第6章相关与回归分析习题
统计学：相关回归分析习题与答案
一、单选题1、下列哪种关系属于相关关系而非函数关系？（）A.销售总额与销售量B.价格与销售量C.工资总额与人均工资D.圆的面积与半径正确答案：B解析： B、函数关系是指现象之间存在的确定性的数量依存关系。
2、若两个变量之间的线性相关系数为0.9，则（）。
A.回归系数为0.81B.判定系数为0.81C.回归估计标准误为0.81D.判定系数为0.95正确答案：B3、下列指标一定非负的是（）。
A.回归系数bB.相关系数rC.回归估计标准误S yxD.回归常数a正确答案：C4、在回归直线方程中y c=a+bx,b 是直线的斜率，表明（）。
A.当x 增加一个单位时,y 增加a的数量B.当y 增加一个单位时,x 的平均增加量C.当y 增加一个单位时,x 增加b的数量D.当x 增加一个单位时,y 的平均增加量正确答案：D5、相关系数r与回归系数b的关系是（）。
A. b=r×S x/S yB. b=r×S y/S xC. r=b×S y/S xD. 以上都不对正确答案：B6、当所有的观察值y都落在直线y c=a+bx上时，x与y之间的相关系数是（）。
A. r=1B.r=-1C. |r|=1D.r=0正确答案：C解析：当r=1或r=-1时，表示变量之间为完全相关7、相关系数r=0表示（）。
A.不存在相关关系B.两变量独立C.不存在线性相关关系D.存在平衡关系正确答案：C8、对相关系数的显著性检验，通常采用的是（）。
A.Z检验B.F检验C.χ2检验D.T检验正确答案：D9、线性回归的检验中，检验整个方程显著性的是（）。
A.F检验B.DW检验C.t检验D.R检验正确答案：A10、下列现象的相关密切程度高的是A.商品销售额与商业利润率之间的相关系数是0.62B.商品销售额与流通费用率之间的相关系数为-0.76C.某商店职工人数与商品销售额之间的相关系数为0.79D.流通费用率与商业利润率之间的相关系数是-0.89正确答案：D二、多选题1、下列属于负相关的现象是（）。
最新应用回归分析-第6章课后习题参考答案
第6章多重共线性的情形及其处理思考与练习参考答案6.1 试举一个产生多重共线性的经济实例。
答：例如有人建立某地区粮食产量回归模型，以粮食产量为因变量Y，化肥用量为X1，水浇地面积为X2，农业投入资金为X3。
由于农业投入资金X3与化肥用量X1，水浇地面积X2有很强的相关性，所以回归方程效果会很差。
再例如根据某行业企业数据资料拟合此行业的生产函数时，资本投入、劳动力投入、资金投入与能源供应都与企业的生产规模有关，往往出现高度相关情况，大企业二者都大，小企业都小。
6.2多重共线性对回归参数的估计有何影响？答：1、完全共线性下参数估计量不存在；2、近似共线性下OLS估计量非有效；3、参数估计量经济含义不合理；4、变量的显著性检验失去意义；5、模型的预测功能失效。
6.3 具有严重多重共线性的回归方程能不能用来做经济预测？答：虽然参数估计值方差的变大容易使区间预测的“区间”变大，使预测失去意义。
但如果利用模型去做经济预测，只要保证自变量的相关类型在未来期中一直保持不变，即使回归模型中包含严重多重共线性的变量，也可以得到较好预测结果；否则会对经济预测产生严重的影响。
6.4多重共线性的产生于样本容量的个数n、自变量的个数p有无关系？答：有关系，增加样本容量不能消除模型中的多重共线性，但能适当消除多重共线性造成的后果。
当自变量的个数p较大时，一般多重共线性容易发生，所以自变量应选择少而精。
6.5 自己找一个经济问题来建立多元线性回归模型，怎样选择变量和构造设计矩阵X才可能避免多重共线性的出现？答：请参考第三次上机实验题——机场吞吐量的多元线性回归模型，注意利用二手数据很难避免多重共线性的出现，所以一般利用逐步回归和主成分回归消除多重共线性。
如果进行自己进行试验设计如正交试验设计，并收集数据，选择向量使设计矩阵X 的列向量（即X 1，X 2， X p ）不相关。
6.6对第5章习题9财政收入的数据分析多重共线性，并根据多重共线性剔除变量。
回归分析练习题及参考答案
1 下面是7个地区2000年的人均国内生产总值（GDP）和人均消费水平的统计数据：地区人均GDP/元人均消费水平/元北京辽宁上海江西河南贵州陕西 224601122634547485154442662454973264490115462396220816082035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）%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%（4）模型汇总模型R R 方调整 R 方标准估计的误差1 .998a.996 .996 247.303a. 预测变量: (常量), 人均GDP。
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。
第六章相关及回归分析方式
第六章 相关与回归分析方式第一部份 习题一、单项选择题1.单位产品本钱与其产量的相关；单位产品本钱与单位产品原材料消耗量的相关 ( )。
A.前者是正相关，后者是负相关 B.前者是负相关，后者是正相关2.样本相关系数r 的取值范围( )。
∞＜r ＜+∞≤r ≤1 C. -l ＜r ＜1 D. 0≤r ≤101y x ββ=+上，那么x 与y 之间的相关系数( )。
A.r ＝0B.r ＝1C.r ＝-1D.|r|＝14.相关分析与回归分析，在是不是需要确信自变量和因变量的问题上( )。
A.前者无需确信，后者需要确信 B.前者需要确信，后者无需确信5.直线相关系数的绝对值接近1时，说明两变量相关关系的紧密程度是( )。
6.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( )。
7.下面的几个式子中，错误的选项是( )。
8.以下关系中，属于正相关关系的有( )。
9.直线相关分析与直线回归分析的联系表现为( )。
10.进行相关分析，要求相关的两个变量( )。
A.都是随机的B.都不是随机的11.相关关系的要紧特点是( )。
B.某一现象的标志与另外的标志之间存在着必然的关系，但它们不是确信的关系12.相关分析是研究( )。
13.现象之间彼此依存关系的程度越低，那么相关系数( )。
01y x ββ=+中，假设10β<，那么x 与y 之间的相关系数( )。
A. r=0B. r=1C. 0＜r ＜1D. —l ＜r ＜0 15.当相关系数r=0时，说明( )。
A.现象之间完全无关B.相关程度较小16.已知x 与y 两变量间存在线性相关关系，且210,8,7,100xy xy n σσσ===-=，那么x 与y 之间存在着( )。
17.计算估量标准误差的依据是( )。
A.因变量的数列B.因变量的总变差18.两个变量间的相关关系称为( )。
回归分析练习题(有标准答案)
回归分析练习题（有答案）作者:日期:1.1回归分析的基本思想及其初步应用一、选择题1.某同学由x 与y 之间的一组数据求得两个变量间的线性回归方程为均值为2，数据y 的平均值为3，则（）A .回归直线必过点（2,3）C 点（2,3）在回归直线上方B.回归直线一定不过点（2,3）D 点（2,3）在回归直线下方y bx a ，已知：数据x 的平2.在一次试验中，测得（x, y）的四组值分别是A （1,2）,B（2,3）,C（3,4）,D（4,5），则丫与X 之间的回归直线方程为（）A.$x1B .$ x 2C$2x1D.$ x 13.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；③求线性回归方程；④求未知参数；②收集数据（X j 、y i ），i 1,2，…，n ；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岀变量A.①②⑤③④Bx, y 具有线性相关结论，则在下列操作中正确的是（C.②④③①⑤D .②⑤④③①.③②④⑤①4.下列说法中正确的是（）B人的知识与其年龄具有相关关系D 根据散点图求得的回归直线方程都是有意义的A.任何两个变量都具有相关关系C.散点图中的各点是分散的没有规律5.给出下列结论：2 2（1）在回归分析中，可用指数系数R 的值判断模型的拟合效果，R 越大，模型的拟合效果越好；（2）在回归分析中，可用残差平方和判断模型的拟合效果，残差平方和越大，模型的拟合效果越好；（3）在回归分析中，可用相关系数r 的值判断模型的拟合效果，较合适带状区域的宽度越窄，说明模型的拟合精度越高.A.y 平均增加1.5个单位B.A. 1B )个..2r 越小，模型的拟合效果越好；（4）在回归分析中，可用残差图判断模型的拟合效果，残差点比较均匀地落在水平的带状区域中，说明这样的模型比y 平均增加2个单位C.y 平均减少1.5个单位C.3DD.y 平均减少2个单位.4以上结论中，正确的有（6.已知直线回归方程为y7.2 1.5x ，则变量x 增加一个单位时（)下面的各图中，散点图与相关系数r 不符合的是（）\ 1V ||一1,— 1 < r<(>■r?■* ■■■■* ■..* .**打4X（7UV1）D.'8.一位母亲记录了儿子39岁的身高，由此建立的身高与年龄的回归直线方程为据此可以预测这个孩子10岁时的身高，则正确的叙述是（A.身高一定是145.83cm C.身高低于145.00cm BD）7.19x 73.93,.身高超过146.00cm身高在145.83cm左右9.（A）预报变量在x轴上，解释变量在y轴上（B）解释变量在x轴上，预报变量在y轴上（C）（D）在画两个变量的散点图时，下面哪个叙述是正确的（）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在y轴上10.两个变量y与x的回归模型中，通常用R2来刻画回归的效果，则正确的叙述是（22）A.R越小，残差平方和小2B.R越大，残差平方和大2c.R于残差平方和无关D.R越小，残差平方和大211.两个变量y与x的回归模型中，分别选择了4个不同模型，它们的相关指数R2如下，其中拟合效果最好的模型是（）A.模型1的相关指数R2为0.98 B.模型2的相关指数R2为0.802 2C.模型3的相关指数R为0.50 D.模型4的相关指数R为0.2512.回归直线上相应位置的差异的是A.总偏差平方和B.C.回归平方和13.回归直线方程为残差平方和D.相关指数R2在回归分析中，代表了数据点和它在（）工人月工资（元）依劳动生产率（千元）变化的60 90x，下列判断正确的是（）A.劳动生产率为1000元时，工资为50元B.劳动生产率提高1000元时，工资提高150元C.劳动生产率提高1000元时，工资提高90元D.劳动生产率为1000元时，工资为90元14.下列结论正确的是（）①函数关系是一种确定性关系；②相关关系是一种非确定性关系；③回归分析是对具有函数关系的两个变量进行统计分析的一种方法；④回归分析是对具有相关关系的两个变量进行统计分析的一种常用方法.A.①② E.①②③ C.①②④ D.①②③④15.已知回归直线的斜率的估计值为中心为（4,5），则回归直线方程为（）1.23，样本点的A.$ 1.23x 4B.$ 1.23x 5C.$ 1.23x 0.08D.y 0.08x 1.2316.在比较两个模型的拟合效果时，甲、乙两个模型的相关指数果好的模型是 __________.17.在回归分析中残差的计算公式为 ____________.18.线性回归模型y bx a e（a和b为模型的未知参数）中，e称为_________________.19.若一组观测值（X1,yJ（X2,y2）…（Xn,y“）之间满足yi=bXi+a+e（i=1、2.…n）若恒为0,则氏为______________R2的值分别约为0.96和0.85，则拟合效20.调查某市出租车使用年限x 和该年支出维修费用y (万元)，得到数据如下:使用年限x 维修费用y(求线性回归方程;n22.233.845.556. 567.0(2)由(1)中结论预测第10年所支出的维修费用.i 1(X i x) (y iy).n(X ii 1x)2bx21.以下是某地搜集到的新房屋的销售价格闵屋面积Ey 和房屋的面积x 的数据:11524.Q1102 1. CIB-413G29.21口丘22t 肖年愉梧(1)画岀数据对应的散点图；(2)求线性回归方程，并在散点图中加上回归直线；(3)据(2)的结果估计当房屋面积为150m2时的销售价格(4)求第2个点的残差。
第6章 相关与回归分析习题解答
第六章 相关与回归分析思考与练习一、判断题1.产品的单位成本随着产量增加而下降，这种现象属于函数关系。
答：错。
应是相关关系。
单位成本与产量间不存在确定的数值对应关系。
2.相关系数为0表明两个变量之间不存在任何关系。
答：.错。
相关系数为零，只表明两个变量之间不存在线性关系，并不意味着两者间不存在其他类型的关系。
3.单纯依靠相关与回归分析，无法判断事物之间存在的因果关系。
答：对，因果关系的判断还有赖于实质性科学的理论分析。
4.圆的直径越大，其周长也越大，两者之间的关系属于正相关关系。
答：错。
两者是精确的函数关系。
5.总体回归函数中的回归系数是常数，样本回归函数中的回归系数的估计量是随机变量。
答：对。
6.当抽取的样本不同时，对同一总体回归模型估计的结果也有所不同。
答：对。
因为，估计量属于随机变量，抽取的样本不同，具体的观察值也不同，尽管使用的公式相同，估计的结果仍然不一样。
二、选择题1.变量之间的关系按相关程度分可分为：b 、c 、da.正相关；b. 不相关；c. 完全相关；d.不完全相关； 2.复相关系数的取值区间为：aa. 10≤≤R ；b.11≤≤-R ；c.1≤≤∞-R ；d.∞≤≤-R 1 3.修正自由度的决定系数a 、b 、da.22R R ≤； b.有时小于0 ； c. 102≤≤R ；d.比2R 更适合作为衡量回归方程拟合程度的指标 4.回归预测误差的大小与下列因素有关：a 、b 、c 、da 样本容量；b 自变量预测值与自变量样本平均数的离差c 自变量预测误差；d 随机误差项的方差三、问答题1．请举一实例说明什么是单相关和偏相关？以及它们之间的差别。
答：例如夏季冷饮店冰激凌与汽水的消费量，简单地就两者之间的相关关系进行考察，就是一种单相关，考察的结果很可能存在正相关关系，即冰激凌消费越多，汽水消费也越多。
然而，如果我们仔细观察，可以发现一般来说，消费者会在两者中选择一种消费，也就是两者之间事实上应该是负相关。
01练习题6(相关系数与回归分析)
练习题6（相关系数与回归分析）1某电视台非常关心新闻节目的受欢迎程度；电视节目的受欢迎程度由一套评估体系来决定，这个评估体系对每个被评估的节目评级：由1（最低）到10（最高）。
某电视台认为在新闻节目之前的节目的受欢迎程度会影响到新闻节目的受欢迎程度。
为此，他们搜集了一组30个样本，其中包含两个变量：x-新闻节目之前的节目评级；y-新闻节目的评级，数据列于为研究x与y二者之间的关系，计算相关系数，并对其进行检验。
3 使用四川绵阳地区3年生中山柏的数据“中山柏.sav”，分析月生长量与平均气温、月降雨量、月平均日照时数、月平均湿度这4个气候因素哪个因素有关？回归分析：4 零售商要了解每周的广告费X及消费额Y之间关系，记录如下数据：画出散点图，并在Y对X回归为线性的假定下，用最小二乘法算出一元回归方程.5 某厂生产某产品，其成本费用（Y，万元）与劳动量（X1，千小时）及原材料价格（X 2，万元／万吨）有密切关系。
下面列出了2002年1月～2003年6月的成本、劳动量、原材料价格资料。
要求：（1）建立二元线性回归方程，对回归系数b1、b2进行合理的解释。
（2）对所建立的回归方程进行显著性检验；（3）假定2003年7月份劳动量X1=1.19千小时，X2=2.31万元／万吨，试预测2003年7月份的成本费用。
6 用第2题资料，计算身高与坐高、体重、胸围、肩宽和骨盆宽等变量的Pearson相关关系，并用逐步回归建立方程。
(引入原则P<0.05,剔除原则P>0.051)7用第1题资料，假定模型为：y=β0+β1Xi+εi i= 1，…，30用最小二乘法估计模型参数，建立线性回归模型，对回归系数进行显著性检验，对β1的置信水平作95%的区间估计。
对x=8时的y值作预测，并作95%的预测区间。
8 家庭信用卡消费多寡与家庭年收入及家庭人口有关，具体数据如下表，要求：①做消费金额与家庭人口，消费金额与年收入的散点图；②因变量、自变量分别是什么；③建立回归方程，讨论这三者之间的关系；④讨论哪个因素对因变量影响大，理由是什么？被调查对象的家庭年收入（万元）、家庭人口和信用卡消费的金额（元）。
第六章相关与回归分析
• 总体相关系数ρ——根据总体数据计算的，
• 样本相关系数 r ——根据样本数据计算的。
6 - 12
统
计
相关关系的计算பைடு நூலகம்式
学
rSxy
(xx)y (y)
SxSy
(xx)2 (yy)2
或化简为
r
nx yxy
nx2x2 ny2y2
6 - 13
统
计
相关系数取值及其意义
相关图——也称为散点图。一对数据对应坐标图 上一个点，将成对的观察数据表现为坐标图 的散点而形成的图。
编制相关表、图的意义——有助于分析者判断 相关的有无、方向、形态、密切程度。
6 - 10
统
计
相关关系的图示
学
完全正线性相关
正线性相关
完全负线性相关
负线性相关
非线性相关
不相关
2. 一元线性（总体）回归方程的形式如下：
3.
E( y ) = α + b x
▪ 方程的图示是一条直线，因此也称为直线回归方程
▪ α 是回归直线在 y 轴上的截距，是当 x=0 时 y 的期 望值，是回归直线是起始值；
▪ b 是直线的斜率，表示当 x 每变动一个单位时，y
的平均变动值。
6 - 22
统
6 - 11
统
计 学
（二）相关系数和判定系数
1. 都是对变量之间关系密切程度的度量； 2. 判定系数=相关系数的平方； 3. 不同类型的相关,相关系数的计算方法也不同.
对两个变量之间线性相关程度的度量称为简单相 关系数（也称直线相关系数）,常简称相关系数.
此外还有复相关系数、非线性相关系数、偏相关系 数
第六章-相关与回归
间相关程度的比较。
（2）1≤r≤1，0≤|r|≤1。 |r|越接近于1，说明两变量的相关程度越强； |r|越接近于0，两变量的相关程度越差。
（3）r=0表示x与y无相关， r＜0表示负相关， r＞0表示正相关， |r|=1为完全相关。
二、样本相关系数的计算
（x1，y1），（x2，y2），…，（xn，yn）。
前面已经指出，要研究两种变量间的关系，最简单的方 法是把一系列观测数据在坐标中用散点图表示，如果散点 大致分布在一条直线附件，就可以判断两者为直线回归关 系。这种关系可用直线回归方程表示。则总体直线回归方 程为：
yi xi i （i=1，2，…，n） i服 N 0 从 ，2，且相互独
相关变量间的关系一般分为两种: 一种是平行关系，是研究变量间关系的强弱程度，此
时我们不关心在它们之间是谁影响了谁，谁是因，谁是果， 变量间的地位是平等的。如黄牛的体长和胸围之间的关系， 猪的背膘厚度和眼肌面积之间的关系等都属于平行关系。
另一种是因果关系，即一个变量的变化受另一个或几 个变量的影响。如仔猪的生长速度受遗传特性、营养水平、 饲养管理条件等因素的影响，子代的体高受亲本体高的影 响。
N 1N 1 (XX X)Y ( Y Y)
(XX)Y (Y) (XX)2 (YY)2
r SP xy
xy(x)n(y)
SSxSSy
x2(nx)2y2(ny)2
其中：
SPxy— 变量x和变量y的离均差乘积和简称乘积和 SSx — 变量x 的离均差平方和 SSy — 变量y 的离均差平方和
相关系数r 的特点:
变量。
例如，进行药物疗效试验 时，应用不同的剂量 （x），分析疗效（y）如 何受到药物剂量的影响及 其变化规律。这里规定的
第6章回归分析
2019/7/30
《统计学》第3章参数估计
6-13
表 6.3 初一男生身高、体重和肺活量偏相关系数表
Correlations
Control Variables
x 身高，cm y 肺活量，L
z 体重，kg x 身高，cm Correlation
1.000
.186
Significance (2-tailed)
《统计学》第3章参数估计
6-12
表 6.2 初一男生身高、体重和肺活量的相关系数表
Correlations
x 身高，cm z 体重，kg y 肺活量，L
x 身高，cm Pearson Correlation
1
.810**
.650**
Sig. (2-tailed)
.000
.006
z 体重，kg
N Pearson Correlation
y
ˆ1x
(6.12)
2019/7/30
《统计学》第3章参数估计
6-21
记回归残差 ei yi yˆi ，可以求得随机 误差项的方差的 LSE 为
n
ei2
ˆ 2 i1
n2
(6.15)
2019/7/30
《统计学》第3章参数估计
6-22
定理 6.1 在模型(6.8)下，最小二乘估计具有以下性质
nˆ0
nx ˆ1
ny
nx
ˆ0
n
xi2ˆ1
n
xi yi
i 1
i 1
(6.11)
方程组(6.11)称为正规方程组，解这个方程组容易求得
相关和回归分析练习题
课本例题：对某10户居民家庭的年可支配收入和消费支出进行调查，得到的原始资料如下， 单位：千元居民家庭编号1 2 3 4 5 6 7 8 9 10 可支配收入25 18 60 45 62 88 92 99 75 98 消费支出 20 15 40 30 42 60 65 70 53 78 （1） 计算居民可支配收入与消费支出之间的相关系数，判断这两个变量之间是否显著相关；（P223）（2） 建立居民消费支出对居民可支配收入的一元线性回归方程，并解释回归系数的经济意义；（P227）（3） 计算拟合系数2R , 解释其意义；（P230）（4） 当居民可支配收入为120千元时，利用回归方程预测相应的消费支出。
（P232）相关系数的计算222222()()()()()()i i i i XX Y Y XY nXY r X n X Y n Y X X Y Y ---==⋅---⋅-∑∑∑∑∑∑ 参数1ˆβ和0ˆβ的估计122ˆXY nXY X nX β-=-∑∑ 01ˆˆY X ββ=- 拟合系数的计算2222222211222ˆˆˆ()()](()[)ii i i X n X Y n Y y x R y y ββ===--∑∑∑∑∑∑2,,X XX ∑∑ 2,,Y Y Y ∑∑ XY ∑ 1、 解：22()()()()i i i i X X Y Y r XX Y Y --=-⋅-∑∑∑ 21025,152711,128.125Y Y Y ===∑∑,129559.16ni i i X Y ==∑2195.56,5822.3334,24.445X X X ===∑∑变量X 的离差平方和2222()1041.86()92i i X X X n x X -==-=∑∑∑， 变量Y 的离差平方和2222()21382.8()75i i Y Y Y n y Y -==-=∑∑∑变量X 和Y 离差乘积项的和()()4503.305i i i i X x y X X Y Y Y nXY =--=-=∑∑∑ 22()()4503.3050.95401041.869221382.875()()i i i i XX Y Y r X X Y Y --===⨯-⋅-∑∑∑ 2.解：(1) 2199.5,7667.15,24.9375Y YY ===∑∑,1107610.4ni i i X Y ==∑ 22670,1587328,333.75X XX ===∑∑ 12241027.275ˆ0.0589696215.5XY nXY X nX β-===-∑∑ 00ˆˆ24.93780.0589333.75 5.2700Y X ββ=-=-⨯= 样本回归方程为ˆ 5.27000.0589i iY X =+ (2)变量X 的离差平方和222696215.5,i i x X nX =-=∑∑ 变量Y 的离差平方和2222692.1188i i y Y nY =-=∑∑22221ˆˆ()0.0589696215.52415.3178i i yx β==⨯=∑∑ 222ˆ2415.31780.89812692.1188ii y R y ===∑∑，表明自变量能解释因变量89.81%左右的变动,模型的拟合效果较好。
回归分析练习题及参考答案
1 下面是7个地区2000年的人均国内生产总值（GDP）和人均消费水平的统计数据：地区人均GDP/元人均消费水平/元北京辽宁上海江西河南贵州陕西 224601122634547485154442662454973264490115462396220816082035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）%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%（4）模型汇总模型R R 方调整 R 方标准估计的误差1 .998a.996 .996 247.303a. 预测变量: (常量), 人均GDP。
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。
《统计学》(第8版)笔记和课后习题详解
《统计学》(第8版)笔记和课后习题详解统计学 (第8版) 笔记和课后题详解
1. 简介
本文档为《统计学》第8版的笔记和课后题详解。
主要内容包括统计学的基本概念、统计学的应用和解决问题的方法等。
2. 章节概述
第一章：统计学导论
该章节介绍了统计学的基本定义和应用领域，以及统计学在科学研究中的作用。
第二章：数据描述
该章节重点介绍了统计学中常用的数据描述方法，包括数据的图形展示、数据的中心趋势和数据的离散程度等。
第三章：概率与概率分布
该章节讲解了概率的概念和性质，以及常见的概率分布如二项分布、正态分布等。
第四章：统计推断的基本原理
该章节介绍了统计推断的基本原理，包括参数估计和假设检验等内容。
第五章：单因素方差分析
该章节讲解了单因素方差分析的原理和应用，以及一些统计学中常见的假设检验方法。
第六章：相关与回归分析
该章节重点介绍了相关与回归分析的原理和应用，包括线性回归和多元回归等内容。
3. 课后题详解
本文档还包含了每章的课后题详解，帮助读者巩固所学知识。
针对题中的难点和常见错误，给出了详细的解答和解题思路。
4. 结语
通过阅读本文档的《统计学》笔记和课后题详解，读者将更好地理解统计学的基本概念和方法，掌握统计分析的基本技能。
以上是《统计学》(第8版)笔记和课后习题详解的概述。
希望对您有所帮助！。
统计学原理-第六章--相关与回归分析习题
A+1 B 0 C 0．5 D [1]5．回归系数和相关系数的符号是一致的，其符号均可用来判断现象( )A线性相关还是非线性相关B正相关还是负相关C完全相关还是不完全相关D单相关还是复相关6．某校经济管理类的学生学习统计学的时间()与考试成绩(y)之x间建立线性回归方程y c=a+b。
经计算，方程为y c=200—0.8x，该方程参数x的计算( )A a值是明显不对的B b值是明显不对的C a值和b值都是不对的 C a值和6值都是正确的7．在线性相关的条件下，自变量的均方差为2，因变量均方差为5，而相关系数为0．8时，则其回归系数为：( )A 8B 0.32C 2D 12．58．进行相关分析，要求相关的两个变量( )A都是随机的B都不是随机的C一个是随机的，一个不是随机的D随机或不随机都可以9．下列关系中，属于正相关关系的有( )A合理限度内，施肥量和平均单产量之间的关系B产品产量与单位产品成本之间的关系C商品的流通费用与销售利润之间的关系D流通费用率与商品销售量之间的关系10．相关分析是研究( )A变量之间的数量关系B变量之间的变动关系C变量之间的相互关系的密切程度D变量之间的因果关系11．在回归直线y c=a+bx，b<0，则x与y之间的相关系数( )A =0B =lC 0<<1D -1<<0r r r r12．在回归直线yc=a+bx中，b表示( )A当x增加一个单位，，y增加a的数量B当y增加一个单位时，x增加b的数量C当x增加一个单位时，y的均增加量D当y增加一个单位时，x的平均增加量13．当相关系数r=0时，表明( )A现象之间完全无关B相关程度较小C现象之间完全相关D无直线相关关系14．下列现象的相关密切程度最高的是( )A某商店的职工人数与商品销售额之间的相关系数0．87B流通费用水平与利润率之间的相关关系为-0．94C商品销售额与利润率之间的相关系数为0．51D商品销售额与流通费用水平的相关系数为-0．8115．估计标准误差是反映( )A平均数代表性的指标B相关关系的指标C回归直线的代表性指标D序时平均数代表性指标三、多项选择题1．下列哪些现象之间的关系为相关关系( )A家庭收入与消费支出关系B圆的面积与它的半径关系C广告支出与商品销售额关系D单位产品成本与利润关系E在价格固定情况下，销售量与商品销售额关系2．相关系数表明两个变量之间的( )A线性关系B因果关系C变异程度D相关方向E相关的密切程度3．对于一元线性回归分析来说( )A两变量之间必须明确哪个是自变量，哪个是因变量B回归方程是据以利用自变量的给定值来估计和预测因变量的平均可能值C可能存在着y依x和x依y的两个回归方程D回归系数只有正号E 确定回归方程时，尽管两个变量也都是随机的，但要求自变量是给定的。
第六章 相关分析与回归分析
二、直线相关与直线回归
1．直线相关（linear correlation） ●相关系数（correlation coefficient） 衡量变数之间相关关系密切程度的数量化指标，叫相关系数。 用r 表示。 ●●相关系数的定义公式
r= ∑(x − x)( y − y) ∑(x − x)2 ∑( y − y)2
故 北 大 番 果 横 与 实 量 间 正 关 系 显 。 ： 碚 红 茄 实 径 果 重 之 的 相 关 极 著 ● 直 查 法 ● 接 表 ：
t=
根 据
r 1− r2 n−2
≥ a 时 可 定H0 这 情 ， 理 计 作 根 不 显 水 及 由 一 况 数 统 工 者 据 同 著 平 自 t ， 否
● 定 数 决 系 （determination coefficient） ● 决 ● 定系 — 相 系 r 的 方 即 r2 数 — 关 数 平 ，
2 (SP)2 / SSx (SP) / SSy (SP)2 r = = = SSx • SSy SSy SS x 2
(SP) 2 / SS x ˆ U = ∑( y − y)2 占y 的 r = ： 示 表 由x 不 而 起 同 引 的y 的 方 平 和 SS y
度 的 t 临 值 tα计 出 不 自 度 达 不 显 水 时 相 系 r 的 界 ， 下 界 即 算 了 同 由 下 到 同 著 平 的 关 数 临 值 列 成r 表 利 此 ， 可 r 直 进 判 ， 必 计 t 值 。 。 用 表 就 对 接 行 定 不 再 算 了 表6-1 资 中 r=0.9931， 料 ， n=10， df=n-2=8， 0.01=0.765 r 所 到 显 水 。 r=0.9931**＞ 0.01， 以r 达 极 著 准 t
回归分析练习题及参考答案
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)。
6回归分析 习题 简单 (2)
回归分析习题一、选择题（共14小题；共70分）1. 在一组样本数据，，，（不全相等）的散点图中，若所有样本点都在直线上，则这组样本数据的样本相关系数为A. B. C. D.2. 已知回归方程，则该方程在样本处的残差为A. B. C. D.3. 对两个变量进行回归分析，则下列说法中不正确的是A. 由样本数据得到的回归方程必经过样本中心B. 残差平方和越大，模型的拟合效果越好C. 用来刻画回归效果，越大，说明模型的拟合效果越好D. 若散点图中的样本呈条状分布，则变量和之间具有线性相关关系4. 对两个变量与进行回归分析，分别选择不同的模型，它们的相关系数如下，其中拟合效果最好的模型是A. 模型Ⅰ的相关系数为B. 模型Ⅱ的相关系数为C. 模型Ⅲ的相关系数为D. 模型Ⅳ的相关系数为5. 在两个变量与的回归模型中，选择了个不同模型，其中拟合效果最好的模型是A. 相关指数为的模型B. 相关指数为的模型C. 相关指数为的模型D. 相关指数为的模型6. 甲、乙、丙、丁四位同学各自对，两个变量的线性相关性做试验，并用回归分析方法分别求得相关系数与残差平方和，如下表：甲乙丙丁则哪位同学的试验结果体现，两变量有更强的线性相关性A. 甲B. 乙C. 丙D. 丁7. 由一组样本数据得到的回归直线方程，那么下面说法不正确的是A. 直线必经过点B. 直线至少经过点中的一个点C. 直线的斜率为D. 直线和各点的偏差是该坐标平面上所有直线与这些点的偏差中最小的直线．8. 甲、乙、丙、丁四位同学在建立变量，的回归模型时，分别选择了种不同模型，计算可得它们的相关指数分别如表：甲乙丙丁建立的回归模型拟合效果最差的同学是A. 甲B. 乙C. 丙D. 丁9. 设两个变量和之间具有线性相关关系，它们的相关系数是，关于的回归直线的斜率是，纵截距是，那么必有A. 与的符号相同B. 与的符号相同C. 与的相反D. 与的符号相反10. 若要有的把握作出两个变量具有线性相关关系的推断，则要求A. 两个相关变量的散点图必须近似的在一条直线上B. 回归系数C. 回归系数D. 线性相关系数满足11. 已知变量与之间的相关系数，查表得到相关系数临界值，若要使可靠性不低于，则可以认为变量与之间A. 不具有线性相关关系B. 具有线性相关关系C. 它们的线性关系还要进一步确定D. 不确定12. 下列说法正确的是A. 对于相关系数来说，，越接近，相关程度越大；越接近相关程度越小B. 对于相关系数来说，，越接近，相关程度越大；越大，相关程度越小C. 对于相关系数来说，，越接近，相关程度越大；越接近相关程度越小D. 对于相关系数来说，，越接近，相关程度越小；越大，相关程度越大13. 某商品的销售量（件）与销售价格（元/件）存在线性相关关系，根据一组样本数据，用最小二乘法建立的回归方程为，则下列结论正确的是A. 与具有正的线性相关关系B. 若表示变量与之间的线性相关系数，则C. 当销售价格为元时，销售量为件D. 当销售价格为元时，销售量为件左右14. 两个变量与的回归模型中，分别选择了个不同的模型，它们的相关指数如下，其中拟合效果最好的模型是A. 模型的相关指数为B. 模型的相关指数为C. 模型的相关指数为D. 模型的相关指数为二、填空题（共4小题；共22分）15. 回归分析（1）回归分析是对具有⑧的两个变量进行统计分析的一种常用方法．（2）样本点的中心对于一组具有线性相关关系的数据，，，，我们知道，，则将⑨称为样本点的中心．（3）相关系数：．当时，表明两个变量⑩；当时，表明两个变量⑪．的绝对值越接近于，表明两个变量的线性相关性⑫．的绝对值越接近于，表明两个变量之间⑬．通常大于或等于⑭时，认为两个变量有很强的线性相关性．16. 若某函数模型相对一组数据的残差平方和为，其相关指数为，则总偏差平方和为，回归平方和为．17. 如果发现散点图中所有的样本点都在一条直线上，则残差平方和等于，解释变量和预报变量之间的相关系数等于．18. 和的散点图如图，则下列说法中所有正确命题的序号为．①、是负相关关系；②在该相关关系中，若用拟合时的相关指数为，用拟合时的相关指数为，则；③、之间不能建立回归直线方程．三、解答题（共2小题；共26分）19. 某种书每册的成本费元与印刷千册有关，经统计得到如下数据：试判断关于是否具有线性回归关系．20. 某公司为确定下一年度投入某产品的宣传费，需了解年宣传费（单位：千元）对年销售量（单位：）和年利润（单位：千元）的影响．对近年的宣传费和年销售量数据作了初步处理，得到下面的散点图及一些统计量的值．表中，．（1）根据散点图判断，与哪一个适宜作为年销售量关于年宣传费的回归方程类型?（给出判断即可，不必说明理由）（2）根据（1）的判断结果及表中数据，建立关于的回归方程；（3）已知这种产品的年利润与，的关系为．根据（2）的结果回答下列问题：①年宣传费时，年销售量及年利润的预报值是多少?②年宣传费为何值时，年利润的预报值最大?附：对于一组数据，，，，其回归直线的斜率和截距的最小二乘估计分别为，．第一部分1. D 【解析】所有样本点均在同一条斜率为正数的直线上，则样本相关系数最大，为．2. C3. B 【解析】样本中心点在直线上，故A正确，残差平方和越小的模型，拟合效果越好，故B不正确，越大拟合效果越好，故C正确，当散点图中的样本呈条状分布，表示两个变量具有线性相关关系，D正确．4. A 【解析】因为相关系数的绝对值越大，越具有强大相关性，A相关系数的绝对值约接近，所以A拟合程度越好．5. A6. D 【解析】越大，越小，线性相关性越强．7. B 【解析】由知所以必定过点．8. C9. A10. D11. B12. C13. D 【解析】当销售价格为元时，，即销售量为件左右.14. A 【解析】两个变量与的回归模型中，它们的相关指数越接近于，这个模型的拟合效果越好，在所给的四个选项中，是相关指数最大的值，因此拟合效果最好的是模型．第二部分15. 相关关系，，正相关，负相关，越强，几乎不存在线性相关关系，16. ，【解析】由题中条件可知，残差平方和占总偏差平方和的比例为，所以总偏差平方和为，回归平方和为或．17. ，或【解析】设样本点为，，回归直线为；若散点图中所有的样本点都在一条直线上，则此直线方程就是回归直线方程．所以有；残差平方和；解释变量和预报变量之间的相关系数满足，所以．18. ①②第三部分19. ，，计算，，，由公式计算的，因为，所以没有充分的理由认为与具有线性相关关系．20. （1）由散点图可以判断，适合作为年销售关于年宣传费用的回归方程类型．（2）令，先建立关于的线性回归方程，由于，所以．所以关于的线性回归方程为，所以关于的回归方程为．（3）①由（2）知，当时，年销售量的预报值，．②根据（2）的结果知，年利润的预报值，所以当，即，取得最大值．故宣传费用为千元时，年利润的预报值最大．。
第六章相关分析与回归分析
+
-
x+x0
+yy0
+
Ⅳ
－
0
x
x
第六章 相关分析与回归分析
STAT
coxv,y()0则r>0，说明x和y之间为正线性
相关；
coxv,y()0则r<0，说明x和y之间为负线性
相关；
coxv,y()0则r=0，说明x和y之间不存在线
性相关。
第六章 相关分析与回归分析
2、标准差 x 和 y 的作用
第六章 相关分222470， 64098 y26383 .48 ， 7 5x7y1114.448633 STAT
r
nxyxy
nx2(x)2 ny2(y)2
1011144.486133371.785276.127
三、相关表和相关图
STAT
相关表
将某一变量x按其数值大小顺序排 列，然后再将与其相关的另一个变量y 对应值平行排列，观察x由小到大变化 时，y的变化情况。
第六章 相关分析与回归分析
八个同类工业企业的月产量与生产费用
企业编号
1 2 3 4 5 6 7 8
月产量（千吨）X
1.2 2.0 3.1 3.8 5.0 6.1 7.2 8.0
联系
STAT
（1）有函数关系的变量间，由于有测 量误差及各种随机因素的干扰，可表 现为相关关系；
（2）对具有相关关系的变量有深刻了 解之后，相关关系有可能转化为或借 助函数关系来描述。
第六章 相关分析与回归分析
• 例：判断下列关系是什么关系？ • 1）物体体积随温度升高而膨胀，随压力加大而STAT
第六章 相关分析与回归分析
正相关
- 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)。
《统计学》习题6 （第6章相关分析与回归分析）
班级 学号 姓名
一、单项选择题：
1、相关关系是指变量间的（ ）。
① 严格的函数关系 ② 简单关系和复杂关系 ③ 严格的依存关系 ④ 不严格的依存关系 2、单相关也叫简单相关，所涉及变量的个数为（ ）。
① 一个 ② 两个 ③ 三个 ④ 多个 3、直线相关即（ ）
① 线性相关 ② 非线性相关 ③ 曲线相关 ④ 正相关 4、相关系数的取值范围是（ ）。
① （0，1） ② [0，1] ③（-1，1） ④ [-1，1] 5、相关系数为零时，表明两个变量间（ ）。
① 无相关关系 ② 无直线相关关系 ③ 无曲线相关关系 ④ 中度相关关系 6、相关系数的值越接近-1，表明两个变量间（ ）。
① 正线性相关关系越弱 ② 负线性相关关系越强 ③ 线性相关关系越弱 ④ 线性相关关系越强 7、进行简单直线回归分析时，总是假定（ ）。
① 自变量是非随机变量、因变量是随机变量 ② 两变量都是随机变量 ③ 自变量是随机变量、因变量是确定性变量 ④ 两变量都不是随机变量 8、回归方程i i x y
5.1123ˆ+=中的回归系数数值表明：当自变量每增加一个单位时，因变量（ ）。
① 增加1.5个单位 ② 平均增加1.5个单位 ③ 增加123个单位 ④ 平均增加123个单位 9、下列现象的相关密切程度高的是（ ）。
① 某商店的职工人数与商品销售额之间的相关系数为0.87
② 流通费用率与商业利润率之间的相关系数为-0.94 ③ 商品销售额与商业利润率之间的相关系数为0.51 ④ 商品销售额与流通费用率之间的相关系数为-0.81 10、从变量之间相关的表现形式看，可分为（ ）。
① 正相关与负相关 ② 线性相关和非线性相关
③ 简单相关与多元相关 ④ 完全相关和不完全相关
二、多项选择题：
1、下列表述正确的有（ ）。
① 具有明显因果关系的两变量一定不是相关关系 ② 只要相关系数较大，两变量就一定存在密切关系 ③ 相关关系的符号可以说明两变量相互关系的方向 ④ 样本相关系数和总体相关系数之间存在抽样误差 ⑤ 相关系数的平方就是判定系数
2、下列各组变量之间属于相关关系的有（ ）。
① 家庭收入越多与其消费支出也越多 ② 人口数与消费品的需求量
③ 人的身高与体重 ④ 一般地说，一个国家文化素质越高，则人口的平均寿命也越长 ⑤ 在一定的施肥量范围内，施肥量增加，农作物收获量也增加 3、判断现象之间有无相关关系的方法有（ ）。
① 编制相关表 ② 绘制相关图 ③ 计算估计标准误差 ④ 对客观现象作定性分析 ⑤ 计算相关系数 4、相关分析是（ ）。
① 研究两个变量之间是否存在着相关关系 ② 测定相关关系的密切程度 ③ 判断相关关系的形式 ④ 配合相关关系的方程式 ⑤ 进行统计预测或推断 5、应用相关分析与回归分析需注意（ ）。
① 在定性分析的基础上进行定量分析 ② 要注意现象质的界限及相关关系作用的范围
③ 要具体问题具体分析 ④ 要考虑社会经济现象的复杂性 ⑤ 对相关与回归分析结果的有效性应进行假设检验
三、填空题：
1、按变量之间的相关的表现形态可分为（ ）和（ ）两种。
2、相关系数r 的符号反映相关关系的（ ），其绝对值的大小反映两变量线性相关的（ ）。
3、样本容量较大时，样本相关系数r 越大，表示总体的相关程度（ ）。
4、估计回归方程的参数时，常用的方法是（ ），其基本要求是（ ）。
5、回归分析和相关分析的联系表现在：相关分析是回归分析的（ ），回归分析是相关分析的（ ）。
四、简答题：
1、相关分析和回归分析的区别与联系。
2、什么是估计标准误差？有什么作用？
五、计算题：
1、为探讨某产品的耗电量x （单位：度）与日产量y （单位：件）的相关关系，随机抽选了10个企业，经计算得到：
17070=∑x ，1717=∑y ，2931810=∑xy ，291495002=∑x ，2948992
=∑y
要求：①计算相关系数；
②建立直线回归方程，解释回归系数的经济意义。
①画出平均年收入与受教育年限之间的相关图； ②计算平均年收入与受教育年限之间的相关系数；
③求出平均年收入与受教育年限之间的回归方程，指出受教育年限为16年时，平均年收入是多少。