你可能感兴趣的试题
说明回归方程代表性大小的指标 与标准差的计算原理相同 估计标准误差越小,表明观测值离回归直线越远 估计标准误差越大,表明回归直线的代表性越小 当估计标准误差为0时,说明实际值与估计值之间没有差异
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大 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 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 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也小
Ⅰ.Ⅱ.Ⅲ.Ⅳ Ⅰ.Ⅲ.Ⅳ Ⅰ.Ⅱ.Ⅳ Ⅱ.Ⅲ.Ⅳ
I、Ⅱ、Ⅲ I、Ⅲ、Ⅳ Ⅱ、Ⅲ、Ⅳ I、Ⅱ、Ⅲ、Ⅳ
误差的方差不变。 误差项独立。 误差的分布是正态分布。 误差项目的期望值为零。
线性关系假设是指X与Y在样本上具有线性关系 正态性假设是指回归分析中Y服从正态分布 独立性假设可以指误差项独立 误差等分散性假设要求特定X水平的误差具有等分散性
解释变量是随机变量 随机误差项服从正态分布 各个随机误差项的方差相同 各个随机误差项之间不相关
对于所有的X,误差项的方差都相同 误差项服从正态分布 误差项相互独立
Ⅰ.Ⅱ.Ⅲ Ⅰ.Ⅱ.Ⅲ.Ⅳ Ⅱ.Ⅲ.Ⅳ Ⅰ.Ⅲ.Ⅳ
样本回归线 回归模型 估计的回归方程 经验回归方程
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)。
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,σ2)。
E(ε)=0 对于所有的x值,ε方差皆相等 ε值相互独立 误差项ε服从二项次分布
回归直线的截距 回归直线的斜率 观测值和估计值之间的残值 除X和Y线性关系之外的随机因素对Y的影响