你可能感兴趣的试题
检验部分回归关系的隐藏性 描述两变量之间的数量依存关系 利用回归方程进行预测，把预报因子代入回归方程对预报量进行估计 利用回归方程进行统计控制，通过控制自变量的范围实现应变量指标统计控制的目标
两个变量的任何一组观测值都能得到线性回归方程 在平面直角坐标系中，用描点的方法得到表示两个变量的关系的图象叫做散点图 线性回归方程反映了两个变量所具备的线性相关关系 线性相关关系可分为正相关和负相关
判别分析是判别样本所属类型的一种多元统计方法，在生产、科研与日常生活中都经常用到 时间序列分析是依据某种准则对个体（样品或变量）进行分类的一种多元分类的一种多元统计分析方法 用来描述两个变量相互之间变化方向及密切程度的数字特征量称为相关系数 回归分析包括一元线性回归方程、二元线性回归方程、多元线性回归方程
描述两个指标变量之间的数量依存关系 利用回归方程进行预测 对回归方程的各参数进行显著性检验 利用回归方程进行统计控制
利用回归方程的各参数进行显著性检验 描述两个指标变量之间的数量依存关系 利用回归方程进行预测 利用回归方程进行统计控制
描述两指标变量之间的数量依存关系 描述两指标变量之间的非线性关系 利用回归方程进行统计控制，通过控制X的范围来实现指标Y统计控制的目标 利用回归方程进行预测，把预报因子代入回归方程可对预报量进行估计
两种方程检验效果一样，用哪种都可以 只有用代码值(CodedUnits)回归方程才准确；用原始值(UncodedUnits)回归方程有时判断不准确 只有用原始值(UncodedUnits)回归方程才准确；用代码值（CodedUnits）回归方程有时判断不准确 根本用不着回归方程，ANOVA表中结果信息已经足够进行判断
F=4.32 F=7.43 回归方程不显著 回归方程显著 回归方程显著性无法判断
描述两指标变量之间的数量依存关系 利用回归方程进行预测 利用回归方程进行统计控制 利用回归方程进行显著性检验
自变量不是随机变量，因变量是随机变量 因变量和自变量不是对等的关系 利用一个回归方程，因变量和自变量可以相互推算 根据回归系数可判定因变量和自变量之间相关的方向 对于没有明显关系的两变量可求得两个回归方程
检验回归方程对样本数据的拟合程度，通过判定系数来分析 对回归方程线性关系的检验 对回归方程中回归系数显著性进行检验 序列相关性检验 多重共线性检验
只能建立回归方程 y^=a+bx 只能建立回归方程为 x^=a+by 可以同时建立两个回归方程 两者无相关关系，不能建立回归方程
I、Ⅲ I、II、Ⅳ I、II、Ⅲ、Ⅳ II、Ⅲ、Ⅳ
F=16.7 F=18 回归方程不显著 回归方程显著性无法判断 回归方程显著
线性约束检验 若干个回归系数同时为零检验 回归系数的显著性检验 回归方程的总体线性显著性检验
湘公网安备 43130202000226号