多元线性回归模型计算分析题

线性模型练习题(含答案)练题一设有线性回归模型：$ y = \beta_0 + \beta_1x_1 + \beta_2x_2 + \beta_3x_3 $，其中 $x_1$、$x_2$ 和 $x_3$ 是自变量，$y$ 是因变量。

已知模型的参数估计值如下：$ \hat{\beta}_0 = 2.5 $$ \hat{\beta}_1 = 0.8 $$ \hat{\beta}_2 = -1.2 $$ \hat{\beta}_3 = 1.3 $请判断以下哪个自变量与因变量的关系最为显著：A. $x_1$B. $x_2$C. $x_3$D. 无法确定答案：B. $x_2$练题二下面是一个简单的线性回归模型：$ y = 3x_1 + 4x_2 + 2x_3 + 1 $已知模型的参数估计值如下：$ \hat{\beta}_1 = 2.1 $$ \hat{\beta}_2 = 1.8 $$ \hat{\beta}_3 = 0.9 $请根据模型参数估计值计算预测值 $ \hat{y} $，当 $x_1 = 2$，$x_2 = 3$，$x_3 = 1$ 时的结果。

答案：$ \hat{y} = 3(2) + 4(3) + 2(1) + 1 = 23 $练题三某研究人员运用线性回归模型分析了一个因变量 $y$ 和四个自变量 $x_1$、$x_2$、$x_3$ 和 $x_4$ 的关系，得到模型方程如下：$ y = 2.6x_1 + 1.9x_2 - 1.4x_3 + 0.5x_4 - 1 $已知 $x_1 = 3$，$x_2 = 2$，$x_3 = 4$，$x_4 = 1$，请计算对应的预测值 $ \hat{y} $。

答案：$ \hat{y} = 2.6(3) + 1.9(2) - 1.4(4) + 0.5(1) - 1 = 2.9 $练题四以下是一个多元线性回归模型的参数估计值摘录：$ \hat{\beta}_0 = 1.2 $$ \hat{\beta}_1 = -0.8 $$ \hat{\beta}_2 = 0.5 $$ \hat{\beta}_3 = 1.0 $$ \hat{\beta}_4 = 0.3 $$ \hat{\beta}_5 = -0.6 $请写出该线性回归模型的方程。

多元线性回归例题第章作业(一)多元线性回归是一种统计学方法，通常用于分析建立多个变量之间的关系模型。

在实际数据分析中，多元线性回归是十分常见且实用的方法。

本文将以一道例题为例，介绍多元线性回归的基本原理及应用方法。

例题：某公司市场销售状况与广告投入的相关性分析。

根据公司过往的销售记录，有如下数据：市场销售（单位：万元）：10，20，30，25，35广告投入（单位：万元）：5，10，15，12，18解析：1. 确定预测模型在多元线性回归中，首先要确定 Y 与X1,X2,…,Xn 之间的函数关系，一般形式为：Y = β0 + β1X1 + β2X2 + … + βnXn + ε其中，β1, β2,…, βn为自变量系数，β0为常数项，而ε 则表示随机误差。

2. 根据数据集，求解系数通过数据集计算出β0，β1, β2,…, βn的值，从而得到回归方程式，可以通过excel工具中多元线性回归的公式求解得到。

3. 结果解释根据计算结果，对于此例，得到回归方程式：Y = 7.5 + 2.5X1 + 1.5X2其中，X1表示广告投入，X2表示销售额，可以解读得到，每增加1万元广告投入，市场销售量会增加 2.5万元，同时，其拟合优度也很好，在本例中拟合优度高达 0.97。

4. 结论通过多元线性回归，我们可以得到两个变量之间的函数关系式及预测结果，从而为市场策略和决策提供理论依据。

本题中，我们能够得出有利于市场销售的投入策略，即增加广告投入可以带来市场销售量的增长，而这种关系随着投入的增加而呈现出逐渐缓和，也就是得出了“策略的上升边际递减性”这样一个结论。

总结：多元线性回归在实际数据分析中的应用非常广泛，并且能够解决多个自变量与因变量之间的复杂关系。

在研究某种现象或问题时，通过多元线性回归建立适当的模型，可以通过计算得到更加准确的结果，从而更科学更有效地解决问题。

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。

多元线性回归模型一、单项选择题1.在由30n =的一组样本估计的、包含3个解释变量的线性回归模型中，计算得多重决定系数为0.8500，则调整后的多重决定系数为（ D ）A. 0.8603B. 0.8389C. 0.8655D.0.8327 2.下列样本模型中，哪一个模型通常是无效的（B ） A.iC （消费）=500+0.8iI （收入）B. di Q （商品需求）=10+0.8i I （收入）+0.9i P （价格） C. si Q （商品供给）=20+0.75i P （价格）D. iY （产出量）=0.650.6i L （劳动）0.4i K （资本）3.用一组有30个观测值的样本估计模型01122t t t ty b b x b x u =+++后，在0.05的显著性水平上对1b 的显著性作t 检验，则1b 显著地不等于零的条件是其统计量t 大于等于（ C ）A.)30(05.0t B.)28(025.0t C.)27(025.0t D.)28,1(025.0F4.模型tt t u x b b y ++=ln ln ln 10中，1b 的实际含义是（ B ）A.x 关于y 的弹性B. y 关于x 的弹性C. x 关于y 的边际倾向D. y 关于x 的边际倾向5、在多元线性回归模型中，若某个解释变量对其余解释变量的判定系数接近于１，则表明模型中存在（ C ）A.异方差性B.序列相关C.多重共线性D.高拟合优度6.线性回归模型01122......t t t k kt t y b b x b x b x u =+++++ 中，检验0:0(0,1,2,...)t H b i k ==时，所用的统计量服从( C )A.t(n-k+1)B.t(n-k-2)C.t(n-k-1)D.t(n-k+2)7. 调整的判定系数 与多重判定系数之间有如下关系( D )A.2211n R R n k -=-- B. 22111n R R n k -=---C. 2211(1)1n R R n k -=-+-- D. 2211(1)1n R R n k -=----8．关于经济计量模型进行预测出现误差的原因，正确的说法是（ C ）。

第三章 多元线性回归模型一、单项选择题1、决定系数2R 是指【 】A 剩余平方和占总离差平方和的比重B 总离差平方和占回归平方和的比重C 回归平方和占总离差平方和的比重D 回归平方和占剩余平方和的比重2、在由n=30的一组样本估计的、包含3个解释变量的线性回归模型中，计算的多重决定系数为0.8500，则调整后的决定系数为【 】A 0.8603B 0.8389C 0.8 655D 0.83273、设k 为模型中的参数个数，则回归平方和是指【 】 A 21)(y yn i i -∑= B 21)ˆ(i n i i yy -∑= C 21)ˆ(y yn i i -∑= D )1/()(21--∑=k y y n i i4、下列样本模型中，哪一个模型通常是无效的【 】A i C （消费）＝500＋0.8i I （收入）B d i Q （商品需求）＝10＋0.8i I （收入）＋0.9i P （价格）C s i Q （商品供给）＝20＋0.75i P （价格）D i Y （产出量）＝0.656.0i L （劳动）4.0i K （资本）5、对于iki k i i i e x x x y +++++=ββββˆˆˆˆ22110 ，统计量∑∑----)1/()ˆ(/)ˆ(22k n y y k y y i i i 服从【 】 A t(n-k) B t(n-k-1) C F(k-1,n-k) D F(k,n-k-1)6、对于iki k i i i e x x x y +++++=ββββˆˆˆˆ22110 ，检验H 0:0=i β),,1,0(k i =时，所用的统计量)ˆvar(ˆi it ββ=服从【 】A t(n-k-1)B t(n-k-2)C t(n-k+1)D t(n-k+2)7、调整的判定系数 与多重判定系数 之间有如下关系【 】A 1122---=k n n R RB 11122----=k n n R R C 11)1(122---+-=k n n R R D 11)1(122-----=k n n R R 8、用一组有30 个观测值的样本估计模型i i i i u x x y +++=22110βββ后，在0.05的显著性水平下对1β的显著性作t 检验，则1β显著地不等于零的条件是其统计量大于等于【 】 A 05.0t （30）B 025.0t （28）C 025.0t （27）D 025.0F （1，28）9、如果两个经济变量x 与y 间的关系近似地表现为当x 发生一个绝对量变动（∆x ）时，y 有一个固定地相对量（∆y/y ）变动，则适宜配合地回归模型是【 】A i i i u x y ++=10ββB ln i i i u x y ++=10ββC i ii u x y ++=110ββ D ln i i i u x y ++=ln 10ββ 10、对于iki k i i i e x x x y +++++=ββββˆˆˆˆ22110 ，如果原模型满足线性模型的基本假设，则在零假设j β＝0下，统计量)ˆ(/ˆjj s ββ（其中s(j β)是j β的标准误差）服从【 】 A t （n-k ） B t (n-k-1) C F （k-1，n-k ） D F （k ，n-k-1）11、下列哪个模型为常数弹性模型【 】A ln i i i u x y ++=ln ln 10ββB ln i i i u x y ++=10ln ββC i i i u x y ++=ln 10ββD i ii u x y ++=110ββ 12、模型i i i u x y ++=ln 10ββ中，y 关于x 的弹性为【 】A i x 1βB i x 1βC iy 1β D i y 1β 13、模型ln i i i u x y ++=ln ln 10ββ中，1β的实际含义是【 】A x 关于y 的弹性B y 关于x 的弹性C x 关于y 的边际倾向D y 关于x 的边际倾向14、关于经济计量模型进行预测出现误差的原因，正确的说法是【 】A.只有随机因素B.只有系统因素C.既有随机因素，又有系统因素D.A 、B 、C 都不对15、在多元线性回归模型中对样本容量的基本要求是(k 为解释变量个数)：【 】A n ≥k+1B n<k+1C n ≥30或n ≥3（k+1）D n ≥3016、下列说法中正确的是：【 】A 如果模型的2R 很高，我们可以认为此模型的质量较好B 如果模型的2R 较低，我们可以认为此模型的质量较差C 如果某一参数不能通过显著性检验，我们应该剔除该解释变量D 如果某一参数不能通过显著性检验，我们不应该随便剔除该解释变量 二、多项选择题1、对模型i i i i u x x y +++=22110βββ进行总体显著性检验，如果检验结果总体线性关系显著，则有【 】A 1β=2β＝0B 1β≠0，2β＝0C 1β≠0，2β≠0D 1β=0，2β≠0E 1β=2β≠02、剩余变差（即残差平方和）是指【 】A 随机因素影响所引起的被解释变量的变差B 解释变量变动所引起的被解释变量的变差C 被解释变量的变差中，回归方程不能作出解释的部分D 被解释变量的总变差与回归平方和之差E 被解释变量的实际值与拟合值的离差平方和3、回归平方和是指【 】A 被解释变量的实际值y 与平均值y 的离差平方和B 被解释变量的回归值yˆ与平均值y 的离差平方和 C 被解释变量的总变差与剩余变差之差D 解释变量变动所引起的被解释变量的变差E 随机因素影响所引起的被解释变量的变差4、下列哪些非线性模型可以通过变量替换转化为线性模型【 】A i i i u x y ++=210ββB i ii u x y ++=110ββ C ln i i i u x y ++=ln 10ββ D i i i u x y ++=210ββE i i i i u x y ++=ββ05、在模型ln i i i u x y ++=ln 10ββ中【 】A y 与x 是非线性的B y 与1β是非线性的C lny 与1β是线性的D lny 与lnx 是线性的E y 与lnx 是线性的三、判断题观察下列方程并判断其变量是否线性，系数是否线性，或都是或都不是。

&第三章 多元线性回归模型一、单项选择题1、C2、A3、B4、A5、C6、C7、A8、D9、B 10、D一、单项选择题1、在模型0112233t t t t t Y X X X ββββμ=++++的回归分析结果中，有462.58F =，0.000000F p =的值，则表明（ C ） A 、解释变量2t X 对t Y 的影响不显著B 、解释变量1t X 对t Y 的影响显著】C 、模型所描述的变量之间的线性关系总体上显著D 、解释变量2t X 和1t X 对t Y 的影响显著2、设k 为回归模型中的实解释变量的个数，n 为样本容量。

则对回归模型进行总体显著性检验(F 检验)时构造的F 统计量为 （ A ）A 、(1)ESS k F RSS n k =--B 、(1))ESS k F RSS n k -=- C 、ESS F RSS = D 、1RSS F TSS=- 3、已知二元线性回归模型估计的残差平方和为2800i e =∑，估计用样本容量为23n =，则随机误差项t μ的方差的OLS 估计值为（ B ）!A 、B 、 40C 、D 、4、在多元回归中，调整后的决定系数2R 与决定系数2R 的关系为 （ A ）A 、22R R <B 、22R R >C 、22R R =D 、2R 与2R 的关系不能确定5、下面说法正确的有 （ C ）A 、时间序列数据和横截面数据没有差异B 、对回归模型的总体显著性检验没有必要C 、总体回归方程与样本回归方程是有区别的：D 、决定系数2R 不可以用于衡量拟合优度6、根据调整的可决系数2R 与F 统计量的关系可知，当21R =时，有 （ C ）A 、F=0B 、F=－1C 、F →+∞D 、F=-∞7、线性回归模型的参数估计量ˆβ是随机向量Y 的函数，即1ˆ()X X X Y β-''=。

ˆβ是 （ A ）A 、随机向量B 、非随机向量C 、确定性向量D 、常量8、下面哪一表述是正确的 （ D ）A 、线性回归模型01i i i Y X ββμ=++的零均值假设是指110ni i n μ==∑ ；B 、对模型01122i i i i Y X X βββμ=+++进行方程显著性检验（即F 检验），检验的零假设是0012:0H βββ===C 、相关系数较大意味着两个变量存在较强的因果关系D 、当随机误差项的方差估计量等于零时，说明被解释变量与解释变量之间为函数关系9、对于01122ˆˆˆˆi i i k ki iY X X X e ββββ=+++++…，如果原模型满足线性模型的基本假设则 在零假设0j β=下，统计量ˆˆ()j j s ββ（其中ˆ()js β是j β的标准误差）服从 （ B ）A 、()t n k -B 、(1)t n k --C 、(1,)F k n k --D 、(,1)F k n k --10、下列说法中正确的是 （ D ）。

多元线性回归模型一、单项选择题1.在由n = 30的一组样本估计的、包含3个解释变量的线性回归模型中，计算得多重决定 系数为，则调整后的多重决定系数为（D ） A. B. C. 下列样本模型中，哪一个模型通常是无效 的（B ）A. G （消费）=500+4（收入）B. Q d （商品需求）=10+4（收入）+ P （价格）C.Qs （商品供给）=20+ P （价格）D. 1 （产出量）=L 0'（劳动）£”（资本）3 .用一组有30个观测值的样本估计模型工=b 0 + b i x i t + b 2x 21 + u t 后，在的显著性水平上对b i 的显著性作t 检验，则b i 显著地不等于零的条件是其统计量t 大于等于（Ct （30） t （28） t （27） F （1,28）A. 0.05B. 0.025C. 0.025D. 0.025ln y = ln b + b In x + u , b ,,4 .模型 乙 0 i t t 中，i 的实际含义是（B ）A. x 关于y 的弹性B. y 关于x 的弹性C. x 关于y 的边际倾向D. y 关于x的边际倾向5、在多元线性回归模型中，若某个解释变量对其余解释变量的判定系数接近于1,则表明 模型中存在（ C ）A.异方差性B.序列相关C.多重共线性D.高拟合优度 6 .线性回归模型y = b + bx + b x + ... + b x + u 中，检验H :b = 0（i = 0,1,2,...k ） 时，所用的统计量服从（1 C 2 22 k kt t 0 t （n-k+1） （n-k-2） （n-k-1） （n-k+2）7 . 调整的判定系数与多重判定系数之间有如下关系（ D ）— n — 1— n — 1 A. R 2 = ------------ R 2B. R 2 = 1 ------------- R 2n 一 k 一 1 n 一 k 一 1 n 一 1n 一 1 ~C. R 2 = 1 ----------- （1+ R 2）D, R 2 = 1 ----------- （1-R 2）n 一 k 一 1n 一 k 一 18 .关于经济计量模型进行预测出现误差的原因，正确的说法是（C ）。

3.3 多元线性回归模型的检验一、判断题1、在线性回归模型中，为解释变量或者被解释变量重新选取单位（比如，元变换成千元），会影响t 统计量和 2R 的数值。

（ F ）2、在多元线性回归中，t 检验和F 检验缺一不可。

（ T ）3、回归方程总体线性显著性检验的原假设是模型中所有的回归参数同时为零。

（ F ）4、多元线性回归中，可决系数2R 是评价模型拟合优度好坏的最佳标准。

（ F ）二 、单项选择1、在模型0112233t t t t t Y X X X ββββμ=++++的回归分析结果中，有462.58F =，0.000000F p =的值，则表明 （ C ）A 、解释变量2t X 对t Y 的影响不显著B 、解释变量1t X 对t Y 的影响显著C 、模型所描述的变量之间的线性关系总体上显著D 、解释变量2t X 和1t X 对t Y 的影响显著2、设k 为回归模型中的实解释变量的个数，n 为样本容量。

则对回归模型进行总体显著性 检验(F 检验)时构造的F 统计量为 （ A ）A 、1)ESS k F RSS n k =--B 、(1)()ESS k F RSS n k -=- C 、ESS F RSS = D 、1RSS F TSS=- 3、在多元回归中，调整后的可决系数2R 与可决系数2R 的关系为 （ A ） A 、22R R < B 、22R R >C 、22R R =D 、2R 与2R 的关系不能确定4、根据调整的可决系数2R 与F 统计量的关系可知，当21R =时，有 （ C ）A 、F=0B 、F=－1C 、F →+∞D 、F=-∞5、下面哪一表述是正确的 （ D ） A 、线性回归模型01i i i Y X ββμ=++的零均值假设是指110ni i n μ==∑ B 、对模型01122i i i i Y X X βββμ=+++进行方程显著性检验（即F 检验），检验的零假 设是0012:0H βββ===C 、相关系数较大意味着两个变量存在较强的因果关系D 、当随机误差项的方差估计量等于零时，说明被解释变量与解释变量之间为函数关系5、对于01122ˆˆˆˆi i i k ki iY X X X e ββββ=+++++…，如果原模型满足线性模型的基本假设则 在零假设0j β=下，统计量ˆˆ()j j s ββ（其中ˆ()js β是j β的标准误差）服从 （B ）A 、()t n k -B 、(1)t n k --C 、(1,)F k n k --D 、(,1)F k n k --6、在由的一组样本估计的、包含3个解释变量的线性回归模型中，计算得多重可决系数为0.8500，则调整后的多重可决系数为（ D ）A 、8603B 、 0.8389C 、0.8655D 、0.83277、可决系数R 2=0.8，说明回归直线能解释被解释变量总变差的：（ A ）A 、 80%B 、 64%C 、 20%D 、 89%8、线性回归模型01122......t t t k kt t y b b x b x b x u =+++++ 中，检验0:0(0,1,2,...)t H b i k ==时，所用的统计量服从( C )A.t(n-k+1)B.t(n-k-2)C.t(n-k-1)D.t(n-k+2)三、多项选择题1、对模型满足所有假定条件的模型01122i i i i Y X X βββμ=+++进行总体显著性检验，如果检验结果总体线性关系显著，则很可能出现 （ BCD ）A 、120ββ==B 、120,0ββ≠=C 、120,0ββ≠≠D 、120,0ββ=≠E 、120,0ββ==2、设k 为回归模型中的参数个数（包含截距项）则总体线性回归模型进行显著性检验时所 用的F 统计量可以表示为 （ BC ）A 、()()()∑∑---1k e k n Y Y 2i 2i i //ˆ B 、()()()∑∑---k n e 1k Y Y 2i2ii //ˆ C 、()()()k n R 11k R 22---// D 、()()()1k R k n R 122---// 30n =E 、()()()1k R 1k n R 22---// 3、在多元回归分析中，调整的可决系数2R 与可决系数2R 之间 （ AD ）A 、22R R <B 、22R R ≥C 、2R 只可能大于零D 、2R 可能为负值E 、2R 不可能为负值四、简答题1.在多元线性回归分析中，为什么用修正的可决系数衡量估计模型对样本观测值的拟合优度？答：因为人们发现随着模型中解释变量的增多，多重可决系数2R 的值往往会变大，从而增加了模型的解释功能。

第3章 多元线性回归模型3.4.3 简答题、分析与计算题1．给定二元回归模型：t t t t u x b x b b y +++=22110 （t=1，2，…n）(1) 叙述模型的古典假定；(2)写出总体回归方程、样本回归方程与样本回归模型；(3)写出回归模型的矩阵表示；(4)写出回归系数及随机误差项方差的最小二乘估计量，并叙述参数估计量的性质；(5)试述总离差平方和、回归平方和、残差平方和之间的关系及其自由度之间的关系。

2．在多元线性回归分析中，为什么用修正的决定系数衡量估计模型对样本观测值的拟合优度？3．决定系数2R 与总体线性关系显著性F 检验之间的关系；在多元线性回归分析中，F 检验与t 检验有何不同？在一元线性回归分析中二者是否有等价的作用？4．为什么说对模型施加约束条件后，其回归的残差平方和一定不比未施加约束的残差平方和小？在什么样的条件下，受约束回归与无约束回归的结果相同？5．观察下列方程并判断其变量是否呈线性，系数是否呈线性，或都是或都不是。

(1) t t t u x b b y ++=310(2) t t t u x b b y ++=log 10(3)t t t u x b b y ++=log log 10 (4) t t t u x b b b y +⋅+=)(210(5) t t t u x b b y +=)/(10(6) t bt t u x b y +−+=)1(110(7)t t t t u x b x b b y +++=10/22110 6．常见的非线性回归模型有几种情况？7．指出下列模型中所要求的待估参数的经济意义：(1)食品类需求函数：u P P I Y ++++=231210ln ln ln ln αααα中的321,,ααα（其中Y为人均食品支出额，I 为人均收入，为食品类价格，为其他替代商品类价格）。

1P 2P (2)消费函数：t t t t u Y Y C +++=−1210βββ中的1β和2β（其中C 为人均消费额，Y 为人均收入）。

多元线性回归分析实习线性回归过程（Linear Regression）可用于分析一个或多个自变量与一个因变量之间的线性数量关系，并可进行回归诊断分析。

●[例题3.1]某地29名13岁男童身高x1（cm），体重x2（kg），肺活量y（L）的实测值数据见表3.1，试建立肺活量与身高、体重的回归关系。

[ 操作过程]①[ 数据格式] 见数据文件< 多元线性回归例题.sav >该数据库有4列29行，即4个变量、29个记录（Observation），每个变量占1列，每个记录占1行，该数据格式为一般多元分析的数据格式。

②[ 过程]单击后可弹出线性回归对话框。

该对话框内有诸多选项，现分别介绍。

③[ 选项]◆因变量。

只能选入1个因变量，本例选入变量“肺活量”。

◆自变量。

可以是1个或多个，本例选入变量“身高、体重”。

◆当选择不同组合的自变量进行回归分析时，可保存每次选择的自变量，用按钮和按钮可分别向前、向后翻找各种自变量的组合。

◆选择回归模型拟合的分析方法，有5种可供选择。

Enter 强迫引入法，即一般回归分析，所选自变量全部进入方程，为系统默认方式。

Stepwise 逐步回归法，加入有显著性意义的变量和剔除无显著性意义的变量，直到所建立的方程式中不再有可加入和可剔除的变量为止。

Remove 强迫剔除法。

根据设定的条件剔除自变量。

Backward向后逐步法。

所选自变量全部进入方程，根据Options对话框中设定的标准在计算过程中逐个剔除变量，直到所建立的方程式中不再含有可剔除的变量为止。

Forward：向前逐步法。

根据Options对话框中设定的标准在计算过程中逐个加入单个变量，直到所建立的方程式中不再有可加入的变量为止。

◆选择符合某变量条件的观察单位进行分析，每次只能选入1位范围，有6种方式供选择，在Value框内输入设定值。

equal to 等于设定值。

not equal to不等于设定值。

less than小于设定值。