SUMMARY OUTPUT
回归统计
Multiple R
0.8732
R Square
？
Adj. R Square
？
标准误差
3446.6
观测值
28
方差分析
df
SS
MS
F
Signif. F
回归分析
1
9.91E+08
9.91E+08
83.4564
1.346E-09
残差
26
3.09E+08
11879008
总计
27
1.3E+09
Coef.
标准误差
t Stat
P-value
Lower 95%
Upper 95%
Intercept
7002
6617.917
1.058042
0.29977
-6601.288
20605.36
X Var. 1
0.8987
0.098377
9.135265
1.35E-09
0.6965002
1.100933
根据拟合结果,可以得到的一元线性回归方程是：y = 7002 +x +/ananas/latex/p/374
0.8987;0.899;0.90
举一反三
- 在用EXCEL进行一元线性回归分析时，输出的结果中，回归统计部分，Multiple R的数值是（）。
- 中国大学MOOC: 在用EXCEL进行一元线性回归分析时，输出的结果中，回归统计部分，Multiple R的数值是（ ）。
- 对一元回归模型进行检验可以借助（） A: A方差分析 B: B显著性检验 C: C标准误差分析 D: D相关分析 E: E回归分析
- 根据某地区2001～2009年农作物种植面积（X）与农作物产值（Y），可以建立一元线性回归模型，估计结果得到判定系数＝0.9，回归平方和SSR＝90，则回归模型的均方残差MSE为/ananas/latex/p/3847
- 对于多元线性回归模型，通常用（）来检验模型对样本观测值的拟合程度 A: 修正R∧2 B: 标准误差 C: R∧2 D: F检验
内容
- 0
下面是20个城市写字楼出租率和每平米月租金价格的回归分析结果，月租金为自变量，出租率为因变量：回归统计：MultipleRRSquareAdjustedRSquare标准误差0.79510.63220.61172.6858方差分析 DfSSMSFSignificanceF回归1223.1403223.140330.93322.798E-0.5残差18129.84527.213.6 总计19352.9855 系数估计和检验 Coefficient标准误差T StatP-ValueLower95%Upper95%Intercept49.31773.805012.96120.000041.323657.3117XVariable0.24920.04485.56180.00000.15510.3434根据回归分析结果，下列判断正确的是（ ）。
- 1
下列属于回归模型特性的是（）。 A: 一元线性回归模型是用于分析一个自变量Y与一个因变量X之间线性关系的数学方程 B: 判定系数r表明指标变量之间的依存程度，r越大，表明依存度越小 C: 在一元线性回归分析中，b的t检验和模型整体的F检验二者取其一即可 D: 在多元回归分析中，b的t检验和模型整体的F检验是等价的
- 2
多远线性回归模型与一元线性回归模型的区别在于不止一个（） A: 判定系数R^2 B: 估计标准误差 C: 因变量 D: 自变量
- 3
在一元线性回归分析中，若相关系数为r，回归方程拟合程度最好的是（）。 A: r=0.75 B: r=-0.97 C: R2=0.75 D: R2=0.90
- 4
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（） A: 0＜r＜1 B: -1＜r＜0 C: r>1 D: r=0 E: ︱r︱=1