量可表示为( )。 Σ心-)n-k) Σ立-)2k-1) A.Σek-l) B ∑e2（n-k) R2/k-1) 1-R2)/n-k) c.(I-R)/(n-k) D. R2/k-) R2/(n-k) E.0-R2k- 9.将非线性回归模型转换为线性回归模型，常用的数学处理方法有( A.直接置换法B.对数变换法C.级数展开法D.广义最小二乘法E加权最小二乘法 10.在模型血y=h血A+月hX,+4中( A.Y与X是非线性的 B.Y与B是非线性的 C.hY与B是线性的 D.hY与hX是线性的EY与hX是线性的 11.回归平方和∑是指( A被解释变量的观测值Y与其平均值了的离差平方和 B.被解释变量的回归值》与其平均值了的离差平方和 C.被解释变量的总体平方和Y与残差平方和∑e2之若 D.解释变量变动所引起的被解释变量的离差的大小 E随机因素影响所引起的被解释变量的离差大小 三、名词解释 1.总变差(TSS)2.总体回归函数(PRF)3.样本回归函数(SRF)4.随机的总体回归函数5.随机误 差项(4)6.残差项(e,)7.回归系数或回归参数8.回归系数的估计量9.判定系数10.BLUS 11.同方差性12.最小二乘法13.0LS估计量14.无偏估计量 15.随机误差项16.残差项 17.线性回归模型18.点估计量19.区间估计量20.零假设与备择假设21.置信系数与显著 水平22.无偏估计量23.最小方差估计量24.最优的或最有效的估计量25.线性估计量26.回归 平方和(E5S)27.残差平方和(RS55)28.估计值的标准差29.显著性检验30.t检验31.最 小二乘法 四、填空趣 _因变量离差平方和，度量因变量的变动。就因变量总变动的变异来源看， 它由两部分因素所作崇。一个是自变量，另一个是除自变量以外的其它因素。 2 _拟合值的离散程度的度量。它是由自变量的变化引起的因变量的变化，或 称自变量对因变量变化的贡献。 _度量实际值与拟合值之间的差异。它是由除自变量以外的其它因素所至。它又叫 量可表示为（ ）。 A. ( 1) ) ( ) ˆ ( 2 2  −  − − e k Y Y n k i i B. ( ) ) ( 1) ˆ ( 2 2 e n k Y Y k i i  −  − − C. (1 ) ( ) ( 1) 2 2 R n k R k − − − D. ( 1) 1 ( ) 2 2 − − − R k （ R ） n k E. (1 ) ( 1) ( ) 2 2 − − − R k R n k 9.将非线性回归模型转换为线性回归模型，常用的数学处理方法有（ ）。 A.直接置换法 B.对数变换法 C.级数展开法 D.广义最小二乘法 E.加权最小二乘法 10.在模型 Yi =  +  Xi + i ln ln 0 1 ln 中（ ）。 A. Y 与 X 是非线性的 B. Y 与 1 是非线性的 C. ln Y 与 1 是线性的 D. ln Y 与 ln X 是线性的 E. Y 与 ln X 是线性的 11.回归平方和 2  y ˆ 是指（ ）。 A.被解释变量的观测值 Y 与其平均值 Y 的离差平方和 B.被解释变量的回归值 Y ˆ 与其平均值 Y 的离差平方和 C.被解释变量的总体平方和 2 Y 与残差平方和 2 e 之差 D.解释变量变动所引起的被解释变量的离差的大小 E.随机因素影响所引起的被解释变量的离差大小 三、名词解释 1.总变差(TSS) 2.总体回归函数（PRF） 3.样本回归函数（SRF） 4.随机的总体回归函数 5.随机误 差项（  i ） 6.残差项（ i e ） 7.回归系数或回归参数 8.回归系数的估计量 9.判定系数 10.BLUS 11.同方差性 12.最小二乘法 13.OLS 估计量 14.无偏估计量 15.随机误差项 16.残差项 17.线性回归模型 18.点估计量 19.区间估计量 20.零假设与备择假设 21.置信系数与显著 水平 22.无偏估计量 23.最小方差估计量 24.最优的或最有效的估计量 25.线性估计量 26.回归 平方和（ESS） 27. 残差平方和（RSS） 28.估计值的标准差 29. 显著性检验 30. t 检验 31. 最 小二乘法 四、填空题 1. 因变量离差平方和，度量因变量的变动。就因变量总变动的变异来源看， 它由两部分因素所作祟。一个是自变量，另一个是除自变量以外的其它因素。 2. 拟合值的离散程度的度量。它是由自变量的变化引起的因变量的变化，或 称自变量对因变量变化的贡献。 3. 度量实际值与拟合值之间的差异。它是由除自变量以外的其它因素所至。它又叫