第十二章相关与回归分析练习题
第12章 线性相关与回归
所以当计算出样本相关系数r后，
应对r是否来自ρ=0的总体作假设
检验，以判断两变量的总体是否有 直线相关关系。常用的假设检验方 法为t检验，其t值的计算公式为：
r 0 r tr 2 sr 1 r n2 n2
例10.2 对例10.1求得的r值作假
设检验。
1）建立假设并确定检验水准
如果我们主要目的是分析两变 量间是否存在直线相关关系，这时 我们就应进行x和y之间的线性相关
分析。如：我们要分析女大学身高
与体重之间的关系，通过散点图发
现两者有直线趋势，可对两个变量
进行线性相关分析。
直线相关（linear correlation）： 是指两变量间存在的关系为直线关 系。又称为简单相关（simple
230 .455 r 0.8012 1000 .909 82.727
即表示男青年身高与前臂长之间存在正 相关关系。但还需作假设检验
三、相关系数的假设检验
相关系数r是根据样本资料计算
出来的，它是总体相关系数ρ的估
计值。若从ρ=0的总体中进行随机
抽样，抽取的样本相关系数也可能
不等于0，这是抽样误差所致。
（3，8365）和（21，36.06）两点，就 可做出本例的直线回归方程的图示。
ˆ 注意：直线必须通过（ x ，y ）和
纵轴上（0，a）两点，因此，这两点可
以用来核对回归直线绘制是否正确。
四、回归系数的假设检验
抽样研究中，计算出的回归系数 b为样本回归系数，故应考虑假设检 验的问题。即使我们从x、y的总体
r
( x x )( y y ) ( x x ) ( y y)
22Biblioteka l xy l xxl yy
社会统计学第十二章 相关与回归分析
2. 相关方向：正相关和负相关 所谓正相关关系是指一个变量的值增加时，另一变
量的值也增加。例如，受教育水平越高找到高薪水工作的 机会也越大。而负相关关系是指一个变量的值增加时，另 一变量的值却减少。例如，受教育水平越高，理想子女数 目越少。要强调的是，只有定序以上测量层次的变量才分 析相关方向，因为只有这些变量的值有高低或多少之分。 至于定类变量，由于变量的值并无大小、高低之分，故定 类变量与其他变量相关时就没有正负方向了。
父母智力 组合
优＋优
优＋劣 一般＋一般
劣＋劣
子女智力 子女智力
优秀
一般
71.6 25.4
33.6 42.7
18.6 66.9
5.4 34.4
子女智力 低下
3.0 23.7 14.5 60.2
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。 如果对不同的X，Y的相对频数条件分布不同，且 和Y的相对频数边际分布不同，则两变量之间是 相关的。而如果变量间是相互独立的话，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。后者用数学式表示就是
r×c相对频数联合分布列联表
控制X，Y相对频数条件分布列联表
控制Y，X相对频数条件分布列联表
[例A1]试把下表所示的频数分布列联表，转 化为自变量受到控制的相对频数条件分布列联 表，并加以相关分析。
投票行为
受教育程度X
Y
大学以 大学以
FY
上
下
投票
160
129
289
弃权
7
61
68
合计：FX 167
r×c相对频数分布列联表的一般形式
在相对频数分布列联表中，各数据为各分类
12章 多元线性回归
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。
回归分析练习题及参考答案
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)。
(完整版)第十二章相关和回归分析练习试题
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 回归分析
回归分析
如果我们将存在相关的两个变量，一个作为自变 量，另一个作为因变量，并把两者之间不十分稳 定的、准确的关系，用数学方程式来表达，则可 利用该方程由自变量的值来估计、预测因变量的 估计值，这一过程称为回归分析。 相关表示两个变量之间的双向相互关系，回归表 示一个变量随另一个变量做不同程度变化的单向 关系。
• 线性回归的基本假设
– – – – 线性关系 正态分布 独立性假设 误差等分散性假设
• 回归方程的建立
– 步骤：1）作散点图；2）设直线方程；3）选定具体方 法，计算表达式中的a和b；4）将a和b代入表达式，得 到回归方程。 – 方法：1）平均数法；2）最小二乘法。 • 最小二乘法：在配置回归线时，回归系数b的确定原则是 使散布图上各点距回归线上相应点的纵向距离平方和为最 小，这种求b的方法即最小二乘法。
• 回归分析与相关分析的关系
– 理解： • 同属相关分析； • 对称设计与不对称设计。 – 回归系数与相关系数的关系 • 相关系数是两个回归系数的几何平均数。
第二节 一元线性回归方程的检验
• 估计误差的标准差
某一X值相对应的诸Y 值，是以Y的平均数YX 为中 ˆ 心呈正态分布的。而与某一X值相对应的回归值 Y 就是与该X值相对应的那些诸Y值的平均数YX的估 ˆ 计值。由 Y 估计YX 会有一定的误差。误差大小 与X值相对应的诸Y值分布范围有关，范围大，误 差大，估计的准确性、可靠性小，范围小，误差小， 估计的准确性、可靠性大。 ˆ 我们需要一个用来描述由Y 估计YX 时误差大小的 指标，即估计误差的标准差。平均数与标准差未知， 样本的无偏估计量为：
a YX Y bYX X
• 列回归方程式（见教材）
第十二章 简单回归分析
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
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。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
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)。