第11章 一元线性回归 三、选择题
1.具有相关关系的两个变量的特点是 （ ）。 Ａ. 一个变量的取值不能由另一个变量唯一确定 Ｂ. 一个变量的取值由另一个变量唯一确定
Ｃ. 一个变量的取值增大时，另一个变量的取值也一定增大 Ｄ. 一个变量的取值增大时，另一个变量的取值肯定变小 2.下面的各问题中，哪个不是相关分析要解决的问题 （ ）。 Ａ. 判断变量之间是否存在关系
Ｂ. 判断一个变量数值的变化对另一个变量的影响 Ｃ. 描述变量之间的关系强度
Ｄ. 判断样本所反映的变量之间的关系能否代表总体变量之间的关3.下面的假定中，哪个属于相关分析中的假定 （ ）。 Ａ. 两个变量之间是非线性关系 Ｂ. 两个变量都是随机变量
Ｃ. 自变量是随机变量，因变量不是随机变量
Ｄ. 一个变量的数值增大，另一个变量的数值也应增大 4.根据下面的散点图，可以判断两个变量之间存在 （ ）
Ａ. 正线性相关关系 Ｂ. 负线性相关关系 Ｃ. 非线性关系 Ｄ. 函数关系
5.根据下面的散点图，可以判断两个变量之间存在 （ ）
Ａ. 正线性相关关系 Ｂ. 负线性相关关系 Ｃ. 非线性关系 Ｄ. 函数关系
6.如果变量之间的关系近似地表现为一条直线，则称两个变量之间为Ａ. 正线性相关相关 Ｂ. 负线性相关关系
）。1
（ Ｃ. 线性相关关系 Ｄ. 非线性相关关系 7.如果一个变量的取值完全依赖于另一个变量，各观测点落在一条直线上称为两个变量之间为 （ ）。
Ａ. 完全相关关系 Ｂ. 正线性相关关系 Ｃ. 非线性相关关系 Ｄ. 负线性相关关系 8.下面的陈述哪一个是错误的 （ ）。
Ａ. 相关系数是度量两个变量之间线性关系强度的统计量 Ｂ. 相关系数是一个随机变量 Ｃ. 相关系数的绝对值不会大于 １ Ｄ. 相关系数不会取负值
9.根据你的判断，下面的相关系数取值哪一个是错误的 （ ）。 Ａ. -0.86 Ｂ. 0.78 Ｃ. 1.25 Ｄ. 0 10.下面关于相关系数的陈述中哪一个是错误的 （ ）。 Ａ. 数值越大说明两个变量之间的关系就越强
Ｂ. 仅仅是两个变量之间线性关系的一个度量，不能用于描述非线性关系
Ｃ. 只是两个变量之间线性关系的一个度量，不一定意味着两个变量一定有因果关系 Ｄ. 绝对值不会大于1
11.变量x与y之间的负相关是指 （ ）。 Ａ. x值增大时y值也随之增大 Ｂ. x值减少时y值也随之减少
Ｃ. x值增大时y值随之减少,或x值减少时y值随之增大 Ｄ. y的取值几乎不受x取值的影响
12.如果相关系数r＝0,则表明两个变量之间 （ ）。
Ａ. 相关程度很低 Ｂ. 不存在任何关系 Ｃ. 不存在线性相关关系 Ｄ. 存在非线性相关关系
13.设产品产量与产品单位成本之间 的线性相关系数为-0.87,这说明二者之间存在着 （ ）。
Ａ. 高度相关 Ｂ. 中度相关 Ｃ. 低度相关 Ｄ. 极弱相关
r1?0.65,r2?0.74,r3?0.89, 14.设有4组容量相同的样本数据，即n=8，相关系数分别为：
r4?0.92,若取显著性水平??0.05进行显著性检验，哪一个相关系数在统计上是不显著
的 （ ）
Ａ. r1 Ｂ. r2 Ｃ. r3 Ｄ. r4
15.下面哪一个问题不是回归分析要解决的问题 （ ）。
Ａ. 从一组样本数据出发,确定出变量之间的数学关系式
Ｂ. 对数学关系式的可信程度进行各种统计检验,并从影响某一特定变量的诸多变量中
找出 哪些变量的影响是显著的,哪些是不显著的
Ｃ. 利用所求关系式,根据一个或几个变量的取值来估计或预测另一个特定变量的取值 Ｄ. 度量两个变量之间的关系强度
16.在回归分析中,被预测或被解释的变量称为 （ ）。 Ａ. 自变量 Ｂ. 因变量
2
Ｃ. 随机变量 Ｄ. 非随机变量
17.在回归分析中,用来预测或用来解释另一个变量的一个或多个变量称为 （ ）。 Ａ. 自 变量 Ｂ. 因变量 Ｃ. 随机变量 Ｄ. 非随机变量
18.在回归分析中,描述因变量y如何依赖于自变量x和误差项的方程称为 （ ）。 Ａ. 回归方程 Ｂ. 回归模型 Ｃ. 估计的回归方程 Ｄ. 经验回归方程
19.在回归分析中,根据样本数据求出的回归方程的估计称为 （ ）。 Ａ. 回归方程 Ｂ. 回归模型 Ｃ. 估计的回归方程 Ｄ. 理论回归方程 20.在回归模型y??0??1x??中，?反映的是 （ ） Ａ. 由于x的变化引起y的线性变化部分 Ｂ. 由于y的变化引起x的线性变化部分
Ｃ. 除x和y的线性关系之外的随机因素对y的影响 Ｄ. x和y的线性关系对y的影响
21.下面关于回归模型的假定中哪一个是不正确的 （ ） Ａ. 自变量x是随机的
Ｂ. 误差项?是一个期望值为0的随机变量 Ｃ. 对于所有的x值，?的方差?都相同
Ｄ. 误差项?是一个服从正态分布的随机变量，且独立 22.根据最小二乘法拟合直线回归方程是使 ( ) Ａ. Ｃ.
2??yi?i??最小 Ｂ. ??yi?y?i??最小 ?y22??y?y?ii?最小 Ｄ. ??yi?yi??最小
23.在一元线性回归方程中，回归系数?1最小的实际意义是 ( )
Ａ. 当x=0时，y的期望值
Ｂ. 当x变动1个单位时，y的平均变动数量 Ｃ. 当x变动1个单位时，y增加的总数量 Ｄ. 当y变动1个单位时，x的平均变动数量
24.如果两个变量之间存在着负相关，指出下列回归方程中哪个肯定有误 （ ）
??25?0.75x Ｂ. y???120?0.86x Ａ. y??200?2.5x Ｄ. y???34?0.74x Ｃ. y???1.75表示 ??280?1.75x，回归系数?25.对不同年份的产品成本拟合的直线方程为y1（ ）
Ａ. 时间每增加1个单位，产品成本平均增加1.75个单位 Ｂ. 时间每增加1个单位，产品成本平均下降1.75个单位 Ｃ. 产品成本每变动1个单位，平均需要1.75个单位
3
Ｄ. 时间每减少1个单位，产品成本平均增加1.75个单位 26.在回归分析中,Ｆ检验主要是用来检验 （ ）。
Ａ. 相关系数的显著性 Ｂ. 回归系数的显著性 Ｃ. 线性关系的显著性 Ｄ. 估计标准误差的显著性 27.说明回归方程拟合优度的统计量是 （ ）。 Ａ. 相关系数 Ｂ. 回归系数 Ｃ. 判定系数 Ｄ. 估计标准误差
?i）的离差平方和称为 （ ） 28.各实际观测值（yi）与回归值（yＡ. 总变差平方和 Ｂ. 残差平方和
Ｃ. 回归平方和 Ｄ. 判定系数
????x中，若回归系数???0，则表示 （ ） ?i??29.在直线回归方程y011Ａ. y对x的影响是显著的 Ｂ. y对x的影响是不显著的
Ｃ. x对y的影响是显著的 Ｄ. x对y的影响是不显著的 30.若两个变量之间完全相关，在以下结论中不正确的是 （ ） Ａ.｜ｒ｜＝１ Ｂ. 判定系数R2?1
??0 Ｃ. 估计标准误差sy?0 Ｄ. 回归系数?131.回归平方和占总平方和的比例称为 （ ）。
Ａ. 相关系数 Ｂ. 回归系数 Ｃ. 判定系数 Ｄ. 估计标准误差 32.下面关于估计标准误差的陈述中不正确的是 （ ）。 Ａ. 均方残差?MSE?的平方根
Ｂ. 对误差项?的标准差?的估计
Ｃ. 排除了ｘ对ｙ的线性影响后，ｙ随机波动大小的一个估计量 Ｄ. 度量了两个变量之间的关系强度
33.在回归分析中，利用估计的回归方程，对于ｘ的一个特定值x0，求出ｙ的平均值的一个估计值E?y0?，称为 （ ）。
Ａ. 平均值的点估计 Ｂ. 个别值的点估计
Ｃ. 平均值的置信区间估计 Ｄ. 个别值的预测区间估计
34.在回归分析中，利用估计的回归方程，对于ｘ的一个特定值x0，求出ｙ的一个个别值的
?，称为 （ ）一个估计值y。
Ａ. 平均值的点估计 Ｂ. 个别值的点估计
Ｃ. 平均值的置信区间估计 Ｄ. 个别值的预测区间估计
35.已知回归平方和SSR?4854,残差平方和SSE?146,则判定系数R2＝（ ）
4
Ａ. 97.08％ Ｂ. 2.92％ Ｃ. 3.01％ Ｄ. 33.25％
36.在因变量的总离差平方和中,如果回归平方和所占比重大,则两变量之间 （ ）。 Ａ. 相关程度高 Ｂ. 相关程度低 Ｃ. 完全相关 Ｄ. 完全不相关
????x中，回归系数?? ?i??37.对于有线性相关关系的两变量建立的直线回归方程y011（ ）
Ａ. 可能为 0 Ｂ. 可能小于0 Ｃ. 只能是正数 Ｄ. 只能是负数
38.由最小二乘法得到的回归直线，要求满足因变量的 （ ）。 Ａ. 平均值与其估计值的离差平方和最小 Ｂ. 实际值与其平均值的离差平方和最小 Ｃ. 实际值与其估计值的离差和为0
Ｄ. 实际值与其估计值的离差平方和最小
39.一个由100名年龄在30～60岁的男子组成的样本，测得其身高与体重的相关系数ｒ＝0.45，则下列陈述中正确的是 （ ）。 Ａ. 较高的男子趋于较重
Ｂ. 身高与体重存在低度正相关 Ｃ. 体重较重的男子趋于较矮 Ｄ. 45％的较高的男子趋于较重
40.如果两个变量之间完全相关，则以下结论中不正确的是 （ ） Ａ. 相关系数r?1 Ｂ.判定系数R2?1 Ｃ. 回归系数??0 Ｄ. 估计标准误差sy?0 41.下列方程中肯定错误的是 （ ）
??15?0.48x，r?0.65 Ａ. y???15?1.35x，r??0.81 Ｂ. y???25?0.85x，r?0.42 Ｃ. y??120?3.56x，r??0.96 Ｄ. y42.若两个变量存在负线性相关关系，则建立的一元线性回归方程的判定系数R的取值范围是 （ ）。
Ａ. ［0,1］ Ｂ. ［-1,0］
Ｃ. ［-1，1］ Ｄ. 小于0的任意数
43.在回归估计中，给定自变量的取值x0，求得的置信区间与预测区间相比 （ ）。 Ａ. 二者的区间宽度是一样的 Ｂ. 置信区间比预测区间宽
2 5
第11章 一元线性回归
