示：
（2）1095151==∑=i i x x ，1570)(2
5
1
=-=∑=x x l i i xx ，
308))((,2.235
1
=--==∑=y y x x l y i i i xy
设所求回归直线方程为a bx y +=
，
则1962.01570
308
≈=
=
xx
xy l l b 8166.11570
308
1092.23≈?
-=-=x b y a 故所求回归直线方程为8166.11962.0+=x y
（3）据（2），当2
150x m =时，销售价格的估计值为：
2466.318166.11501962.0=+?=y
（万元）
必看经典例题
1. 从20的样本中得到的有关回归结果是：SSR=60，SSE=40。要检验x 与y 之间的线性关系是否显著，即检验假设：01:0H β=。
(1)线性关系检验的统计量F 值是多少? (2)给定显著性水平a ＝0.05，F a 是多少? (3)是拒绝原假设还是不拒绝原假设?
(4)假定x 与y 之间是负相关，计算相关系数r 。 (5)检验x 与y 之间的线性关系是否显著?
解：（1）SSR 的自由度为k=1；SSE 的自由度为n-k-1=18；
因此：F=1SSR k SSE n k --=60
14018
=27 （2）()1,18F α=()0.051,18F =4.41 （3）拒绝原假设，线性关系显著。 （4）r=
SSR
SSR SSE
+=0.6=0.7746，由于是负相关，因此r=-0.7746
（5）从F 检验看线性关系显著。
2. 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有关结果：
方差分析表 变差来源 df SS MS F SignificanceF 回归 2.17E —09
残差 40158.07 — — 总计 11
1642866.67
—
—
—
参数估计表
Coefficients 标准误差 tStat P —value Intercept 363.6891 62.45529 5.823191 0.000168 XVariable1
1.420211
0.071091
19.97749
2.17E —09
要求：
(1)完成上面的方差分析表。
(2)汽车销售量的变差中有多少是由于广告费用的变动引起的?
(3)销售量与广告费用之间的相关系数是多少?
(4)写出估计的回归方程并解释回归系数的实际意义。
(5)检验线性关系的显著性(a ＝0.05)。
解：
变差来源 df SS MS F SignificanceF 回归 1 1602708.6 1602708.6 399.1000065
2.17E —09
残差 10 40158.07 4015.807 — — 总计
11
1642866.67
—
—
—
（2）R 2=0.9756，汽车销售量的变差中有97.56%是由于广告费用的变动引起的。 （3）r=0.9877。
（4）回归系数的意义：广告费用每增加一个单位，汽车销量就增加1.42个单位。 （5）回归系数的检验：p=2.17E —09＜α，回归系数不等于0，显著。 回归直线的检验：p=2.17E —09＜α，回归直线显著。
3. 根据两个自变量得到的多元回归方程为12?18.4 2.01
4.74y
x x =-++，并且已知n ＝10，SST ＝6 724.125，SSR ＝6 216.375，1
?0.0813s β=，2
?s β＝0.056 7。要求：
(1)在a=0.05的显著性水平下，12,x x 与y 的线性关系是否显著? (2)在a ＝0.05的显著性水平下，1β是否显著?
(3)在a ＝0.05的显著性水平下，2β是否显著?
解（1）回归方程的显著性检验：
假设：H 0：1β=2β=0 H 1：1β，2β不全等于0 SSE=SST-SSR=6 724.125-6 216.375=507.75 F=
1SSR p SSE n p --=6724.1252
507.751021
--=42.85
()2,7F α=4.74，F>()2,7F α，认为线性关系显著。
（2）回归系数的显著性检验： 假设：H 0：1β=0 H 1：1β≠0 t=
1
1S ββ= 2.010.0813
=24.72 ()21t n p α--=2.36，t >()27t α，认为y 与x 1线性关系显著。
（3）回归系数的显著性检验： 假设：H 0：2β=0 H 1：2β≠0 t=
2
2S β
β= 4.740.0567=83.6 ()21t n p α--=2.36，t >()27t α，认为y 与x 2线性关系显著。
4. 根据下面Excel 输出的回归结果，说明模型中涉及多少个自变量、少个观察值？写出回归方程，并根据F ，s e ，R 2及调整的2a R 的值对模型进行讨论。 SUMMARY OUTPUT
回归统计
Multiple R R Square
Adjusted R Square 标准误差 观测值 0.842407 0.709650 0.630463 109.429596 15 方差分析 df SS MS F Significance F
回归
3
321946.8018
107315.6006
8.961759
0.002724
残差11 131723.1982 11974.84
总计14 453670
Coefficients 标准误差t Stat P-value
Intercept
X Variable 1 X Variable 2 X Variable 3 657.0534
5.710311
-0.416917
-3.471481
167.459539
1.791836
0.322193
1.442935
3.923655
3.186849
-1.293998
-2.405847
0.002378
0.008655
0.222174
0.034870
解：自变量3个，观察值15个。
回归方程：?y=657.0534+5.710311X1-0.416917X2-3.471481X3
拟合优度：判定系数R2=0.70965，调整的2
a
R=0.630463，说明三个自变量对因变量的影响的比例占到63%。
回归方程的检验：F检验的P=0.002724，在显著性为5%的情况下，整个回归方程线性关系显著。
回归系数的检验：
1
β的t检验的P=0.008655，在显著性为5%的情况下，y与X1线性关系显
著。
2
β的t检验的P=0.222174，在显著性为5%的情况下，y与X2线性关系不显著。
3
β的t检验的P=0.034870，在显著性为5%的情况下，y与X3线性关系显著。
因此，可以考虑采用逐步回归去除X2，从新构建线性回归模型。
测试题 1．下列说法中错误的是（） A．如果变量x与y之间存在着线性相关关系，则我们根据试验数据得到的点（i=1，2，3，…， n）将散布在一条直线附近B．如果两个变量x与y之间不存在线性相关关系，那么根据试验数据不能写出一个线性方程。 C．设x，y是具有线性相关关系的两个变量，且回归直线方程是，则叫回归系数 D．为使求出的回归直线方程有意义，可用线性相关性检验的方法判断变量x与y之间是否存在线性相关关系 2．在一次试验中，测得（x，y）的四组值分别是（1，2），（2，3），（3，4），（4，5），则y与 x之间的回归直线方程是（） A．B． C．D． 3．回归直线必过点（） A．（0，0）B． C． D． 4．在画两个变量的散点图时，下面叙述正确的是（） A．预报变量在轴上，解释变量在轴上 B．解释变量在轴上，预报变量在轴上 C．可以选择两个变量中任意一个变量在轴上 D．可以选择两个变量中任意一个变量在轴上 5．两个变量相关性越强，相关系数r（） A．越接近于0 B．越接近于1 C．越接近于－1 D．绝
对值越接近1 6．若散点图中所有样本点都在一条直线上，解释变量与预报变量的相关系数为（） A．0 B．1 C．－1 D．－1或1 7．一位母亲记录了她儿子3到9岁的身高，数据如下表： 年龄（岁）3456789 身高（94.8104.2108.7117.8124.3130.8139.0由此她建立了身高与年龄的回归模型，她用这个模型预测儿子10岁时的身高， 则下面的叙述正确的是（） A．她儿子10岁时的身高一定是145.83 B．她儿子10岁时的身高在145.83以上 C．她儿子10岁时的身高在145.83左右 D．她儿子10岁时的身高在145.83以下 8．两个变量有线性相关关系且正相关，则回归直线方程中， 的系数（） A．B．C．D． 能力提升： 9．一个工厂在某年每月产品的总成本y（万元）与该月产量x（万件）之间有如下数据：
第6章 6.1 试举一个产生多重共线性的经济实例。 答：例如有人建立某地区粮食产量回归模型，以粮食产量为因变量Y，化肥用量为X1，水浇地面积为X2，农业投入资金为X3。由于农业投入资金X3与化肥用量X1，水浇地面积X2有很强的相关性，所以回归方程效果会很差。再例如根据某行业企业数据资料拟合此行业的生产函数时，资本投入、劳动力投入、资金投入与能源供应都与企业的生产规模有关，往往出现高度相关情况，大企业二者都大，小企业都小。 6.2多重共线性对回归参数的估计有何影响？ 答：1、完全共线性下参数估计量不存在； 2、参数估计量经济含义不合理； 3、变量的显著性检验失去意义； 4、模型的预测功能失效。 6.3 具有严重多重共线性的回归方程能不能用来做经济预测？ 答：虽然参数估计值方差的变大容易使区间预测的“区间”变大，使预测失去意义。但如果利用模型去做经济预测，只要保证自变量的相关类型在未来期中一直保持不变，即使回归模型中包含严重多重共线性的变量，也可以得到较好预测结果；否则会对经济预测产生严重的影响。 6.4多重共线性的产生于样本容量的个数n、自变量的个数p有无关系？ 答：有关系，增加样本容量不能消除模型中的多重共线性，但能适当消除多重共线性造成的后果。当自变量的个数p较大时，一般多重共线性容易发生，所以自变量应选择少而精。 6.6对第5章习题9财政收入的数据分析多重共线性，并根据多重共线性剔除变量。将所得结果与逐步回归法所得的选元结果相比较。 5.9 在研究国家财政收入时，我们把财政收入按收入形式分为：各项税收收入、企业收入、债务收入、国家能源交通重点建设收入、基本建设贷款归还收入、国家预算调节基金收入、其他收入等。为了建立国家财政收入回归模型，我们以财政收入y（亿元）为因变量，自变量如下：x1为农业增加值（亿元），x2为工业增加值（亿元），x3为建筑业增加值（亿元），x4为人口数（万人），x5为社
第7章岭回归 思考与练习参考答案 7.1 岭回归估计是在什么情况下提出的？ 答：当自变量间存在复共线性时，｜X’X｜≈0，回归系数估计的方差就很大，估计值就很不稳定，为解决多重共线性，并使回归得到合理的结果，70年代提出了岭回归(Ridge Regression,简记为RR)。 7.2岭回归的定义及统计思想是什么？ 答：岭回归法就是以引入偏误为代价减小参数估计量的方差的一种回归方法，其统计思想是对于（X’X）-1为奇异时，给X’X加上一个正常数矩阵 D, 那么X’X+D接近奇异的程度就会比X′X接近奇异的程度小得多，从而完成回归。但是这样的回归必定丢失了信息，不满足blue。但这样的代价有时是值得的，因为这样可以获得与专业知识相一致的结果。 7.3 选择岭参数k有哪几种方法？ 答：最优 是依赖于未知参数 和 的，几种常见的选择方法是： 岭迹法：选择 的点能使各岭估计基本稳定，岭估计符号合理，回归系数没有不合乎经济意义的绝对值，且残差平方和增大不太多；
方差扩大因子法： ，其对角线元 是岭估计的方差扩大因子。要让 ； 残差平方和：满足 成立的最大的 值。 7.4 用岭回归方法选择自变量应遵循哪些基本原则？ 答：岭回归选择变量通常的原则是： 1. 在岭回归的计算中，我们通常假定涉及矩阵已经中心化和标准化了，这样可以直接比较标准化岭回归系数的大小。我们可以剔除掉标准化岭回归系数比较稳定且绝对值很小的自变量； 2. 当k值较小时，标准化岭回归系数的绝对值并不很小，但是不稳定，随着k的增加迅速趋近于零。像这样岭回归系数不稳定、震动趋于零的自变量，我们也可以予以剔除； 3. 去掉标准化岭回归系数很不稳定的自变量。如果有若干个岭回归系数不稳定，究竟去掉几个，去掉那几个，要根据去掉某个变量后重新进行岭回归分析的效果来确定。
回归分析与独立性检验 1.高三年级267位学生参加期末考试，某班37位学生的语文成绩，数学成绩与总成绩在全年级中的排名情况如下图所示，甲、乙、丙为该班三位学生． 从这次考试成绩看， ①在甲、乙两人中，其语文成绩名次比其总成绩名次靠前的学生是 ； ②在语文和数学两个科目中，丙同学的成绩名次更靠前的科目是 ． 2.根据下面给出的2004年至2013年我国二氧化碳年排放量（单位：万吨）柱形图,以下结论中不正确的是（ ） A ．逐年比较,2008年减少二氧化碳排放量的效果最显着 B ．2007年我国治理二氧化碳排放显现成效 C ．2006年以来我国二氧化碳年排放量呈减少趋势 D ．2006年以来我国二氧化碳年排放量与年份正相关 3.为了解某社区居民的家庭年收入所年支出的关系，随机调查了该社区5户家庭，得到如下统计数据表： 根据上表可得回归直线方程???y bx a =+ ，其中???0.76,b a y bx ==- ，据此估计，该社区一户收入为15万元家庭年支出为( )] A ．11.4万元 B ．11.8万元 C ．12.0万元 D ．12.2万元 4．在画两个变量的散点图时，下面哪个叙述是正确的 （ ） A ．预报变量在x 轴上，解释变量在y 轴上 B ．解释变量在x 轴上，预报变量在 y 轴上 C ．可以选择两个变量中任意一个变量在x 轴上 D ．可以选择两个变量中任意一个变量在y 轴上 5 2004年 2005年 2006年 2007年 2008年 2009年 2010年 2011年 2012年 2013年
根据以上数据，则 （ ） A ．种子经过处理跟是否生病有关 B ．种子经过处理跟是否生病无关 C ．种子是否经过处理决定是否生病 D ．以上都是错误的 6．变量x 与y 具有线性相关关系，当x 取值16,14,12,8时，通过观测得到y 的值分别为11,9，8,5，若在实际问题 中，y 的预报最大取值是10，则x 的最大取值不能超过 （ ） A ．16 B ．17 C ．15 D ．12 7．在研究身高和体重的关系时，求得相关指数≈2 R ___________，可以叙述为“身高解释了64%的体重变化，而随机 误差贡献了剩余的36%”所以身高对体重的效应比随机误差的效应大得多。 8.下图是我国2008年至2014年生活垃圾无害化处理量（单位：亿吨）的折线图 （I ）由折线图看出，可用线性回归模型拟合y 与t 的关系，请用相关系数加以说明； （II ）建立y 关于t 的回归方程（系数精确到0.01），预测2016年我国生活垃圾无害化处理量。 参考数据： 7 1 9.32i i y ==∑，7 1 40.17i i i t y ==∑， 7 2 1 () 0.55i i y y =-=∑， 7≈2.646. 参考公式：相关系数1 2 2 1 1 ()() ()(y y)n i i i n n i i i i t t y y r t t ===--= --∑∑∑， 回归方程 y a bt =+ 中斜率和截距的最小二乘估计公式分别为： 9.某城市为了解游客人数的变化规律，提高旅游服务质量，收集并整理了2014年1月至2016年12月期间月接待游客量（单位：万人）的数据，绘制了下面的折线图． 根据该折线图，下列结论错误的是 A ．月接待游客量逐月增加 B ．年接待游客量逐年增加 C ．各年的月接待游客量高峰期大致在7,8月 D ．各年1月至6月的月接待游客量相对7月至12月，波动性更小，变化比较平稳 10.为了研究某班学生的脚长x （单位：厘米）和身高 y （单位：厘米）的关系，从该班随机抽取10名学生，根据测 量数据的散点图可以看出y 与x 之间有线性相关关系，设其回归直线方程为???y bx a =+．已知10 1 225i i x ==∑，10 1 1600i i y ==∑，?4b =．该班某学生的脚长为24，据此估计其身高为 （A ）160 （B ）163 （C ）166 （D ）170 11.海水养殖场进行某水产品的新、旧网箱养殖方法的产量对比，收获时各随机抽取了100 个网箱，测量各箱水产品的产量（单位：kg ）某频率分布直方图如下： （1） 设两种养殖方法的箱产量相互独立，记A 表示事件：“旧养殖法的箱产量低于50kg, 新养殖法的箱产量不低
应用回归分析：填空 (1) 回归分析是处理变量间_______关系的一种数理统计方法，若变量间具有线性关系，则称相应的回归分析为____________；若变量间不具有线性关系，就称相应的回归分析为___________________。 (2) 现代统计学中研究统计关系的两个重要分支是_________和_____________。 (3) 回归模型的建立是基于回归变量的样本统计数据，常用的样本数据分为___ ___________________和______________________。 (4) 回归模型通常应用于______________________、____________________和_____________________等方面。 (5) 最小二乘法的基本特点是使回归值与_________________________平方和为最小，最小二乘法的理论依据是___________________________。 (6) 多元线性回归模型ε β += X Y ，回归参数β的最小二乘估计为 β ?=_________________________。 (7) 设线性回归模型参数向量β(p+1维)的最小二乘估计为β?，c 为p+1维常数向量，则______________是____________的最小方差线性无偏估计。 (8) 在线性回归分析中，最小二乘估计的性质有______________； _____ _____________和____________________等。 (9) 多元线性回归模型n i x x y i ip p i i ,,2,1,110 =++++=εβββ，误差项 ()n i i ,,2,1, =ε需满足的markov Gauss -假设为： (a):________________________________________； (b):________________________________________； (c):_________________________________________。 (10) 对回归方程做显著性检验时，可以用P 值代替检验统计量值，作出拒绝或接受原假设的决定：当P_______α时，接受0H ；当P________α时，拒绝0H 。 (11) 在p 元线性回归中，确定随机变量y 与自变量12,,,p x x x 间是否有线性
y1 1 x11 x12 x1p 0 1 3.1 y2 1 x21 x22 x2p 1 + 2 即y=x + yn 1 xn1 xn2 xnp p n 基本假定 (1) 解释变量x1,x2…,xp 是确定性变量，不是随机变量，且要求 rank(X)=p+1 n 注 tr(H) h 1 3.4不能断定这个方程一定很理想，因为样本决定系数与回归方程中 自变量的数目以及样本量n 有关，当样本量个数n 太小，而自变量又较 多，使样本量与自变量的个数接近时， R 2易接近1,其中隐藏一些虚 假成分。 3.5当接受H o 时，认定在给定的显著性水平 下，自变量x1,x2, xp 对因变量y 无显著影响，于是通过x1,x2, xp 去推断y 也就无多大意 义，在这种情况下，一方面可能这个问题本来应该用非线性模型去描 述，而误用了线性模型，使得自变量对因变量无显著影响；另一方面 可能是在考虑自变量时，把影响因变量y 的自变量漏掉了，可以重新 考虑建模问题。 当拒绝H o 时，我们也不能过于相信这个检验，认为这个回归模型 已经完美了，当拒绝H o 时，我们只能认为这个模型在一定程度上说明 了自变量x1,x2, xp 与自变量y 的线性关系，这时仍不能排除排除我 们漏掉了一些重要的自变量。 3.6中心化经验回归方程的常数项为0,回归方程只包含p 个参数估计 值1, 2, p 比一般的经验回归方程减少了一个未知参数，在变量较 SSE (y y)2 e12 e22 1 2 1 E( ) E( - SSE* - n p 1 n p n 2 [D(e) (E(e ))2 ] 1 n (1 1 n 2 en n E( e 1 1 n p 1 1 n p 1 1 "1 1 n p 1 J (n D(e) 1 (p 1)) 1_ p 1 1 1 n p 1 2 2 n E(e 2 ) (1 h ) 2 1 高考试题回归分析,独 立性检验 TTA standardization office【TTA 5AB- TTAK 08- TTA 2C】 回归分析与独立性检验 1.高三年级267位学生参加期末考试，某班37位学生的语文成绩，数学成绩与总成绩在全年级中的排名情况如下图所示，甲、乙、丙为该班三位学生． 从这次考试成绩看， ①在甲、乙两人中，其语文成绩名次比其总成绩名次靠前的学生是 ； ②在语文和数学两个科目中，丙同学的成绩名次更靠前的科目是 ． 2.根据下面给出的2004年至2013年我国二氧化碳年排放量（单位：万吨）柱形图,以下结论中不正确的是（ ） A ．逐年比较,2008年减少二氧化碳排放量的效果最显着 B ．2007年我国治理二氧化碳排放显现成效 C ．2006年以来我国二氧化碳年排放量呈减少趋势 D ．2006年以来我国二氧化碳年排放量与年份正相关 3.为了解某社区居民的家庭年收入所年支出的关系，随机调查了该社区5户家庭，得到如下统计数据表： 根据上表可得回归直线方程???y bx a =+ ，其中???0.76,b a y bx ==- ，据此估计，该社区一户收入为15万元 家庭年支出为( )] A ．万元 B ．万元 C ．万元 D ．万元 4．在画两个变量的散点图时，下面哪个叙述是正确的 （ ） A ．预报变量在x 轴上，解释变量在y 轴上 B ．解释变量在x 轴上，预报变量在 y 轴上 C ．可以选择两个变量中任意一个变量在x 轴上 D ．可以选择两个变量中任意一个变量在y 轴上 5 2004年 2005年 2006年 2007年 2008年 2009年 2010年 2011年 2012年 2013年 1.1回归分析的基本思想及其初步应用 一、选择题 1. 某同学由x 与y 之间的一组数据求得两个变量间的线性回归方程为y bx a =+，已知：数据x 的平 均值为2，数据 y 的平均值为3，则 ( ) A ．回归直线必过点（2，3） B ．回归直线一定不过点（2，3） C ．点（2，3）在回归直线上方 D ．点（2，3）在回归直线下方 2. 在一次试验中，测得(x,y)的四组值分别是A(1,2),B(2,3),C(3,4),D(4,5)，则Y 与X 之间的回归直线方程为（ ）A ． y x 1=+ B ． y x 2=+ C ． y 2x 1=+ Ｄ． y x 1=-3. 在对两个变量x ，y 进行线性回归分析时，有下列步骤： ①对所求出的回归直线方程作出解释； ②收集数据(i x 、i y ） ，1,2i =，…，n ； ③求线性回归方程； ④求未知参数； ⑤根据所搜集的数据绘制散点图 如果根据可行性要求能够作出变量,x y 具有线性相关结论，则在下列操作中正确的是（ ） A ．①②⑤③④ B ．③②④⑤① C ．②④③①⑤ D ．②⑤④③① 4. 下列说法中正确的是（ ） A ．任何两个变量都具有相关关系 B ．人的知识与其年龄具有相关关系 C ．散点图中的各点是分散的没有规律 D ．根据散点图求得的回归直线方程都是有意义的 5. 给出下列结论： （1）在回归分析中，可用指数系数2 R 的值判断模型的拟合效果，2 R 越大，模型的拟合效果越好； （2）在回归分析中，可用残差平方和判断模型的拟合效果，残差平方和越大，模型的拟合效果越好； （3）在回归分析中，可用相关系数r 的值判断模型的拟合效果，r 越小，模型的拟合效果越好； （4）在回归分析中，可用残差图判断模型的拟合效果，残差点比较均匀地落在水平的带状区域中，说明这样的模型比较合适．带状区域的宽度越窄，说明模型的拟合精度越高． 以上结论中，正确的有（ ）个． A ．1 B ．2 C ．3 D ．4 6. 已知直线回归方程为2 1.5y x =-，则变量x 增加一个单位时（ ） A.y 平均增加1.5个单位 B.y 平均增加2个单位 C.y 平均减少1.5个单位 D. y 平均减少2个单位 7. 下面的各图中，散点图与相关系数r 不符合的是（ ） 应用回归分析填空题和答案 应用回归分析：填空 (1) 回归分析是处理变量间_______关系的一种数理统计方法，若变量间具有线性关系，则称相应的回归分析为____________；若变量间不具有线性关系，就称相应的回归分析为___________________。 (2) 现代统计学中研究统计关系的两个重要分支是_________和_____________。 (3) 回归模型的建立是基于回归变量的样本统计数据，常用的样本数据分为___ ___________________和______________________。 (4) 回归模型通常应用于______________________、____________________和_____________________等方面。 (5) 最小二乘法的基本特点是使回归值与_________________________平方和为最小，最小二乘法的理论依据是___________________________。 (6) 多元线性回归模型εβ+=X Y ，回归参数β的最小二乘估计为 β?=_________________________。 (7) 设线性回归模型参数向量β(p+1维)的最小二乘估计为β ?，c 为p+1维常数向量，则______________是____________的最小方差线性无偏估计。 (8) 在线性回归分析中，最小二乘估计的性质有______________； _____ _____________和____________________等。 (9) 多元线性回归模型n i x x y i ip p i i ,,2,1,110 =++++=εβββ，误差项()n i i ,,2,1, =ε需满足的markov Gauss -假设为： (a):________________________________________； (b):________________________________________； (c):_________________________________________。 (10) 对回归方程做显著性检验时，可以用P 值代替检验统计量值，作出拒绝或接受原假设的决定：当P_______α时，接受0H ；当P________α时，拒绝0H 。 (11) 在p 元线性回归中，确定随机变量y 与自变量12,,,p x x x 间是否有线性 第3章 多元线性回归 思考与练习参考答案 3.1 见教材P64-65 3.2 讨论样本容量n 与自变量个数p 的关系，它们对模型的参数估计有何影响？ 答：在多元线性回归模型中，样本容量n 与自变量个数p 的关系是：n>>p 。如果n<=p 对模型的参数估计会带来很严重的影响。因为： 1. 在多元线性回归模型中，有p+1个待估参数β，所以样本容量的个数应该大于解释变量的个数，否则参数无法估计。 2. 解释变量X 是确定性变量，要求()1rank p n =+ 1、对于一元线性回归01(1,2,...,)i i i y x i n ββε=++=,()0i E ε=，2 var()i εσ=， cov(,)0()i j i j εε=≠，下列说法错误的是 (A)0β，1β的最小二乘估计0?β，1 ?β 都是无偏估计； (B)0β，1β的最小二乘估计0?β，1?β对1y ，2y ，...，n y 是线性的； 2、在回归分析中若诊断出异方差，常通过方差稳定化变化对因变量进行变换. 如果误差方差与因变量y 的期望成正比，则可通过下列哪种变换将方差常数化 (A) 1 y ； (C) ln(1)y +；(D)ln y . 3、下列说法错误的是 (A)强影响点不一定是异常值； (B)在多元回归中，回归系数显着性的t 检验与回归方程显着性的F 检验是等价的； (C)一般情况下，一个定性变量有k 类可能的取值时，需要引入k-1个0-1型自变量； (D)异常值的识别与特定的模型有关. 4、下面给出了4个残差图，哪个图形表示误差序列是自相关的 (A) (C) 5 应用回归分析试题（一） (C)0β，1β的最小二乘估计0?β，1 ?β之间是相关的； (D)若误差服从正态分布，0β，1β的最小二乘估计和极大似然估计是不一样的. (A) (B) (C) (D) 二、填空题（每空2分，共20分） 1、考虑模型y X βε=+，2var()n I εσ=，其中:X n p '?，秩为p '，2 0σ>不一定 已知，则?β =__________________， ?var()β=___________，若ε服从正态分布，则 22 ?()n p σ σ'-:___________，其中2?σ 是2σ的无偏估计. 2、下表给出了四变量模型的回归结果： 则残差平方和=_________，总的观察值个数=_________，回归平方和的自由度=________. 3、已知因变量y 与自变量1x ，2x ，3x ，4x ，下表给出了所有可能回归模型的AIC 值，则最优子集是_____________________. 4、在诊断自相关现象时，若0.66DW =，则误差序列的自相关系数ρ的估计值=_____ ，若存在自相关现象，常用的处理方法有迭代法、_____________、科克伦-奥克特迭代法. 5、设因变量y 与自变量x 的观察值分别为12,,...,n y y y 和12,,...,n x x x ，则以* x 为折点的 折线模型可表示为_____________________. 三、（共45分）研究货运总量y （万吨）与工业总产值1x （亿元）、农业总产值2x （亿元）、居民非商品支出3x （亿元）的线性回归关系.观察数据及残差值i e 、学生化残差i SRE 、 第4章违背基本假设的情况 思考与练习参考答案 4.1 试举例说明产生异方差的原因。 答：例4.1：截面资料下研究居民家庭的储蓄行为 Y i=β0+β1X i+εi 其中：Y i表示第i个家庭的储蓄额，X i表示第i个家庭的可支配收入。 由于高收入家庭储蓄额的差异较大，低收入家庭的储蓄额则更有规律性，差异较小，所以εi的方差呈现单调递增型变化。 例4.2：以某一行业的企业为样本建立企业生产函数模型 Y i=A iβ1K iβ2L iβ3eεi 被解释变量：产出量Y，解释变量：资本K、劳动L、技术A，那么每个企业所处的外部环境对产出量的影响被包含在随机误差项中。由于每个企业所处的外部环境对产出量的影响程度不同，造成了随机误差项的异方差性。这时，随机误差项ε的方差并不随某一个解释变量观测值的变化而呈规律性变化，呈现复杂型。 4.2 异方差带来的后果有哪些？ 答：回归模型一旦出现异方差性，如果仍采用OLS估计模型参数，会产生下列不良后果： 1、参数估计量非有效 2、变量的显著性检验失去意义 3、回归方程的应用效果极不理想 总的来说，当模型出现异方差性时，参数OLS估计值的变异程度增大，从而造成对Y的预测误差变大，降低预测精度，预测功能失效。 4.3 简述用加权最小二乘法消除一元线性回归中异方差性的思想与方法。 答：普通最小二乘估计就是寻找参数的估计值使离差平方和达极小。其中每个平方项的权数相同，是普通最小二乘回归参数估计方法。在误差项等方差不相关的条件下，普通最小二乘估计是回归参数的最小方差线性无偏估计。然而在异方差 的条件下，平方和中的每一项的地位是不相同的，误差项的方差大的项，在残差平方和中的取值就偏大，作用就大，因而普通最小二乘估计的回归线就被拉向方差大的项，方差大的项的拟合程度就好，而方差小的项的拟合程度就差。由OLS 求出的仍然是的无偏估计，但不再是最小方差线性无偏估计。所以就是：对较大的残差平方赋予较小的权数，对较小的残差平方赋予较大的权数。这样对残差所提供信息的重要程度作一番校正，以提高参数估计的精度。 加权最小二乘法的方法： 4.4简述用加权最小二乘法消除多元线性回归中异方差性的思想与方法。 答：运用加权最小二乘法消除多元线性回归中异方差性的思想与一元线性回归的类似。多元线性回归加权最小二乘法是在平方和中加入一个适当的权数i w ，以调整各项在平方和中的作用，加权最小二乘的离差平方和为： ∑=----=n i ip p i i i p w x x y w Q 1211010)( ),,,(ββββββ （2） 加权最小二乘估计就是寻找参数p βββ,,,10 的估计值pw w w βββ?,,?,?10 使式（2）的离差平方和w Q 达极小。所得加权最小二乘经验回归方程记做 22011 1 ???()()N N w i i i i i i i i Q w y y w y x ββ===-=--∑∑22 __ 1 _ 2 _ _ 02 222 ()() ?()?1 11 1 ,i i N w i i i w i w i w w w w w kx i i i i m i i i m i w x x y y x x y x w kx x kx w x σβββσσ==---=-= = ===∑∑1N i =1 1表示=或 (1)根据给定的模型，考察当x趋向于无穷大时y的变化，确定参数C0的初始值； (2)求给定的模型关于参数C0、C1、C2的导数； (3)若取参数的初始值C0=100，C1=4to7搜索步长0.1，C2=3to5搜索步长0.1，利用高斯-牛顿迭代法进行参数估计，得到结果如下： 请写出完成该运算的SAS程序（数据集sta7）、拟合所得的模型，计算所得的相关指数R2。Data its_4; Input x y@@; Cards; 1 0.5 2 2.5 3 3.5 4 24 5 54.7 6 82.1 7 94.8 8 96.2 9 96.4 ; ________________________________ Proc qplot; Plot y*x=’*’/grtd; Run; ______________________________ Proc nlin; Paras c0=100 c1=3 to 6 by 0.02 c2=3 to 6 by 0.02; Model y=c0-c0/(1+(x/c2)**c1); Run; 多重共线性对回归参数的估计有何影响？ 1.对参数的估计值不精确，也不稳定。样本观测值稍有变动，增加或减少解释变量都会使参数估计值发生较大变化，甚至出现符号错误，从而不能正确反映解释变量对被解释变量的影响。 2.参数估计的标准差较大，使参数的显著性t检验增加了接受原假设的可能，从而舍去对被解释变量有显著影响的解释变量。 主成分回归的思想和分析步骤： 有偏估计的方法：参数的有偏估计方法有岭回归、主成分回归和偏最小二乘。 主成分回归的思想和方法： （1）主成分回归是利用主成分分析的思想，在损失信息很少的前提下把原变量利用正交旋转变化转化为较少个数的主成分（综合指标），计算样品在所选主成分上的得分，将原因变量对原来各分析样品主成分得分进行回归，并将各主成分分别对原自变量进行回归后再代入原因变量对主成分的回归方程就得到主成分回归方程。 （2）分析步骤： 1.求原自变量集的相关系数矩阵及其特征值和相应的标准正交特征向量； 2.按从大到小排列特征值，以累计方差贡献率>=85%选取前面较大的若干个特征值，利用其相应的特征向量构成主成分； 3.计算各样品在所选主成分上的得分； 4.利用原因变量对所选主成分得分进行回归，各主成分分析对原自变量进行回归并将所得的回归结果代入原因变量对所选主成分的回归方法既得结果 该方法的主要用途是消除自变量间的多重共线性，它与回归参数的普通最小二重估计的主 一 选择题 1、对于一元线性回归01+(1,2,,)i i i y x i n ββε=+= ,()0i E ε=,2 var()i εσ=, cov(,)0(i j)i j εε=≠,下列说法错误的（ BC ） (A) 01ββ，的最小二乘估计01 ??ββ，都是无偏估计； (B) 01ββ，的最小二乘估计01??ββ，对12,,n y y y ，是线性的； (C) 01ββ，的最小二乘估计01 ??ββ，之间是相关的； (D) 若误差服从正态分布，01ββ，的最小二乘估计和极大似然估计是不一样的. 2、下列说法错误的是 （ B ） (A)强影响点不一定是异常值； (B)在多元回归中，回归系数显著性的t 检验与回归方程显著性的F 检验是等价的； (C)一般情况下，一个定性变量有k 类可能的取值时，需要引入k-1个0-1型自变量； (D)异常值的识别与特定的模型有关. 3、在对两个变量x ，y 进行线性回归分析时，有下列步骤： ①对所求出的回归直线方程作出解释; ②收集数据{(x ,y )},i=1,2,,n i i ； ③求线性回归方程; ④求未知参数; ⑤根据所搜集的数据绘制散点图。 如果根据可行性要求能够作出变量,x,y 具有线性相关结论，则在下列操作中正确的是（ D ） A ．①②⑤③④ B ．③②④⑤① C ．②④③①⑤ D ．②⑤④③① 4、下列说法中正确的是（B ） A.任何两个变量都具有相关关系 ； B.人的知识与其年龄具有相关关系 ； C ．散点图中的各点是分散的没有规律 ； D ．根据散点图求得的回归直线方程都是有意义的。 5、下面的各图中，散点图与相关系数r 不符合的是（ B ） 应用回归分析试题(一) 1、对于一元线性回归y 0i X i i(i 1,2,..., n),E(J 0 , var( J cov( i, j) 0(i j)，下列说法错误的是 (A) 0，1的最小一乘估计? '0， ?都是无偏估计； (B) 0，1的最小一乘估计? 0， Q ?对y，y2，... ，y n是线性的； (C) 0，1的最小一乘估计 ? ， ?之间是相关的； (D)若误差服从正态分布，0，1的最小二乘估计和极大似然估计是不一样的 2、在回归分析中若诊断出异方差，常通过方差稳定化变化对因变量进行变换.如果误差方差与因变量y的期望成正比，则可通过下列哪种变换将方差常数化 1 (A) - ；(B) “ ；(C) ln( y 1) ；(D) In y. y 、 3、下列说法错误的是 (A) 强影响点不一定是异常值； (B) 在多元回归中，回归系数显着性的t检验与回归方程显着性的F检验是等价的； (C) 一般情况下，一个定性变量有k类可能的取值时，需要引入k-1个0-1型自变量； (D) 异常值的识别与特定的模型有关. 4、下面给岀了4个残差图，哪个图形表示误差序列是自相关的 (A) (B) (C) (D) 5、下列哪个岭迹图表示在某一具体实例中最小二乘估计是适用的 (A) (B) (C)(D) 二、填空题(每空2分，共20分) 2 2 1、考虑模型y X ，var( ) I n，其中X : n p，秩为p，0不一定 已知，则 ? ________________ , var （ ?） _________ ，若 服从正态分布，则 2、下表给岀了四变量模型的回归结果: 则残差平方和= ___________ ，总的观察值个数 = ___________ ，回归平方和的自由度 = ________ . 3、已知因变量 y 与自变量X i ，X 2， X 3，X 4，下表给岀了所有可能回归模型的 AIC 值，则最 优子集是 _______________________ . 4、 在诊断自相关现象时，若 DW 0.66，则误差序列的自相关系数 的估计值= _______ ，若 存在自相关现象，常用的处理方法有迭代法、 _____________ 、科克伦-奥克特迭代法. 5、 设因变量y 与自变量X 的观察值分别为 y 「y 2,..., y n 和x 1, x 2 ,..., x n ，则以x *为折点的折 线模型可表示为 ________________________ . 三、（共45分）研究货运总量y （万吨）与工业总产值x 1 （亿元）、农业总产值x 2 （亿元）、 居民非商品支岀X 3 （亿元）的线性回归关系.观察数据及残差值e i 、学生化残差SRE i 、删除 学生化残差SRE （i ）、库克距离D i 、杠杆值ch ii 见表 (n P)?2 ___________ ，其中?2是2的无偏估计 2．已知一模型的最小二乘的回归结果如下： i i ?Y =101.4-4.78X 标准差 （45.2） （1.53） n=30 R 2 =0.31 其中，Y ：政府债券价格（百美元），X ：利率（%）。 回答以下问题：（1）系数的符号是否正确，并说明理由；（2）为什么左边是i ?Y 而不是i Y ； （3）在此模型中是否漏了误差项i u ；（4）该模型参数的经济意义是什么。 13．假设某国的货币供给量Y 与国民收入X 的历史如系下表。 某国的货币供给量X 与国民收入Y 的历史数据 根据以上数据估计货币供给量Y 对国民收入X 的回归方程，利用Eivews 软件输出结果为： Dependent Variable: Y Variable Coefficient Std. Error t-Statistic Prob. X 1.968085 0.135252 14.55127 0.0000 C 0.353191 0.562909 0.627440 0.5444 R-squared 0.954902 Mean dependent var 8.258333 Adjusted R-squared 0.950392 S.D. dependent var 2.292858 S.E. of regression 0.510684 F-statistic 211.7394 Sum squared resid 2.607979 Prob(F-statistic) 0.000000 问：（1）写出回归模型的方程形式，并说明回归系数的显著性（） 。 （2）解释回归系数的含义。 （2）如果希望1997年国民收入达到15，那么应该把货币供给量定在什么水平？ 14．假定有如下的回归结果 t t X Y 4795.06911.2?-= 其中，Y 表示美国的咖啡消费量（每天每人消费的杯数），X 表示咖啡的零售价格（单位：美元/杯），t 表示时间。问： （1）这是一个时间序列回归还是横截面回归？做出回归线。 （2）如何解释截距的意义？它有经济含义吗？如何解释斜率？（3）能否救出真实的总体回归函数？ （4）根据需求的价格弹性定义： Y X ?弹性＝斜率，依据上述回归结果，你能救出对咖啡需求的价格弹性吗？如果不能，计算此弹性还需要其他什么信息？ 15．下面数据是依据10组X 和Y 的观察值得到的： 1110=∑i Y ，1680 =∑i X ，204200=∑i i Y X ，315400 2=∑ i X ，133300 2 =∑i Y 假定满足所有经典线性回归模型的假设，求0β，1β的估计值； 16.根据某地1961—1999年共39年的总产出Y 、劳动投入L 和资本投入K 的年度数据，运用普通最小二乘法估计得出了下列回归方程： 应用回归分析试题（二） 一、选择题 1. 在对两个变量x , y 进行线性回归分析时，有下列步骤： ①对所求出的回归直线方程作出解释；②收集数据（X i 、），1,2，…, n ；③ 求线性回归方程；④求未知参数； ⑤根据所搜集的数据绘制 散点图。 如果根据可行性要求能够作出变量x ，y 具有线性相关结论，则在下列 操作中正确的是（D ） A .①②⑤③④ B .③②④⑤① C .②④③①⑤ D .②⑤④③① 2. 下列说法中正确的是（B ） A .任何两个变量都具有相关关系 B .人的知识与其年龄具有相关关系 C .散点图中的各点是分散的没有规律 D .根据散点图求得的回归直线方程都是有意义的 3. 下面的各图中，散点图与相关系数r 不符合的是（B ） \ 4 yi i .? — | 5. 在画两个变量的散点图时，下面哪个叙述是正确的 (B ) (A) 预报变量在x 轴上，解释变量在y 轴上 (B) 解释变量在x 轴上，预报变量在y 轴上 (C) 可以选择两个变量中任意一个变量在 X 轴上 (D) 可以选择两个变量中任意一个变量 二、 填空题 m 丄 1. y 关于m 个自变量的所有可能回归方程有-一1个。 2. H 是帽子矩阵，贝S tr(H)=p+1。 3. 回归分析中从研究对象上可分为一元和多元。 4. 回归模型的一般形式是 y ° 1X 1 2X 2 p X p 。 5. Cov(e) 2(l H) (e 为多元回归的残差阵)。 三、 叙述题 1.引起异常值消除的方法(至少5个)? 答案：异常值消除方法： (1) 重新核实数据； (2) 重新测量数据； (3) 删除或重新观测异常值数据； (4) 增加必要的自变量； 则正确的叙述是(D ) A .身咼一定是145.83cm C .身高低于145.00cm B .身高超过146.00cm D .身高在145.83cm 左右 《应用回归分析》试卷 ★要求将答案做在答题纸上，做在别处无分。 一、（50分）单项选择题（每题1分） 1.回归分析的建模依据为（） A.统计理论 B.预测理论 C.经济理论 D.数学理论 2.随机方程式构造依据为（） A．经济恒等式 B.政策法规 C.变量间的技术关系 D.经济行为 3. 回归模型的被解释变量一定是（） A．控制变量 B.政策变量 C.内生变量 D.外生变量 4.在同一时点或时期上，不同统计单位的相同统计指标组成的数据是（） A．时期数据 B.时点数据 C.时序数据 D.截面数据 5.回归分析的目的为（） A．研究解释变量对被解释变量的依赖关系 B.研究解释变量和被解释变量的相关关系 C.研究被解释变量对解释变量的依赖关系 D.以上说法都不对 6.在回归分析中，有关被解释变量Y和解释变量X的说法正确的为（） A．Y为随机变量，X为非随机变量 B. Y为非随机变量，X为随机变量 C.X、Y均为随机变量 D. X、Y均为非随机变量 7.在X与Y的相关分析中（） A．X是随机变量，Y是非随机变量 B. Y是随机变量，X是非随机变量 C.X和Y都是随机变量 D. X和Y均为非随机变量 8.总体回归线是指（） A．解释变量X取给定值时，被解释变量Y的样本均值的轨迹。 B．样本观测值拟合的最好的曲线。 C．使残差平方和最小的曲线 D．解释变量X取给定值时，被解释变量Y的条件均值或期望值的轨迹。 9．最小二乘准则是指（） Ａ.随机误差项ε的平方和最小 B. Y与它的期望值E(Y/X)的离差平方和最小 C. X与它均值E(X)的离差的平方和最小 D.残差e的平方和最小 10.按照经典假设,线性回归模型中的解释变量应为非随机变量,且( ) A.与被解释变量Y不相关 B.与随机误差项ε不相关 C. 与回归值?Y不相关 D.以上说法均不对 11.有效估计量是指( ) A.在所有线性无偏估计中方差最大 B.在所有线性无偏估计量中变异系数最小 C.在所有线性无偏估计量中方差最小 D.在所有线性无偏估计量中变异系数最大 12.在一元线性回归模型中, 2 σ的无偏估计量2?σ为( ) A. 2 1 n i i e n = ∑ B. 2 1 1 n i i e n = - ∑ C. 2 1 2 n i i e n = - ∑ D. 2 1 3 n i i e n = - ∑ 13判定系数2R的取值范围为( )高考试题回归分析,独立性检验
回归分析练习题(有答案)
应用回归分析填空题和答案
应用回归分析-第3章课后习题参考答案
应用回归分析试卷
应用回归分析,第4章课后习题参考答案
回归分析模拟试题
应用回归分析测试题
应用回归分析试题套
计量经济学试题库[超[完整版]]和答案解析
应用回归分析试题二
《应用回归分析》试卷
相关主题
文本预览