计算题：某汽车生产商欲了解广告费用（万元）对销售量（辆）的影响。收集了过去12年的有关数据，通过分析得到：方程的截距为363，回归系数为1.42，回归平方和SSR=1600，残差平方和SSE=450。要求： （1）写出销售量y与广告费用x之间的线性回归方程。 （2）假如明年计划投入广告费用为25万元，根据回归方程估计明年汽车销售量。 （3）计算判定系数R2 ，并解释它的意义。
（ ）要求用样本期内所有变量的样本数据进行回归计算。
由某商品广告费用（万元）与销售收入（万元）的有关数据建立的一元线性回归方程为？=-10.25+6.88x，根据回归方程进行推算，则以下叙述正确的是（）。
响应变量Y与两个自变量（原始数据）X1及X2建立的回归方程为：y=2.2+30000x1+0.0003x2由此方程可以得到结论是（）.
在选定Y为响应变量后，选定了X1，X2，X3为自变量，并且用最小二乘法建立了多元回归方程。在MINITAB软件输出的ANOVA表中，看到P-Value=0.0021。在统计分析的输出中，找到了对各个回归系数是否为0的显著性检验结果。由此可以得到的正确判断是（）.
采购需求一元回归分析法就是利用（）与影响因素之间的因素关系，通过一元回归方程式来进行预测的方法。
在一个试验设计的分析问题中，建立响应变量与各因子及交互效应的回归方程可以有两种方法：一是对各因子的代码值（CodeUnits）建立回归方程；二是直接对各因子的原始值（UncodedUnits）建立回归方程。在判断各因子或交互作用是否影响显著时，要进行对各因子回归系数的显著性检验，可以使用这两种方法中的哪一种（）？
对某地区失业人员进行调查，得到有关失业周数、失业者年龄和受教育年限等资料，对此资料进行相关与回归分析后所得的结果如表5―1、表5―2所示。 https://assets.asklib.com/images/image2/2017051514291329151.jpg 63880，试计算与回答下列题目。 由回归分析表可知，失业周数与年龄拟合的回归方程方差分析检验结果说明（）。
（）要求用样本期内所有变量的样本数据进行回归计算。
直线回归分析的步骤首先是（），然后是建立（），并进行样本回归系数的（）。
响应变量Y与两个自变量（原始数据）X1及X2建立的回归方程为：Y=2.1X1+2.3X2，由此方程可以得到结论是（）
如果对线性回归方程检验不能通过，就不能用所建立的回归方程进行分析。
对变量X、Y进行回归分析，得回归方程Y=25.2+7.2X。若计算该组数据的相关系数，应该有（）
就一组试验数据可以求出不同的回归方程，哪个方程好呢?常用的准则是（）。
自相关回归分析市场预测法，是根据同一市场现象变量在（）中各个变量值之间的相关关系，建立一元或多元回归方程为预测模型进行预测。
根据样本资料得到单位产品成本y（元）与产量x（万件）之间的回归方程为y=868-8x，则下列说法正确的是（）
根据两个变量的l8对观测数据建立一元线性回归方程。在对回归方程作检验时，残差平方和的自由度为（）。
通过线性回归分析，计算得到回归方程式：y=5+0.32x1-2.53x2+5.63x3，以下哪些说法是正确的( ）
对样本的简单线性回归方程中的回归系数进行假设检验，得到P＞0.05，说明（）
某药物分析实验室用银盐法测得砷含量与吸光度值，见表8-2，试说明砷含量对吸光度的回归直线。进行 的统计结果：统计量 = ，P = ，根据检验水准， （接受或拒绝）原假设，结论：两变量间建立的线性回归方程 （有或无）显著性。表8-2：药物分析实验室测得砷含量与吸光度值砷含量(X)0246810吸光度（Y）0.0200.1220.1800.2900.3800.490
基于三月份市场样本数据，沪深300指数期货价格（Y）与沪深300指数（x）满足回归方程：Y=-0.237+1．068X，回归方程的F检验的P值为0．04。据此回答下列各两题。显著性水平α为（）时，Y与X之间的线性关系显著。（多选）
回归分析方法：(甲)编制相关图表(散点图、依存关系分析表)；(乙)计算相关系数，反映变量之间相关的密切程度和相关方向；(丙)建立回归方程，进行估计预测。
根据抽样调查得到一元线性回归方程Y^2500+0.73X, （X,人均可支配收入；Y^人均消费，单位为元），关于该回归方程的说法，正确的是（）
25、最优回归方程是在特定试验条件下建立的。
