你可能感兴趣的试题
两个变量之间不是对等关系 回归系数有正负号 两个变量都是随机的 利用一个回归方程，两个变量可以互相推算 有可能求出两个回归方程
β
+β
x反映了由于x的变化而引起的y的线性变化 ε反映了除x和y之间的线性关系之外的随机因素对y的影响 在一元回归模型中把除x之外的影响y的因素都归入ε中 ε可以由x和y之间的线性关系所解释的变异性
若线性回归相关系数r＝1，则两个变量线性无关 若线性回归相关系数r>0，当x增加时，y值增加 当相关系数r＝1时，所有的实验点都落在回归线上 当相关系数r＝0时，可能两个变量间有某种曲线的趋势
两个变量之间相关关系的密切程度 两个变量之间相关关系的方向 当自变量增减一个单位时，因变量平均增减的量 回归分析中保持不变的量 当因变量增减一个单位时，自变量平均增减的量
必须是对两个变量配合回归直线 两个变量必须有明确的因果关系 两个变量必须具备线性函数关系 两个变量必须具备显著的线性关系
一元线性回归 二元线性回归 多元线性回归 非线性回归
一元线性回归 二元线性回归 多元线性回归 非线性回归
线 性（linearity）：两个变量间存在线性关系； 独立性（independent）：任意两个观察值互相独立； 正态性（normality）：应变量 y是服从正态分布的随机变量； 方差齐（equal variances）：给定 x后，应变量 y的方差相等。 以上均对
线性（linearity）：两个变量间存在线性关系； 独立性（independent）：任意两个观察值互相独立； 正态性（normality）：应变量y是服从正态分布的随机变量； 方差齐（equalvariances）：给定x后，应变量y的方差相等； 以上均对。
回归模型因变量y与自变量x之间具有线性关系。 在重复抽样中，自变量x的取值是固定的，即假定x是非随机的。 误差项ε的方差为零。 误差项ε是独立随机变量且服从正态分布，即，ε~N（0，σ
）。
若r＞0则两个变量正相关 若r＜0则两个变量负相关 若r=0则两个变量线性不相关 若r=0则可能两个变量间有某种特殊的曲线关系 若r=0则b不一定等于0
x是自变量，y是因变量 自变量是给定的，因变量是随机的 x与y的相关系数符号一定为正 两个变量是不对等关系 回归方程有两个
两个变量间负相关 两个变量间完全线性相关 两个变量间线性不相关 两个变量间部分线性相关
自变量是可控制量，因变量是随机的 两个变量不是对等的关系 利用一个回归方程，两个变量可以互相推算 根据回归系数可判定相关的方向 对于没有明显因果关系的两个线性相关变量可求得两个回归方程
如果变量x与y之间存在着线性相关关系，则我们根据实验数据得到的点(xi，yi)(i＝1,2，…，n)将散布在某一条直线的附近 如果两个变量x与y之间不存在着线性关系，那么根据它们的一组数据(xi，yi)(i＝1,2，…，n)不能写出一个线性方程 设x，y是具有相关关系的两个变量，且y关于x的线性回归方程为
叫做回归系数 为使求出的线性回归方程有意义，可用统计检验的方法来判断变量y与x之间是否存在线性相关关系
要求X、Y均服从正态分布 仅要求X、Y两个变量为定量变量即可 仅要求Y变量服从正态分布即可 仅要求X变量服从正态分布即可 Y可以是分类变量
湘公网安备 43130202000226号