题目
[不定项选择题]根据抽样调查数据中人均收入和人均可支配消费进行回归分析,得到估计的一元线性回归模型Y=1000+0.7X,(X:人均可支配收入;Y:人均消费,单位:元),关于该回归模型的说法,正确的有(  )。
  • A.人均可支配收入每减少1元,人均消费将平均增长0.7元
  • B.当人均可支配收入为20000元时,人均消费将为15000
  • C.人均可支配收入每增加1%,人均消费将平均增长0.7%
  • D.人均可支配收入每增加1元,人均消费将平均增长0.7元
  • E.人均可支配收入每减少1%,人均消费将平均增长0.7%
答案解析
答案: B,D
答案解析:

本题考查一元线性回归模型。

Y=1000+0.7X,X为人均收入、Y为人均消费。

当人均可支配收入为20000元时,人均消费=1000+0.7×20000=15000元。【B选项正确】

当人均可支配收入增加1元时,

Y增加额=(1000+0.7×2)-(1000+0.7×1)=0.7,即当人均可支配收入增加1元,人均消费将平均增加0.7元。【D选项正确】

因此,本题正确答案为选项BD。

查看答案
本题来源:第二十六章 第1节 回归模型
去题库练习
拓展练习
第1题
[单选题]关于一元线性回归模型,下列表述错误的是(    ) 。
  • A.

    Y=β01X+ε,只涉及一个自变量的回归模型称为—元线性回归模型

  • B.因变量Y是自变量X的线性函数加上误差项
  • C.

    β01X反映了由于自变量X的变化而引起的因变量Y的线性变化

  • D.误差项是个随机变量,表示除线性关系之外的随机因素对Y的影响,能由X和Y的线性关系所解释的Y的变异性
答案解析
答案: D
答案解析:

本题考查一元线性回归模型。

只涉及一个自变量的一元线性回归模型表示为Y=β01X+ε,因变量Y是自变量X的线性函数(β01X)加上误差项ε;β01X反映了由于自变量X的变化而引起的因变量Y的线性变化。误差项ε是个随机变量,表示除线性关系之外的随机因素对Y的影响,它是不能由X和Y的线性关系所解释的Y的变异性【D选项错误】

因此,本题正确答案为选项D。

点此查看答案
第2题
[单选题]根据相关关系的具体形态,选择一个合适的数学模型,来近似地表达变量间的依赖关系,这是(    )。
  • A.相关分析
  • B.回归分析
  • C.定量分析
  • D.定性分析
答案解析
答案: B
答案解析:

本题考查回归分析的概念。

【B选项正确】回归分析就是根据相关关系的具体形态,选择一个合适的数学模型,来近似地表达变量间的依赖关系。 

【A选项错误】相关分析是研究现象之间是否存在某种依存关系,并对具体有依存关系的现象探讨其相关方向以及相关程度,是研究随机变量之间的相关关系的—种统计方法。 

【C选项错误】定量分析是对社会现象的数量特征、数量关系与数量变化的分析。

【D选项错误】定性分析就是对研究对象进行"质"的方面的分析。

因此,本题正确答案为选项B。

点此查看答案
第3题
[单选题]描述两个变量之间相关关系的最简单的回归模型是(    )。
  • A.非线性回归模型
  • B.—元线性回归模型
  • C.多元线性回归模型
  • D.经验回归模型
答案解析
答案: B
答案解析:

本题考查—元线性回归模型。

一元线性回归模型是描述两个变量之间相关关系的最简单的回归模型。

因此,本题正确答案为选项B。

点此查看答案
第4题
[单选题]估计的城镇居民家庭人均可支配收入和人均消费的一元线性直线回归方程式:人均消费Y=1 300+0.79X,则当城镇居民家庭人均可支配收入是15 000元,人均消费支出是(    )元。
  • A.13 000
  • B.13 150
  • C.12 560
  • D.15 000
答案解析
答案: B
答案解析:

本题考查一元线性回归模型。

人均消费支出Y=1 300+0.79×15 000=13 150(元)。

因此,本题正确答案为选项B。

点此查看答案
第5题
[不定项选择题]根据自变量的多少,回归模型可以分为()。
  • A.一元回归模型
  • B.线性回归模型
  • C.非线性回归模型
  • D.多元回归模型
  • E.多元非线性回归模型
答案解析
答案: A,D
答案解析:

本题考查一元线性回归模型。

描述因变量如何依赖自变量和误差项的方程称为回归模型,回归模型的类别如下:

(1)根据自变量的多少,回归模型可以分为一元回归模型和多元回归模型。

(2)根据回归模型是否线性,回归模型分为线性回归模型和非线性回归模型。【BC选项错误】

因此,本题正确答案为选项AD。

点此查看答案
  • 领取礼包
  • 咨询老师
  • 在线客服
  • 购物车
  • App
  • 公众号
  • 投诉建议