下载文档原格式
统计学第十二章 多元线性回归一． 选择题1. 在多元线性回归分析中，t 检验是用来检验（ ） A 总体线性关系的显著性 B.各回归系数的显著性 C.样本线性关系的显著性 D ．H 0：β1=β2=…βk =02.在多元线性回归模型中，若自变量x i 对因变量y 的影响不显著，那么它的回归系数 βi 的取值（ ）A.可能为0B.可能为1C.可能小于0 D 可能大于13.在多元线性回归方程 y i ˆ=βˆ0+x 11ˆβ+x 22ˆβ+…+xkkβˆ中，回归系数βˆi表示（ ） A.自变量x i 变动1个单位时，因变量y 的平均变动额为βˆiB.其他变量不变的条件下，自变量x i 变动1个单位时，因变量y的平均变动额为βˆiC.其他变量不变的条件下，自变量x i 变动1个单位时，因变量y的变动总额为βˆiD.因变量y 变动1个单位时，因变量x i 的变动总额为βˆi4.设自变量的个数为5个，样本容量为20。
在多元回归分析中，估计标准误差的自由度为（ ）A.20B.15C.14D.18 5.在多元回归分析中，通常需要计算调整的多重判定系数R a2，这样可以避免的值（）A. 由于模型中自变量个数的增加而越来越接近1B. 由于模型中自变量个数的增加而越来越接近0C. 由于模型中样本容量的增加而越来越接近0D. 由于模型中样本容量的增加而越来越接近16.在多元线性回归分析中，如果F检验表明线性关系显著，则意味着（）A.在多个变量中至少有一个自变量与因变量之间的线性关系显著B.所有的自变量与因变量之间的线性关系都显著C.在多个变量中至少有一个自变量与因变量之间的线性关系不显著D.所有的自变量与因变量之间的线性关系都不显著7.在多元线性回归分析中，如果t检验表明回归系数βi不显著，则意味着（）A.整个回归方程的线性关系不显著B.整个回归方程的线性关系显著C.自变量x i与因变量之间的线性关系不显著D.自变量x i与因变量之间的线性关系显著8.设多元线性回归方程为Yˆ=βˆ0+x11ˆβ+x22ˆβ+…+xkkβˆ，若自变量x i的回归系数βˆi的取值接近0，这表明（）A.因变量y对自变量ix的影响不显著B.因变量y对自变量ix的影响显著C.自变量ix对因变量y的影响不显著D.自变量x对因变量y的影响显著i9.一家出租汽车公司为确定合理的管理费用，需要研究出租车司机每天的收入（元）与他的行驶时间（小时）、行驶的里程（公里）之间的关系，为此随机调查了20位出租车司机，根据每天的收入（y）、行驶时间（x1）和行驶的里程（x2）的有关数据进行回归，得到下面的有关结果（a=0.05）根据上表计算的判定系数为（）A. 0.9229B. 1.1483C. 0.3852D. 0.851610. 一家出租汽车公司为确定合理的管理费用，需要研究出租车四级每天的收入（元）与他的行驶时间（小时）、行驶的里程（公里）之间的关系，为此随机调查了20位出租车司机，根据每天的收入（y）、行驶时间（x1）和行驶的里程（x2）的有关数据进行回归，得到下面的有关结果（α=0.05）根据上表计算的估计标准误差为（）A. 306.18B. 17.50C. 16.13D. 41.9311. 一家出租汽车公司为确定合理的管理费用，需要研究出租车司机每天的收入（元）与他的行驶时间（小时）、行驶的里程（公里）之间的关系，为此随机调查了20位出租车司机，根据每天的收入（y）、行驶时间（x1）和行驶的里程（x2）的有关数据进行回归，得到下面的有关结果（α=0.05）根据上表计算的用于检验线性关系的统计量F=（）A. 306.18B. 48.80C. 5.74D. 41.9312.一家产品销售公司在30个地区设有销售分公司。
求：(1)人均GDP 作自变量，人均消费水平作因变量，绘制散点图，并说明二者之间的关系形态。
(2)计算两个变量之间的线性相关系数，说明两个变量之间的关系强度。
(3)求出估计的回归方程，并解释回归系数的实际意义。
(4)计算判定系数，并解释其意义。
(5)检验回归方程线性关系的显著性(0.05α=)。
(6)如果某地区的人均GDP 为5000元，预测其人均消费水平。
(7)求人均GDP 为5000元时，人均消费水平95％的置信区间和预测区间。
解：（1）可能存在线性关系。
（2）相关系数：（3）回归方程：734.6930.309y x=+回归系数的含义：人均GDP没增加1元，人均消费增加0.309元。
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 注意：图标不要原封不动的完全复制软件中的图标，要按规范排版。
系数(a)模型非标准化系数标准化系数t 显著性B 标准误Beta1 （常量）734.693 139.540 5.265 0.003人均GDP（元）0.309 0.008 0.998 36.492 0.000 a. 因变量: 人均消费水平（元）%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%人均GDP对人均消费的影响达到99.6%。
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%注意：图标不要原封不动的完全复制软件中的图标，要按规范排版。
模型摘要模型R R 方调整的R 方估计的标准差1 .998(a) 0.996 0.996 247.303a. 预测变量:(常量), 人均GDP（元）。
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%（5）F 检验：回归系数的检验：t 检验注意：图标不要原封不动的完全复制软件中的图标，要按规范排版。
系数(a)模型 非标准化系数标准化系数t 显著性B 标准误 Beta1（常量） 734.693 139.540 5.2650.003 人均GDP （元）0.3090.0080.99836.4920.000a. 因变量: 人均消费水平（元）%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%（6）某地区的人均GDP 为5000元，预测其人均消费水平为 734.6930.30950002278.693y =+⨯=(元)。
第十二章相关与回归分析一、填空1.如果两变量的相关系数为0，说明这两变量之间_____________。
2.相关关系按方向不同，可分为__________和__________。
3.相关关系按相关变量的多少，分为______和复相关。
4．在数量上表现为现象依存关系的两个变量，通常称为自变量和因变量。
自变量是作为（变化根据）的变量，因变量是随（自变量）的变化而发生相应变化的变量。
5．对于表现为因果关系的相关关系来说，自变量一般都是确定性变量，因变量则一般是（随机性）变量。
6．变量间的相关程度，可以用不知Y与X有关系时预测Y的全部误差E1，减去知道Y与X有关系时预测Y的联系误差E2，再将其化为比例来度量，这就是（削减误差比例）。
7．依据数理统计原理，在样本容量较大的情况下，可以作出以下两个假定：（1）实际观察值Y围绕每个估计值cY是服从（）；（2）分布中围绕每个可能的cY值的（）是相同的。
7.已知：工资（元）倚劳动生产率（千元）的回归方程为xyc8010+=，因此，当劳动生产率每增长1千元，工资就平均增加 80 元。
8．根据资料，分析现象之间是否存在相关关系，其表现形式或类型如何，并对具有相关关系的现象之间数量变化的议案关系进行测定，即建立一个相关的数学表达式，称为（回归方程），并据以进行估计和预测。
这种分析方法，通常又称为（回归分析）。
9．积差系数r是（协方差）与X和Y的标准差的乘积之比。
二、单项选择1．欲以图形显示两变量X和Y的关系，最好创建（D ）。
A 直方图 B 圆形图 C 柱形图 D 散点图2．在相关分析中，对两个变量的要求是（ A ）。
A 都是随机变量B 都不是随机变量C 其中一个是随机变量，一个是常数D 都是常数3. 相关关系的种类按其涉及变量多少可分为( )。
A. 正相关和负相关B. 单相关和复相关C. 线性相关和非线性相关D. 不相关、不完全相关、完全相关4．关于相关系数，下面不正确的描述是（ B ）。
第十二章简单回归分析习题一、是非题1．直线回归反映两变量间的依存关系，而直线相关反映两变量间的相互线性伴随变化关系.2．对同一组资料，如相关分析算出的r越大，则回归分析算出的b值也越大. 3．对同一组资料，对r与b分别作假设检验，可得t r=t b4．利用直线回归估计X值所对应的Y值的均数置信区间时，增大残差标准差可以减小区间长度.5．如果直线相关系数r=0，则直线回归的SS残差必等于0.二、选择题1. 用最小二乘法确定直线回归方程的原则是各观察点距直线的( )．A．纵向距离之和最小 B. 纵向距离的平方和最小C. 垂直距离之和最小D．垂直距离的平方和最小E．纵向距离的平方和最大2．Y＝14十4X是1~7岁儿童以年龄(岁)估计体质量(市斤)的回归方程，若体质量换成位kg，则此方程( )A 截距改变B 回归系数改变C 两者都改变D 两者都不改变E．相关系数改变4．直线回归系数假设检验，其自由度为( )A．n B. n-1C．n-2 D. 2n-1E．2(n-1)5．当r＝0时，Y＝a+b X回归方程中( )A a必大于零B a必大于XC a必等于零D a必大于YE a必等于b6．在多元线性回归分析中，反应变量总离均差平方和可以分解为两部分，残差是指( )．A．观察值与估计值之差B．观察值与平均值之差C．估计值与平均值的平方和之差D．观察值与平均值之差的平方和E．观察值与估计值之差的平方和三、筒答题1．用什么方法考察回归直线是否正确?2．简述回归系数方差分析Y的平方和与自由度的分解.3. 举例说明如何用直线回归方程进行预测和控制？4. 直线回归分析时怎样确定自变量和因变量？5. 简述曲线回归常用的几种曲线形式.。
第十二章 相关与回归分析四、名词解释1．消减误差比例变量间的相关程度，可以用不知Y 与X 有关系时预测Y 的误差0E ，减去知道Y 与X 有关系时预测Y 的误差1E ，再将其化为比例来度量。
将削减误差比例记为PRE 。
2． 确定性关系当一个变量值确定后，另一个变量值夜完全确定了。
确定性关系往往表现成函数形式。
3．非确定性关系在非确定性关系中，给定了一个变量值，另一个变量值还可以在一定范围内变化。
4．因果关系变量之间的关系满足三个条件，才能断定是因果关系。
1）连个变量有共变关系，即一个变量的变化会伴随着另一个变量的变化；2）两个变量之间的关系不是由其他因素形成的，即因变量的变化是由自变量的变化引起的；3）两个变量的产生和变化有明确的时间顺序，即一个在前，另一个在后，前者称为自变量，后者称为因变量。
5．单相关和复相关单相关只涉及到两个变量，所以又称为二元相关。
三个或三个以上的变量之间的相关关系则称为复相关，又称多元相关。
6．正相关与负相关正相关与负相关：正相关是指一个变量的值增加时，另一变量的值也增加；负相关是指一个变量的值增加时，另一变量的值却减少。
7．散点图散点图：将相关表所示的各个有对应关系的数据在直角坐标系上画出来，以直观地观察X 与Y 的相互关系，即得相关图，又称散点图。
8．皮尔逊相关系数r皮尔逊相关系数是协方差与两个随机变量X 、Y 的标准差乘积的比率。
9．同序对在观察X 序列时，如果看到i j X X <，在Y 中看到的是i j Y Y <，则称这一配对是同序对。
10．异序对在观察X 序列时，如果看到i j X X <，在Y 中看到的是i j Y >Y ，则称这一配对是异序对。
11．同分对如果在X 序列中，我们观察到i j X =X （此时Y 序列中无i j Y =Y ），则这个配对仅是X 方向而非Y 方向的同分对；如果在Y 序列中，我们观察到i jY =Y （此时X 序列中无i j X =X ），则这个配对仅是Y 方向而非X 方向的同分对；我们观察到i j X =X ，也观察到i j Y =Y ，则称这个配对为X 与Y 同分对。
第十一章 等级相关练习题1．某市有12所大专院校，现组织一个评审委员会对各校校园及学生体质进行评价，结果如下，试求环境质量与学生体质的关系的斯皮尔曼相关系数和肯得尔等级相关系数。
2．以下是婚姻美满与文化程度的抽样调查的结果，请计算婚姻美满与文化程度之Gamma 系数和肯德尔相关系数τc 。
3．以下为两位评判员对10名参赛人名次的打分。
试用斯皮尔曼等级相关系数来描述两评判员打分的接近程度。
4．青年歌手大奖赛评委会对10名决赛选手的演唱水平（X ）和综合素质（Y ）进行打分，评价结果如下表（表中已先将选手按演唱水平作了次序排列）所示，试计算选手的演唱水平和综合素质间的斯皮尔曼等级相关系数。
（10分）5．下面是对50名被调查者的英语成绩和法语成绩的抽样调查：求Gamma 系数。
解：41.0164390164390=+-=+-=d s d s n n n n G y x a=b 54.479y=a+bx=-54.479+0.659x n n -=-∑∑斯皮尔曼相关系数2s 26d r 1-0.94n(n -1)==∑【皮尔逊相关系数：0.889，斯皮尔曼相关系数：0.94，回归方程：Y=-54.48+0.66X 】1．赛马迷们会认为，在圆跑道上进行的赛马比赛中，某些起点位置上的马会特别有利。
在有八匹马的比赛中，位置1是内侧最靠近栏杆的跑道，位置8是外侧离栏杆最远的跑道。
请从赛马的结果中判断起点位置与赛马获胜是否有关。
（α=0.05）7. 甲、乙两位评酒员对10种品牌白酒的主观排序如下表，计算两个等级相关系数，问两位评酒员对白酒的评价意见具有一定的相关性吗？（α= 0.05）第十二章回归与相关一、填空1．在数量上表现为现象依存关系的两个变量，通常称为自变量和因变量。
自变量是作为（变化根据）的变量，因变量是随（自变量）的变化而发生相应变化的变量。
2．对于表现为因果关系的相关关系来说，自变量一般都是确定性变量，因变量则一般是（随机性）变量。
第一章习题1.1变量间统计关系和函数关系的区别是什么？1.2回归分析与相关分析的区别和联系是什么？1.3回归模型中随机误差项的意义是什么？1.4线性回归模型中的基本假设是什么？1.5回归变量设置的理论依据是什么？在设置回归变量时应注意哪些问题？1.6收集、整理数据包括哪些基本内容？1.7构造回归理论模型的基本依据是什么？1.8为什么要对回归模型进行检验？1.9回归模型有哪几个方面的应用？1.10为什么强调运用回归分析研究经济问题要定性分析和定量分析相结合？第二章 习题2.1一元线性回归模型有哪些基本假定？ 2.2 考虑过原点的线性回归模型1,1,,i i i y x i n βε=+=误差1,,n εε仍满足基本假定。
求1β的最小二乘估计。
2.3证明（2.27）式，10nii e==∑，10ni i i x e ==∑。
2.4回归方程01Ey x ββ=+的参数01,ββ的最小二乘估计与极大似然估计在什么条件下等价？给出证明。
2.5 证明0ˆβ是0β的无偏估计。
2.6 证明(2.42)式 ()()222021,i x Var n x x βσ⎡⎤=+⎢⎥-⎢⎥⎣⎦∑成立 2.7 证明平方和分解式SST SSR SSE =+2.8 验证三种检验的关系，即验证：（1）t ==（2）2212ˆ1ˆ2xx L SSR F t SSE n βσ===-2.9 验证（2..63）式：()()221var 1i i xx x x e n L σ⎡⎤-=--⎢⎥⎢⎥⎣⎦2.10 用第9题证明()2211ˆˆ2n i ii y y n σ==--∑是2σ的无偏估计。
2.11* 验证决定系数2r 与F 值之间的关系式 22Fr F n =+-以上表达式说明2r 与F 值是等价的，那么我们为什么要分别引入这两个统计量，而不是只使用其中的一个。
2.12* 如果把自变量观测值都乘以2，回归参数的最小二乘估计0ˆβ和1ˆβ会发生什么变化？如果把自变量观测值都加上2，回归参数的最小二乘估计0ˆβ和1ˆβ会发生什么变化？ 2.13 如果回归方程01ˆˆˆy x ββ=+相应的相关系数r 很大，则用它预测时，预测误差一定较小。
第十二章相关与回归分析一、填空1.如果两变量的相关系数为0，说明这两变量之间_____________。
2.相关关系按方向不同，可分为__________和__________。
3.相关关系按相关变量的多少，分为______和复相关。
4．在数量上表现为现象依存关系的两个变量，通常称为自变量和因变量。
自变量是作为（变化根据）的变量，因变量是随（自变量）的变化而发生相应变化的变量。
5．对于表现为因果关系的相关关系来说，自变量一般都是确定性变量，因变量则一般是（随机性）变量。
6．变量间的相关程度，可以用不知Y与X有关系时预测Y的全部误差E1，减去知道Y与X有关系时预测Y的联系误差E2，再将其化为比例来度量，这就是（削减误差比例）。
7．依据数理统计原理，在样本容量较大的情况下，可以作出以下两个假定：（1）实际观察值Y围绕每个估计值cY是服从（）；（2）分布中围绕每个可能的cY值的（）是相同的。
7.已知：工资（元）倚劳动生产率（千元）的回归方程为xyc8010+=，因此，当劳动生产率每增长1千元，工资就平均增加 80 元。
8．根据资料，分析现象之间是否存在相关关系，其表现形式或类型如何，并对具有相关关系的现象之间数量变化的议案关系进行测定，即建立一个相关的数学表达式，称为（回归方程），并据以进行估计和预测。
这种分析方法，通常又称为（回归分析）。
9．积差系数r是（协方差）与X和Y的标准差的乘积之比。
二、单项选择1．欲以图形显示两变量X和Y的关系，最好创建（D ）。
A 直方图 B 圆形图 C 柱形图 D 散点图2．在相关分析中，对两个变量的要（ A ）。
A 都是随机变量B 都不是随机变量C 其中一个是随机变量，一个是常数D 都是常数3. 相关关系的种类按其涉及变量多少可分为( )。
A. 正相关和负相关B. 单相关和复相关C. 线性相关和非线性相关D. 不相关、不完全相关、完全相关4．关于相关系数，下面不正确的描述是（ B ）。
A当0≤≤r1时，表示两变量不完全相关； B当r=0时，表示两变量间无相关；C两变量之间的相关关系是单相关； D如果自变量增长引起因变量的相应增长，就形成正相关关系。
5. 当变量X按一定数量变化时，变量Y也随之近似地以固定的数量发生变化，这说明X与Y之间存在( )。
A. 正相关关系B. 负相关关系C. 直线相关关系D. 曲线相关关系6．当x按一定数额增加时，y也近似地按一定数额随之增加，那么可以说x与y之间存在（ A ）关系。
A 直线正相关B 直线负相关C 曲线正相关D 曲线负相关7．评价直线相关关系的密切程度，当r在0.5～0.8之间时，表示（ C ）。
A 无相关B 低度相关C 中等相关D 高度相关8.两变量的相关系数为0.8,说明( )A.两变量不相关B.两变量负相关C.两变量不完全相关D.两变量完全正相关9．两变量的线性相关系数为0，表明两变量之间（ D ）。
A 完全相关B 无关系C 不完全相关D 不存在线性相关10.兄弟两人的身高之间的关系是( )A.函数关系 B.因果关系 C.互为因果关系 D.共变关系11．身高和体重之间的关系是（C ）。
A 函数关系 B 无关系 C 共变关系 D 严格的依存关系12．下列关系中，属于正相关关系得是（A ）。
A 身高与体重B 产品与单位成本C 正常商品的价格和需求量D 商品的零售额和流通费率13如果变量x和变量y之间的皮尔逊相关系数为-1，说明这两个变量之间是（）A.低度相关B.完全相关C.高度相关D.完全不相关28.定类变量的相关分析可以使用( ）A. λ系数 B. ρ系数 C. r系数 D. τα系数14．相关分析和回归分析相辅相成，又各有特点，下面正确的描述有（ D ）。
A在相关分析中，相关的两变量都不是随机的；B在回归分析中，自变量是随机的，因变量不是随机的；C在回归分析中，因变量和自变量都是随机的；D在相关分析中，相关的两变量都是随机的。
15. 一元一次回归方程Y=a+bx中的a表示( )。
A. 斜率 B. 最小平均法 C. 回归直线 D. 截距16.当所有的观察值y都落在直线bxayc+=上时，则x与y之间的相关系数为（ B ）。
A、r=0B、r=1C、-1<r<1D、0<r<117.回归直线方程XC=c+dY,其中Y为自变量,则( )A.可以根据Y值推断XB.可以根据X值推断YC.可以互相推断D.不能进行推断18．对于有线性相关关系的两变量建立的直线回归方城Y=a+bx中，回归系数b （ B ）。
A．肯定是正数B．显著不为0 C．可能为0 D．肯定为负数19.年劳动生产率x（千元）和工人工资y（元）之间的回归方程为y=10+70x，这意味着年劳动生产率每提高1千元时，工人工资平均（）A.增加70元B.减少70元C.增加80元D.减少80元20产量X(千件)与单位成本Y(元)之间的回归方程为Y=77-3X,这表示产量每提高1000件,单位成本平均( )A.增加3元B.减少3000元C.增加3000元D.减少3元21．两变量X和Y的相关系数为0.8，则其回归直线的判定系数为（ C ）。
A 0.50 B 0.80 C 0.64 D 0.90 22．在完成了构造与评价一个回归模型后，我们可以（ D ）。
A 估计未来所需样本的容量B 计算相关系数和判定系数C 以给定的因变量的值估计自变量的值D 以给定的自变量的值估计因变量的值23.对相关系数的显著性检验，通常采用的是（①）① T检验② F检验③ Z 检验24.回归估计标准误差的计量单位与( )A.自变量相同B.因变量相同C.相关系数相同D.自变量、因变量及相关系数均不同25．在回归分析中，两个变量（ D ）。
A 都是随机变量B 都不是随机变量C 自变量是随机变量D 因变量是随机变量26.已知变量X和Y之间的关系如图所示，则变量X和Y的相关系数为（D ）。
A、0.29B、-0.86C、1.04D、0.9127．一元线性回归模型和多元线性回归模型的区别在于只有一个（B ）。
A 因变量B 自变量C 相关系数D 判定系数28．以下指标恒为正的是（ D ）。
A 相关系数r B 截距a C 斜率b D 复相关系数29.对两变量进行回归分析时，( )A.前提是两变量之间存在较高的相关关系B.其中任一变量都可以成为自变量或因(依)变量C.两变量都是随机变量D.一变量是随机变量，另一变量是非随机变量E.一变量是自变量，另一变量是因(依)变量三、多项选择1.判定现象之间有无相关系数的方法是（ ABC ）。
A、对客观现象作定性分析B、编制相关表C、绘制相关图D、计算相关系数E、计算估计标准误2．回归分析和相关分析的关系是（ABE ）。
A 回归分析可用于估计和预测B 相关分析是研究变量之间的相互依存关系的密切程度C 回归分析中自变量和因变量可以互相推导并进行预测D 相关分析需区分自变量和因变量E 相关分析是回归分析的基础3．关于积差系数，下面正确的说法是（ABCD ）。
A 积差系数是线性相关系数B 在积差系数的计算公式中，变量X 和Y 是对等关系C 积差系数具有PRE 性质D 在积差系数的计算公式中，变量X 和Y 都是随机的 4．关于皮尔逊相关系数，下面正确的说法是（ACE ）。
A 皮尔逊相关系数是线性相关系数B 积差系数能够解释两变量间的因果关系C r 公式中的两个变量都是随机的D r 的取值在1和0之间E 皮尔逊相关系数具有PRE 性质，但这要通过r 2加以反映 5．简单线性回归分析的特点是（ ABE ）。
A 两个变量之间不是对等关系B 回归系数有正负号C 两个变量都是随机的D 利用一个回归方程，两个变量可以互相推算E 有可能求出两个回归方程 6．反映某一线性回归方程y=a+bx 好坏的指标有（ABD ）。
A 相关系数B 判定系数C b 的大小D 估计标准误E a 的大小7．模拟回归方程进行分析适用于（ACDE ）。
A 变量之间存在一定程度的相关系数B 不存在任何关系的几个变量之间C 变量之间存在线性相关D 变量之间存在曲线相关E 时间序列变量和时间之间8．判定系数r 2=80%和含义如下（ABC ）。
A 自变量和因变量之间的相关关系的密切程度B 因变量y 的总变化中有80%可以由回归直线来解释和说明C 总偏差中有80%可以由回归偏差来解释D 相关系数一定为0.64E 判定系数和相关系数无关 9．以下指标恒为正的是（BC ）。
A 相关系数B 判定系数C 复相关系数D 偏相关系数E 回归方程的斜率 10．一元线性回归分析中的回归系数b 可以表示为（BC ）。
A 两个变量之间相关关系的密切程度B 两个变量之间相关关系的方向C 当自变量增减一个单位时，因变量平均增减的量D 当因变量增减一个单位时，自变量平均增减的量E 回归模型的拟合优度11．关于回归系数b ，下面正确的说法是（AE ）。
A b 也可以反映X 和Y 之间的关系强度。
；B 回归系数不解释两变量间的因果关系； C b 公式中的两个变量都是随机的； D b 的取值在1和-1之间；E b 也有正负之分。
12、如果两个变量之间有一定的相关性，则以下结论中正确的是 ( ①②③ )①、回归系数b 的绝对值大于零 ②、判定系数2R 大于零 ③、相关系数r 的绝对值大于0.313、当所有的观察值都落在回归直线x y ββ10+=上时，下述备选答案成立的有（②③ ）①r=0 ② ∣r ∣= 1 ③s y =0五、判断题1.相关关系和函数关系都属于完全确定性的依存关系。
（ ）2．不管相关关系表现形式如何，当r ＝1时，变量X 和变量Y 都是完全相关。
（√ ） 3．不管相关关系表现形式如何，当r ＝0时，变量X 和变量Y 都是完全不相关。
（× ）4.若x 与y 之间的相关系数r=-0.9，表示二者“不相关”。
( )5．通过列联表研究定类变量之间的关联性，这实际上是通过相对频数条件分布的比较进行的。
而如果两变量间是相关的话，必然存在着Y 的相对频数条件分布相同，且和它的相对频数边际分布相同。
（× ）6．如果众数频数集中在条件频数分布列联表的同一行中，λ系数便会等于0，从而无法显示两变量之间的相关性。
（ √ ）7．由于削减误差比例的概念不涉及变量的测量层次，因此它的优点很明显，用它来定义相关程度可适用于变量的各测量层次。
（ √ ）8.不论是相关分析还是回归分析，都必须确定自变量和因变量。
( )9．从分析层次上讲，相关分析更深刻一些。
因为相关分析具有推理的性质，而回归分析从本质上讲只是对客观事物的一种描述，知其然而不知其所以然。
（× ） 10、 在回归分析中，通常假定N ～ε (0, σ2)。
