对双变量资料作直线相关分析时，所建立的直线回归方程与各散点之间的关系是（）。
对X、Y两个变量作线性回归分析的条件之一是（）
对X、Y两个变量作线性回归分析的条件之一是
对X、Y两个变量作线性回归分析的条件之一是（）。
某部门运用回归分析法，根据每月广告支出来预测每月产品销售额（均用百万美元作单位）。结果表明该自变量的回归系数等于0．8。该系数说明：（）
如果对有线性函数关系的两个变量作相关分析和回归分析得出的结论中正确的是（）。
在一元线性回归分析中，通常假定随机误差项e满足（）。
在多元线性回归中，对参数作了t检验后为什么还要作方差分析和F检验？
回归分析中通常采用最小二乘法，主要原因是（）
通常对源程序进行静态分析的方法为：生成引用表、程序错误分析和（）。
回归分析中b＜0，经检验P＜0.01，则可认为能作相关分析的两变量呈负相关。
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（）。
下列属于线性回归分析基本程序的有（）。
对回归模型的结果作统计分析，常用的几种检验方法中没有的是（ ）
变量A和B间无论作相关分析还是简单线性回归分析均应先绘制散点图。
某工业企业某种产品产量与单位成本资料如下： 年份 2011 2012 2013 2014 2015 2016 2017 2018 产量（万件） 2 3 4 3 4 5 6 7 单位成本（元/件） 73 72 71 73 69 68 66 65 若作线性回归分析，当产量为8万件时，置信度为95.45%的单位成本的预测区间为 .（要求，小数点后保留1为有效数字）
因为回归预测法仅根据自变量的变化说明因变量的变化，即只作静态分析不作动态分析，所以不能用来预测未来。
在回归分析中,如果存在多钟模型可供选择,通常应选择哪类小的模型
逐步回归。为决定一个回归模型的“最优"解释变量集，研究者常用逐步回归的方法。在此方法中，既可采取每次引进一个x变虽逐步向前回归(stepwise forwardreg ression)的程序，也可先把所有可能的x变量都放在一个多元回归中，然后逐一地把它们剔除逐步向后回归(stepwise backwardreg ression)。加进或剔除一个变量，通常是根据F检验看它对ESS的贡献而作出决定的。根据你现在对多重共线性的认识，你赞成某种逐步程序吗？为什么？
自变量是数值变量，因变量是虚拟变量（即有两类的分类变量)时，可以作相关与直线回归分析。（)
一般地，在作一元线性回归分析过程中，回归分析是建立在一系列假设基础上的，这些 假设包括（）。
采用一元线性回归分析预测消费量，通常应取（)的结果。A．相关系数检验B．方差分析C．区间预测D．点预测
下列选项中，关于线性回归分析基本程序叙述，正确的有（）
