統(tǒng)計學(xué)練習(xí)題答案

1、統(tǒng)計學(xué)練習(xí)題（3）1. 下面的陳述錯誤的是（ D ）oA. 相關(guān)系數(shù)是度量兩個變量之間線性關(guān)系強度的統(tǒng)計量B. 相關(guān)系數(shù)是一個隨機變量C. 相關(guān)系數(shù)的絕對值不會大于1D. 相關(guān)系數(shù)不會取負(fù)值2. 根據(jù)你的判斷，下面的相關(guān)系數(shù)取值錯誤的是（C ）。A. B.C.D. 03. 下面關(guān)于相關(guān)系數(shù)的陳述中錯誤的是（ A ）oA. 數(shù)值越大說明兩個變量之間的關(guān)系就越強B. 僅僅是兩個變量之間線性關(guān)系的一個度量，不能用于描述非線 性關(guān)系C. 只是兩個變量之間線性關(guān)系的一個度量，不一定意味著兩個變 量之間存在因果關(guān)系D. 絕對值不會大于14. 如果相關(guān)系數(shù)r二0,則表明兩個變量之間（ C ）oA. 相關(guān)程度

2、很低B.不存在任何關(guān)系C.不存在線性相關(guān)關(guān)系D.存在非線性相關(guān)關(guān)系5. 在回歸模型y= o+ >ix+ £中，£反映的是（ C ）。A. 由于x的變化引起的y的線性變化部分B. 由于y的變化引起的x的線性變化部分C. 除x和y的線性關(guān)系之外的隨機因素對y的影響D.由于x和y的線性關(guān)系對y的影響6.在回歸分析中，F(xiàn)檢驗主要是用來檢驗(C)oA.相關(guān)系數(shù)的顯著性B.回歸系數(shù)的顯著性C.線性關(guān)系的顯著性D.估計標(biāo)準(zhǔn)誤差的顯著性7.說明回歸方程擬合優(yōu)度的統(tǒng)計量主要是(C)oA.相關(guān)系數(shù)B.回歸系數(shù)C.判定系數(shù)D.估計標(biāo)準(zhǔn)誤差8.回歸平方和占總平方和的比例稱為（C)oA.相關(guān)系

3、數(shù)B.回歸系數(shù)C.判定系數(shù)D.估計標(biāo)準(zhǔn)誤差9.下面關(guān)于判定系數(shù)的陳述中不正確的是(B)oA.回歸平方和占總平方和的比例B.取值范圍是T,門C.取值范圍是0,門D.評價回歸方程擬合優(yōu)度的一個統(tǒng)計量10.下面關(guān)于估計標(biāo)準(zhǔn)誤差的陳述中不正確的是（ D ）oA. 均方殘差（MSE）的平方根B. 對誤差項E的標(biāo)準(zhǔn)差a的估計C. 排除了 x對y的線性影響后，y隨機波動大小的一個估計量D. 度量了兩個變量之間的關(guān)系強度 "殘差平方和SSE反映了 y的總變差中（ B ）oA. 由于x與y之間的線性關(guān)系引起的y的變化部分B. 除了 x對y的線性影響之外的其他因素對y變差的影響C. 由于x與y之間的非線

4、性關(guān)系引起的y的變化部分D. 由于x與y之間的函數(shù)關(guān)系引起的y的變化部分12. 若變量x與y之間的相關(guān)系數(shù)r二，則回歸方程的判定系數(shù)等 于（ C ）。A. B.C.D.第10章1. 在多元線性回歸分析中，t檢驗是用來檢驗（B ）oA. 總體線性關(guān)系的顯著性B.各回歸系數(shù)的顯著性C.樣本線性關(guān)系的顯著性D. Ho： 0=風(fēng)=久=0,2. 在多元線性回歸模型中，若自變量*對因變量卩的影響不顯著，那么它的回歸系數(shù)，的取值（A）oA. 可能接近0B.可能為1C.可能小于0D.可能大于13. 在多元線性回歸方程牙二幾+人丙+禹勺+燦勺中，回歸系數(shù)屁表 示（B ）oA. 自變量*變動一個單位時，因變量y的

5、平均變動量為炕B. 其他變量不變的條件下，自變量*變動一個單位時，因變量y 的平均變動量為幾C. 其他變量不變的條件下，自變量K變動一個單位時，因變量y 的總變動總量為幾D. 因變量y變動一個單位時，自變量K的變動總量為煩4. 在多元回歸分析中，通常需要計算調(diào)整的多重判定系數(shù)R：這樣 可以避免F的值（A ）oA. 由于模型中自變量個數(shù)的增加而越來越接近1B. 由于模型中自變量個數(shù)的增加而越來越接近0C. 由于模型中樣本量的增加而越來越接近1D. 由于模型中樣本量的增加而越來越接近05. 在多元線性回歸分析中，如果F檢驗表明線性關(guān)系顯著，則意味 著（ A ）。A. 在多個自變量中至少有一個自變量

6、與因變量之間的線性關(guān)系顯 著B. 所有的自變量與因變量之間的線性關(guān)系都顯著C. 在多個自變量變中至少有一個自變量與因變量之間的線性關(guān)系 不顯著D. 所有的自變量與因變量之間的線性關(guān)系都不顯著6. 在多元線性回歸分析中，如果t檢驗表明回歸系數(shù)0,不顯著， 則意味著（ C ）oA. 整個回歸方程的線性關(guān)系不顯著B. 整個回歸方程的線性關(guān)系顯著C. 自變量*與因變量之間的線性關(guān)系不顯著D. 自變量x與因變量之間的線性關(guān)系顯著7. 在多元線性回歸分析中，多重共線性是指模型中（ A ）oA. 兩個或兩個以上的自變量彼此相關(guān)B. 兩個或兩個以上的自變量彼此無關(guān)C. 因變量與一個自變量相關(guān)D. 因變量與兩個

7、或兩個以上的自變量相關(guān)8. 在多元線性回歸分析中，如果F檢驗表明回歸方程的線性關(guān)系顯 著，則（ B ）oA. 表明每個自變量與因變量的關(guān)系都顯著B. 表明至少有一個自變量與因變量的線性關(guān)系顯著C. 意味著每個自變量與因變量的關(guān)系都不顯著D. 意味著至少有一個自變量與因變量的關(guān)系不顯著9. 如果回歸模型中存在多重共線性，則（ D ）oA. 整個回歸模型線性關(guān)系不顯著B. 肯定有一個回歸系數(shù)通不過顯著性檢驗C. 肯定導(dǎo)致某個回歸系數(shù)的符號與預(yù)期相反D. 可能導(dǎo)致某些回歸系數(shù)通不過顯著性檢驗10. 如果某個回歸系數(shù)的正負(fù)號與預(yù)期相反，則表明（ C ）oA. 所建立的回歸模型是錯誤的B. 該自變量與因

8、變量之間的線性關(guān)系不顯著C. 模型中可能存在多重共線性D. 模型中肯定不存在多重共線性門.虛擬自變量的回歸是指在回歸模型中含有（ A ）oA. 分類自變量B.數(shù)值型自變量C.分類因變量D.數(shù)值型因變量12. 設(shè)回歸方程的形式為E（y）二3。+朕，若x是取值為0, 1的啞變 量，則久的意狡是（ A ）oA. 代表與啞變量值0所對應(yīng)的那個分類變量水平的平均值B. 代表與啞變量值1所對應(yīng)的那個分類變量水平的平均值C. 代表與啞變量值1所對應(yīng)的那個分類變量水平的平均響應(yīng)與啞 變量值0所對應(yīng)的那個分類變量水平的平均值D. 代表與啞變量值為1所對應(yīng)的那個分類變量水平的平均響應(yīng)與 啞變量值0所對應(yīng)的那個分類

9、變量水平的平均值的差值13. 在多元線性回歸分析中，利用逐步回歸法可以（ B ）。A. 避免回歸模型的線性關(guān)系不顯著B. 避免所建立的回歸模型存在多重共線性C. 提高回歸方程的估計精度D. 使預(yù)測更加可靠第門章1. 時間序列在長期內(nèi)呈現(xiàn)出來的某種持續(xù)向上或持續(xù)下降的變動稱 為（ A ）。A.趨勢B.季節(jié)變動C.循環(huán)波動D.不規(guī)則波動2.只含有隨機波動的序列稱為（A)oA.平穩(wěn)序列B.周期性序列C.季節(jié)性序列D.非平穩(wěn)序列3.季節(jié)變動是指時間序列（ B ）oA. 在長時期內(nèi)呈現(xiàn)出來的某種持續(xù)向上或持續(xù)下降的變動B. 在一年內(nèi)重復(fù)出現(xiàn)的周期性波動C. 呈現(xiàn)出的非固定長度的周期性變動D.除去趨勢、周

10、期性和季節(jié)性之后的隨機波動4.簡單指數(shù)平滑法適合于預(yù)測（A)oA. 只含隨機波動的序列B. 含有多種成分的序列C. 含有趨勢成分的序列D. 含有季節(jié)成分的序列5.移動平均法適合于預(yù)測（ AA. 只含有隨機波動的序列B. 含有多種成分的序列C. 含有趨勢成分的序列D. 含有季節(jié)成分的序列6. 簡單指數(shù)平滑法得到的t+1期的預(yù)測值等于（B ）oA. t期的實際觀察值與第t+1期的指數(shù)平滑值的加權(quán)平均值B. t期的實際觀察值與第t期的指數(shù)平滑值的加權(quán)平均值C. t期的實際觀察值與第t+1期的實際觀察值的加權(quán)平均值D. t+1期的實際觀察值與第t期的指數(shù)平滑值的加權(quán)平均值7. 如果現(xiàn)象隨著時間的變動按

11、某個常數(shù)增加或減少，則適合的預(yù)測 方法是（ C ）oA. 移動平均B.簡單指數(shù)平滑C. 一元線性模型D.指數(shù)模型8. 已知時間序列各期觀測值為100, 240, 370, 530, 650, 810,對 這一時間序列進(jìn)行預(yù)測適合的模型是（ B ）oA.直線模型B.指數(shù)曲線模型C.多階曲線模型D. Holt指示平滑模型9. 用最小二乘法擬合的直線趨勢方程為£=%+%若勺為負(fù)數(shù)，表明 該現(xiàn)象隨著時間的推移呈現(xiàn)為（B ）oA.上升趨勢B.下降趨勢D.隨機波動C.水平趨勢10對某時間序列建立的指數(shù)曲線方程為=1500x(1.2/ ,這表明該現(xiàn) 象(B )oA. 每期增長率為120%B.每期增

12、長率為20%C.每期增長量為個單位D.每期的觀測值為個單位門.對某時間序列建立的趨勢方程為匕=100x(0.95/ ,表明該序列 ( D )oA.沒有趨勢B.呈線性上升趨勢C.呈指數(shù)上升趨勢D.呈指數(shù)下降趨勢12. 如果時間序列適合于擬合趨勢方程乙=%+即，表明該序列 ( A )oA.各期觀測值按常數(shù)增長B.各期觀測值按指數(shù)增長C.各期增長率按常數(shù)增長D.各期增長率按指數(shù)增長13. 對某企業(yè)各年的銷售額擬合的直線趨勢方程為X =6+1.5/,這表明 ( A )oA. 時間每增加1年，銷售額平均增加個單位B. 時間每增加1年，銷售額平均減少個單位C. 時間每增加1年，銷售額平均增加D. 下一年度

13、的銷售額為個單位14. 對某一時間序列擬合的直線趨勢方程為丫嚴(yán)+坤,如果該數(shù)列中 沒有趨勢，則勺的值應(yīng)該( C )oA.接近于1B.小于1C.接近于0D.小于015. 對某一時間序列擬合的直線趨勢方程為力=血+卽，如果勺等于零, 則表明該序列( A )。A.沒有趨勢B. 有上升趨勢C.有下降趨勢D.有非線性趨勢16.殘差自相關(guān)是指不同點的時間序列（B）。A.觀測值之間的相關(guān) 關(guān)B.殘差之間的相C.預(yù)測值之間的相關(guān) 趨勢D.觀測值有線性17.使用Durbin-Watson統(tǒng)計量的d的臨界值表檢驗自相關(guān)時 （ B ）oA. 如果統(tǒng)計量d<dL,拒絕原假設(shè)，不存在自相關(guān)B. 如果統(tǒng)計量d<

14、;dL,拒絕原假設(shè)，存在自相關(guān)C. 如果統(tǒng)計量d>du,拒絕原假設(shè)，存在自相關(guān)D. 如果統(tǒng)計量d<du,拒絕原假設(shè)，不存在自相關(guān)18.對時間序列的數(shù)據(jù)作季節(jié)調(diào)整的目的是（A)oA.消除時間序列中季節(jié)變動的影響 列中季節(jié)變動的影響B(tài).描述時間序C.消除時間序列中趨勢的影響 列中隨機波動的影響D.消除時間序19. 如果某個月份的商品銷售額為84萬元，該月的季節(jié)指數(shù)等于, 在消除季節(jié)因素后該月的銷售額為（ B ）。A. 60萬元B. 70萬元C. 萬元D.萬元20. Holt指數(shù)平滑預(yù)測適合于（ B ）oA.平穩(wěn)序列 序列B.含有趨勢的C.含有季節(jié)波動的序列D.含有趨勢和季節(jié)波動的序列2

15、1Winter 數(shù)平滑預(yù)測適合于（D ）。A.平穩(wěn)序列B.含有趨勢的序列C.含有季節(jié)波動的序列D.含有趨勢和季節(jié)波動的序列22. 如果一個時間序列不存在自相關(guān)，那么，所有（或大多數(shù)）自相 關(guān)系數(shù)都落在（A ）oA. 95%的區(qū)間內(nèi)B. 95%的區(qū)間之外C. 90%的區(qū)間內(nèi)D. 90%的區(qū)間之外23. 如果一個時間序列不存在自相關(guān)，那么，自相關(guān)圖中的各個條應(yīng) 該隨機分布在95%的置信區(qū)間內(nèi)，而且隨著滯后期的增加趨于（ B ）oA. 1B 0C. -1D第12#1. 下列關(guān)于主成分分析的表述不正確的是（C）oA. 主成分分析的目的是找出少數(shù)幾個主成分代表原來的多個變量B. 用于主成分分析的多個變量

16、之間應(yīng)有較強的相關(guān)性C. 用于主成分分析的多個變量之間必須是獨立的D. 所找出的主成分之間是不相關(guān)的2. 在主成分分析中，各主成分與原始變量的關(guān)系是（ B ）oA.任何一個主成分都等于所有原始變量的總和B. 任何一個主成分都是所有原始變量的線性組合C. 任何一個變量都是所有主成分的總和D. 任何一個變量都是所有主成分的線性組合3. 在主成分分析中，選擇主成分的標(biāo)準(zhǔn)通常是要求所選主成分的累 計方差總和占全部方差的（ D ）oB. 60%以上D. 80%以上）oB.原始變量對主D.原始變量所解A. 50%以上C. 70%以上4. 主成分分析中的“特征根”反映的是（AA. 主成分對原始變量的影響程度

17、 成分對的影響程度C.主成分與原始變量之間的相關(guān)程度 釋的主成分信息5. 某個特征根占總特征根的比例稱為（B ）。A.方差C.載荷系數(shù)B. 方差貢獻(xiàn)率D. 因子6. 從特征根數(shù)值的大小角度看，通常要求所選擇的主成分所對應(yīng)的 特征根應(yīng)該（ C ）oA.等于0B.等于1C. 大于1D.大于07. 因子分析與主成分分析的區(qū)別之一就是（C）oA. 因子的個數(shù)少于主成分的個數(shù)B. 主成分分析需要事先確定主成分的個數(shù)C. 因子分析需要事先確定因子的個數(shù)D. 因子分析的結(jié)果更接近實際8. 變量xi的共同度量反映的是（ B ）。A. 第i個公因子被變量xi所解釋的程度B. 變量xi的信息能夠被k個公因子所解釋

18、的程度C. 第j個公因子的相對重要程度D. 第i個變量對公因子的相對重要程度9. 用于因子分析的變量必須是（B ）。A.獨立的B.相關(guān)的C.等方差的D.等均值的10. 在因子分析中，檢驗變量之間相關(guān)性的KMO統(tǒng)計量的取值（D）oA小于0B.小于1C.大于1D.在之間 門.下表是根據(jù)6個變量進(jìn)行主成分分析得到的各主成分及其相應(yīng)的 特征根。由該表可得第一個主成分的方差貢獻(xiàn)率為（ B ）。ComponentInitialEigenvalues123.5954.3045.2576.183合計A. %B. %C. %D. %12. 下表是根據(jù)6個變量進(jìn)行因子分析得到的旋轉(zhuǎn)后的因子載荷系數(shù) 矩陣。由該表可

19、知第一個因子所概括的變量是（ C ）oComponent12變量1.909變量2.765.472變量3.491.685變量4.836.314變量5.342.765變量6.904A變量1.變量2和變量3B變量1.變量2.變量3和變量4C.變量1.變量4和變量2D.變量3.變量5和變量613. 在因子分析中，選擇因子的標(biāo)準(zhǔn)通常是要求所選因子的累計方差 總和占全部方差的（D）oA. 50%以上B. 60% 以上D. 80%以上C. 70%以上14. 從特征根數(shù)值的大小角度看，通常要求所選的因子所對應(yīng)的特征 根應(yīng)該（ C ）oA.等于0C.大于115. 因子得分函數(shù)是將（ D ）oA.因子表達(dá)為原始變量的總和 因子的總和C.原始變量表達(dá)為因子的線性組合 化變量的線性組合第13章1. 聚類分析時將對象進(jìn)行分析的依據(jù)是A