在一元线性回归分析中,如果估计标准误差为0,则意味着()。
A.回归系数为0
B.回归系数为1
C.相关系数为0
D.相关系数绝对值为1
E. 解释变量能解释被解释变量的所有变动
DE
A.回归系数为0
B.回归系数为1
C.相关系数为0
D.相关系数绝对值为1
E. 解释变量能解释被解释变量的所有变动
DE
一元线性回归模型中,回归估计的标准误差越小,表明投资组合的样本回归线的离差程度()。
A.越大
B.不确定
C.相等
D.越小
假设儿子身高Y与父亲身高X适合一元线性回归模型,观察了10对父子的身高(英寸)得数据如下:
可判断样本估计的标准差为________。
A.8.1
B.9.1
C.7.1
D.10.1
A.10
B.100
C.90
D.81
A.残差平方和SSe=19
B.判定系数R2为0.81
C.估计标准差为0.9
D.样本相关系数R为0.9或-0.9
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β=0
D.估计标准误差sy=0
A.估计标准误差大,回归直线代表性小,因而回归直线实用价值大
B.估计标准误差大,回归直线代表性小,因而回归直线实用价值也小
C.估计标准误差小,回归直线代表性小,因而回归直线实用价值也小
D.估计标准误差大,回归直线代表性大,因而回归直线实用价值小
E.估计标准误差可以看作排除x对y影响后,y随机波动大小的估计量
下面是20个城市写字楼出租率和每平米月租金价格的回归分析结果,月租金为自变量,出租率为因变量: 回归统计: MultipleR RSquare AdjustedRSquare 标准误差 0.7951 0.6322 0.6117 2.6858 方差分析 Df SS MS F SignificanceF 回归 1 223.1403 223.1403 30.9332 2.798E-05 残差 18 129.8452 7.213.6 总计 19 352.9855 系数估计和检验 Coefficient 标准误差 T Stat P-Value Lower95% Upper95% Intercept 49.3177 3.8050 12.9612 0.0000 41.3236 57.3117 XVariable 0.2492 0.0448 5.5618 0.0000 0.1551 0.3434 根据回归分析结果,下列判断正确的是()。
A、出租率与月租金价格之间的线性关系为:=49.3177+0.2492x
B、回归系数=0.2492,表示:月出租率增加1%,月租金平均增加0.2492%
C、=63.22%,表明在出租率的变差中被出租率与月租金之间的线性关系所解释的比例为63.22%,回归方程的拟合程度一般
D、估计标准误差Se=2.6858,表示,当用月租金来预测出租率时,平均的预测误差为2.6858%,表明预测误差不大
E、方差分析中SignificanceF=2.798E-05<0.05,说明两者线性关系显著<br>
F、回归系数检验的P-Value=0.0000<0.05,说明回归系数通过显著检验<br>