1-a,1-a就是估计的可靠程度：a则称为显著A.回归直线通过Y和X的样本平均值 水平或目险的概率 B估计的Y的拟合值的平均值等于实际观察值Y的 D.置信区间是一个随着样本变化而变化的随机区 平均值 间，这个随机区间“套”着待估计总体参数的可 C.剩余或残差ei的平均值等于0 能性等于1-a D.剩余的ei和拟合的Yi值不相关 E样本取定以后，它提供的信息量就确定了，提 E.剩余的ei和解释变量X之间不相关 高估计的准确程度-一缩小区间，必然降低估计的 5.判断最小二乘法得到的回归直线是否优良，亦 可靠程度： 即直线对实际观察到的点之间的关系反映到何种 2.用t检验进行参数显著性检验。有如下()步骤 程度，直线是否能反映这些点之间的关系或趋势 A.对总体参数提出假设：HO:=0HA:B≠0 最简单的方法是采用( )指标 B.在零假设0：B=0成立下构造t统计量并由观察 A拟合优度 B.判定系数 数据计算t的值 C.因变量的实际值与因变量的拟合值之间的相关 C.给定显著水平a,查自由度为n-k-1的t分布表， 系数的平方 得临界值 D.回归平方和占总平方和的比率 D.进行检验：若|t>临界值，则拒绝O:B=0,接 E,因变量与某个自变量之间的简单相关系数 受HA:B≠0，反之，则不拒绝HO:B=0,拒绝1 6.影响预测精度的因素包括 E.判断模型是否需要再修改，或者结合经济学的 A样本容量愈大，预测的方差愈小，预测的精度 专业知识对B作出经济学意义的结论 愈大 3.最小二乘法中实际点到回归直线的距离是() B样本中解释变量的离均差愈大，预测的方差愈 A实际点到回归直线的垂直坐标距离 小，预测的精度愈大 B.实际点到回归直线的垂直距离 C.当其样本容量相当大，而预测点的取值X0接近 C,实际点到回归直线的水平坐标距离 于X的平均值时，预测的方差最小，预测的精度最 D.实际点到回归直线的横向距离 大 E实际点到回归直线的纵向距离 D.残差标准差的估计值愈小，回归预测的精度愈 4.最小二乘法得到的回归方程也称为最小二乘直 精确，所以常常把残差标准差的估计值作为预测 线，最小二乘直线的性质包括( 精度的标志 7.调整后的多重可决系数下2的正确表达式有( 。 ∑(y-)2n-) ∑.(y-,)n-k) ∑化，-，)2n-) B. ∑化-)2n-) c1-0- 1-0-g E1-+R) n-1 8.设k为回归模型中的参数个数（包括截距项），则总体线性回归模型进行显著性检验时所用的F统计1-a ，1-a 就是估计的可靠程度；a 则称为显著 水平或冒险的概率 D.置信区间是一个随着样本变化而变化的随机区 间，这个随机区间“套”着待估计总体参数的可 能性等于1-a E.样本取定以后，它提供的信息量就确定了，提 高估计的准确程度-缩小区间，必然降低估计的 可靠程度； 2.用t检验进行参数显著性检验。有如下（）步骤 A.对总体参数提出假设：H0: =0 HA:β≠0 B.在零假设H0:β=0成立下构造t统计量并由观察 数据计算t的值 C.给定显著水平α，查自由度为n-k-1的t分布表， 得临界值 D.进行检验：若|t|>临界值，则拒绝H0:β=0，接 受HA:β≠0，反之，则不拒绝H0:β=0，拒绝H E.判断模型是否需要再修改，或者结合经济学的 专业知识对β作出经济学意义的结论 3.最小二乘法中实际点到回归直线的距离是（） A.实际点到回归直线的垂直坐标距离 B.实际点到回归直线的垂直距离 C.实际点到回归直线的水平坐标距离 D.实际点到回归直线的横向距离 E.实际点到回归直线的纵向距离 4.最小二乘法得到的回归方程也称为最小二乘直 线，最小二乘直线的性质包括（ ）。 A.回归直线通过Y和X的样本平均值 B.估计的Y的拟合值的平均值等于实际观察值Y的 平均值 C.剩余或残差ei的平均值等于0 D.剩余的ei和拟合的Yi值不相关 E.剩余的ei和解释变量X之间不相关 5.判断最小二乘法得到的回归直线是否优良，亦 即直线对实际观察到的点之间的关系反映到何种 程度，直线是否能反映这些点之间的关系或趋势 最简单的方法是采用（ ）指标 A.拟合优度 B.判定系数 C.因变量的实际值与因变量的拟合值之间的相关 系数的平方 D.回归平方和占总平方和的比率 E.因变量与某个自变量之间的简单相关系数 6.影响预测精度的因素包括 A.样本容量愈大，预测的方差愈小，预测的精度 愈大 B.样本中解释变量的离均差愈大，预测的方差愈 小，预测的精度愈大 C.当其样本容量n相当大，而预测点的取值X0接近 于X的平均值时，预测的方差最小，预测的精度最 大 D.残差标准差的估计值愈小，回归预测的精度愈 精确，所以常常把残差标准差的估计值作为预测 精度的标志 7.调整后的多重可决系数 2 R 的正确表达式有（ ）。 A.   − − − − − ( ) ( ) ( 1) 1 2 2 Y Y n k Y Y n i i i  （ ） B.   − − − − − ( ) ( 1) ( ) ˆ 1 2 2 Y Y n Y Y n k i i （ i i） C. n k n R − − − − 1 1 (1 ) 2 D. 1 1 (1 ) 2 − − − − n n k R E. 1 1 (1 ) 2 − − − + n n k R 8.设 k 为回归模型中的参数个数（包括截距项），则总体线性回归模型进行显著性检验时所用的 F 统计