当前位置：问答库＞考研试题

一、简答题

1． 试述统计总体及其特征。

【答案】总体是包含所研宄的全部个体（数据）的集合，它通常由所研宄的一些个体组成，如由多个企业构成的 集合，多个居民户构成的集合，多个人构成的集合，等等。总体根据其所包含的单位数目是否可数可以分为有限总体和无限总体。有限总体是指总体的范围能够明确确定，而且元素的数目是有限可数的。通常情况下，统计上 的总体是一组观测数据，而不是一群人或一些物品的集合。

总体具有的特征包括：（1）同质性，即总体单位都必须具有某一共同的品质标志属性或数量标志数值，它是 构成总体的条件；（2）大量性，即构成总体的总体单位数目要足够多；（3）差异性，即总体单位必须具有一个或 若干个品质变异标志或数量变异标志。

2． 概述相关分析与回归分析的联系与区别。

【答案】（1）相关分析和回归分析的联系

它们具有共同的研宄对象，都是对变量间相关关系的分析，二者可以相互补充。相关分析可以表明变量间相关关系的性质和程度，只有当变量间存在相当程度的相关关系时，进行回归分析去寻求变量间相关的具体数学形式才有实际的意义。同时，在进行相关分析时，如果要具体确定变量间相关的具体数学形式，又要依赖于回归分析，而且在多个变量的相关分析中相关系数的确定也是建立在回归分析基础上的。

（2）相关分析和回归分析的区别

①从研究目的上看，相关分析是用一定的数量指标（相关系数）度量变量间相互联系的方向和程度；回归分析却是要寻求变量间联系的具体数学形式，是要根据自变量的固定值去估计和预测因变量的平均值。

②从对变量的处理看，相关分析对称地对待相互联系的变量，不考虑二者的因果关系，也就是不区分自变量和因变量，相关的变量不一定具有因果关系，均视为随机变量；回归分析是在变量因果关系分析的基础上研宄其中的自变量的变动对因变量的具体影响，必须明确划分自变量和因变量，所以回归分析中对变量的处理是不对称的，在回归分析中通常假定自变量在重复抽样中是取固定值的非随机变量，只有因变量是具有一定概率分布的随机变量。

3． 简述非抽样误差类型。

【答案】非抽样误差是相对抽样误差而言的，是指除抽样误差之外的，由于其他原因引起的样本观察结果与总体 真值之间的差异。无论是概率抽样、非概率抽样，或是在全面调查中，都有可能产生非抽样误差。非抽样误差有以下几种类型：

（1）抽样框误差，是指抽样框中的单位与研宄总体的单位不存在一一对应的关系，使用这样的抽样框抽取样本就会出现一些错误。

（2）回答误差，是指被调查者在接受调查时给出的回答与真实情况不符。导致回答误差的原因有多种，主要有理答误差、记忆误差和有意识误差。

（3）无回答误差，是指被调查者拒绝接受调查，调查人员得到的是一份空白的答卷。

（4）调查员误差，是指由于调查员的原因而产生的调查误差。

（5）测量误差，是指如果调查与测量工具有关，则很可能产生测量误差。

4． 下面两个统计图分别是对某数据集中y 关于x 的线性回归分析后的残差（Residuad ）请指出这个回归分析所存在的问题，并提出解诀方案。

【答案】由残差图可知，两个变量之间可能为非线性关系。表明所选择的线性回归分析模型不合理，应该考虑选 用非线性模型。处理非线性回归的基本方法是，通过变量变换，将非线性回归化为线性回归，然后用线性 回归方法处理。假定根据理论或经验，已获得输出变量与输入变量之间的非线性表达式，但表达式的系 数是未知的，要根据输入输出的n 次观察结果来确定系数的值。按最小二乘法原理来求出系数值。

此外，残差连续的出现在横坐标轴的上面或下面，两个变量也可能存在正自相关问题，即线性回归模型扰动 项的方差-协方差矩阵的非主对角线的元素不全为0, 存在扰动项的自相关。可以采用检验，检验方程是否存在一阶自相关问题，或采用

或仍用检验高阶自相关问题。如果存在自相关，可以采用可行广义最小二乘法值。

5． 中心极限定理。

【答案】设随机变量

令

则 相互独立（S 卩，对任意给定的相互独立）且服从同一分布，该分布存在有限的期望和方

差法，但使用方差-协方差矩阵的稳健估计

也就是说，当n 趋于无穷大时，的分布趋向于标准正态分布

6． 分层抽样与整群抽样有何异同？它们分别适合于什么场合？

【答案】（1）相同点：分层抽样和整群抽样都是需要事先按某一标志对总体进行划分的随机抽样。

不同点主要在于：分层抽样的划分标志与调查标志有密切关系，而整群抽样的划分标志不一定与调查标志有 关；分层抽样在总体的每个层内随机抽样，而整群抽样在总体全部群体中随机抽取一部分群体；比较计算公式可知，分层抽样的抽样误差取决于各层总体方差的平均数，而整群抽样的抽样误差取决于总体的群间方差；分层抽 样的目的（优点）主要是缩小抽样误差，满足推断各子总体数量特征的需要，而整群抽样的目的（优点）主要是 扩大抽样单位，简化抽样组织工作。

（2）适用场合：分层抽样用于层间差异大而层内差异小时，以及为了满足分层次管理决策需要时；整群抽样用于群间差异小而群内差异大时，或只有以群体为抽样单位的抽样框时等。

7． 简述季节指数的计算步骤。

【答案】以移动平均趋势剔除法为例，计算季节指数的基本步骤为：

，（1）计算移动平均值（如果是季度数据采用4项移动平均，月份数据则采用12项移动平均）

并将其结果进行“中心化”处理，也就是将移动平均的结果再进行一次2项的移动平均，即得出“中心化移动平均值”

（2）计算移动平均的比值，也称为季节比率，即将序列的各观察值除以相应的中心化移动平均值，然后再计算出各比值的季度（或月份）平均值。

（3）季节指数调整。由于各季节指数的平均数应等于1或100%，若根据第2步计算的季节比率的平均值不等于1时，则需要进行调整。具体方法是：将第（2）步计算的每个季节比率的平均值除以它们的总平均值。

8． 考虑总体参数的估计量，简述无偏估计量与最小方差无偏估计量的定义。

【答案】①无偏性（unbiasedness ）是指估计量抽样分布的数学期望等于被估计的总体参数。设总体参数为所选择的估计量为如果则称为的无偏估计量。对于待估参数，不同的样本值就会得到不同的估计值。这样，要确定一个估计量的好坏，就不能仅仅依据某次抽样的结果来衡量，而必须由大量抽样的结果来 衡量。对此，一个自然而基本的衡量标准是要求估计量无系统偏差。尽管在一次抽样中得到的估计值不一定恰好 等于待估参数的真值，但在大量重复抽样时，所得到的估计值平均起来应与待估参数的真值相同，即希望估计量 的均值应等于未知参数的真值，这就是无偏性的要求。 ②最小方差无偏估计是在无偏估计类中使均方误差达到最小的估计量，即在均方误差