应用回归分析试题(二).docxVIP

应用回归分析试题（二） 一、选择题 在对两个变量X, y进行线性回归分析时，有下列步骤： ①对所求出的回归直线方程作出解释；②收集数据（Xi、）,i钳，…, n;③求线性回归方程；④求未知参数； ⑤根据所搜集的数据绘制 散点图。 如果根据可行性要求能够作出变量xy具有线性相关结论，则在下列 操作中正确的是（D） A .①②⑤③④ B .③②④⑤① C.②④③①⑤ D .②⑤④③① 下列说法中正确的是（B ） A .任何两个变量都具有相关关系 B .人的知识与其年龄具有相关关系 C.散点图中的各点是分散的没有规律 D .根据散点图求得的回归直线方程都是有意义的 下面的各图中，散点图与相关系数r不符合的是（B ） 一位母亲记录了儿子3?9岁的身高，由此建立的身高与年龄的回 归直线方程为y=7?19x * 73.93 ,据此可以预测这个孩子10岁时的身高, Jl ≠ ~ I r=?51 * Vl √ -irO Vl ■ ? 4 ? t ? ? ? ■ * ? ■ ? ? ? A. 1 O Ti C Ar 0 D. A  则正确的叙述是( 则正确的叙述是(D ) A .身咼一定是145.83cm C.身高低于145.00cm B .身高超过146.0OCm D .身高在145.83cm左右 在画两个变量的散点图时，下面哪个叙述是正确的 (B ) 预报变量在X轴上，解释变量在y轴上 解释变量在X轴上，预报变量在y轴上 可以选择两个变量中任意一个变量在 X轴上 可以选择两个变量中任意一个变量 二、 填空题 m . i y关于m个自变量的所有可能回归方程有 1 个。 H是帽子矩阵，贝S tr(H)=p+1 O 回归分析中从研究对象上可分为一元和多元。 回归模型的一般形式是 y = ：0 ? ：1X「必 …： PXP ?；。 Cov(e∏c2(I -H) (e为多元回归的残差阵)。 三、 叙述题 引起异常值消除的方法(至少5个)? 答案：异常值消除方法： 重新核实数据； 重新测量数据； 删除或重新观测异常值数据； 增加必要的自变量； 增加观测数据，适当扩大自变量取值范围； （6） 米用加权线性回归； （7） 改用非线性回归模型； 自相关性带来的问题？ 答案：（1）参数的估计值不再具有最小方差线性无偏性； （2） 均方差（MSE）可能严重低估误差项的方差； （3） 容易导致对t值评价过高，常用的F检验和t检验失败； ^ （4） 当存在序列相关时，1仍然是一：的无偏估计量，但在任一 ^ 特定的样本中；^可能严重扭曲一:的真实情况，即最小二乘估计量对 抽样波动变得非常敏感； （5） 如果不加处理的运用普通最小二乘估计模型参数， 用此模 型进行预测和结构分析会带来较大的方差甚至错误的解释。 回归分析与相关分析的区别与联系是什么？ 答案：联系：回归分析和相关分析都是研究变量间关系的统计学课题。 区别：a.在回归分析中，变量y称为因变量，处在被解释变量的特殊 位。在相关分析中，变量X和变量y处于平等地位，即研究变量y与 变量X的密切程度与研究变量X与变量y的密切程度是一回事。 b.相关分析中涉及的变量y与变量X全是随机变量。而在回归 分析中，因为变量是随机的，自变量可以是随机变量，也可以是非随 机的确定量。 C.相关分析的研究主要是为了刻画两类变量间线性相关的密 切程度。而回归分析不仅可以提示变量X对变量y的影响大小，还可 以由回归方程进行预测和控制。 叙述一元回归模型的建模过程? 答案：第一步：提出因变量与自变量; 第二步：收集数据； 第三步：画散点图； 第四步：设定理论模型； 第五步：用软件计算，输出计算结果; 第六步：回归诊断，分析输出结果。 四、证明题 ^ 1.证明订是o的无偏估计。 Λ ^ n=Eei生1 —Xi-XLxPY))=Ern (1-χχ^)Co Mi $ n =Ee i生 1 —Xi-X LxP Y)) =Ern (1-χχ^)Co Mi $ i z1 n LXX =E[ o 、(丄-XX x) i T n LXX i] =0 J (1-XX^X i=i n LXX )E( i) 2.当 y~N(X*Jn)时，证明■- ~N( ■ ^2(XX)-) O ^ 证明：E( - )=E((XTX ) J XTy) =(XTX)J XτE(y) =(XTX)JXTE(X ■ + ) =(XTX)J XTX 一： =- ^ ^ ^ D( ： )=cov( / ) =COV(( XTX ) JχTy,(χTχ)∕χTy) =(XTX ) J XTCOV(y,y)(( XTX ) j XT)T =(XTX)JX^72X(XTX)J = F(XtX) XTX(XTX)」 = JXTX ) 3.证明，在多元线性回归中，最小二乘估计[与残差