2017年湖南科技大学管理学院864管理经济学之统计学考研导师圈点必考题汇编
● 摘要
一、简答题
1． 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。
2． 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法，但使用方差-协方差矩阵的稳健估计
值。
3． 简述统计分组的原则。
【答案】采用组距分组时，需要遵循不重不漏的原则。不重是指一项数据只能分在其中的某一组，不能在其他组 中重复出现；不漏是指组别能够穷尽。即在所分的全部组别中每项数据都能分在其中的某一组，不能遗漏。
为解决不重的问题，统计分组时习惯上规定“上组限不在内”。即当相邻两组的上下限重叠时，恰好等于某 一组上限的变量值不算在本组内，而计算在下一组内。而对于连续变量，可以采取相邻两组组限重叠的方法，根 据“上组限不在内”的规定解决不重的问题，也可以对一个组的上限值采用小数点的形式，小数点的位数根据所 要求的精度具体确定。
4． 在研究总体特征时，往往采用抽样调查，试给出采用抽样的理由。
【答案】
抽样调查（）是一种非全面调查，它是按照随机原则从总体中抽取一部分单位作为样本进行观察研宄，以抽样样本的指标去推算总体指标的一种调查。随机原则要求所有调查单位都有一定的概率被抽取。根据抽选样本的方法，抽样调查可以分为概率抽样和非概率抽样两类。概率抽样是按照概率论和数理统计的原理从调查研宄的总体中，根据随机原则来抽选样本，并从数量上对总体的某些特征作出估计推断，对推断出可能出现的误差可以从概率意义上加以控制。习惯上将概率抽样称为抽样调查。抽样调查同其他调查比较，具有 如下几个特点：第一，样本单位按随机原则抽取，排除了主观因素对选取样本单位的影响；第二，能够根据部分 调查的实际资料对调查对象的总体的数量特征进行推断，从而达到对调查总体的认识；第三，在抽样调查中会存 在抽样误差，但是这个误差可以事先计算并加以控制。因此，抽样调查既能节省人力、物力、财力，又可以提高资料的时效性，而且能取得比较正确的全面统计资料，具有许多优点。
5． 简述复合型时间序列的预测步骤。
【答案】复合型序列是指含有趋势性、季节性、周期性和随机成分的序列。对这类序列预测方法通常是将时间序列的各个因素依次分解出来，然后再进行预测，分解法预测通常按下面的步骤进行：
（1）确定并分离季节成分。计算季节指数，以确定时间序列中的季节成分。然后将季节成分从时间序列中分离出去，即用每一个时间序列观测值除以相应的季节指数，以消除季节性；
（2）建立预测模型并进行预测。对消除了季节成分的时间序列建立适当的预测模型，并根据这一模型进行预测；
（3）计算出最后的预测值。用预测值乘以相应的季节指数，得到最终的预测值。
6． 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。
7． 在多元线性回归中，为什么我们对整个回归方程进行检验后，还要对每个回归系数来进行检验呢？
【答案】在多元线性回归中，线性关系检验主要是检验因变量同多个自变量的线性关系是否显著，在个自变量中，只要有一个自变量与因变量的线性关系显著，F 检验就能通过，但这不一定意味着每个自变量与因变量的关系都显著。回归系数检验则是对每个回归系数分别进行单独的检验，它主要用于检验每个自变量对因变量的影响是否都显著。如果某个自变量没有通过检验，就意味着这个自变量对因变量的影响不显著，也许就没有必要将这个自变量放进回归模型中了。
8． 简述假设检验的过程。
【答案】假设检验的过程如下：
（1）根据所研宄问题的要求提出原假设（或称为零假设、无效假设）和备择假设确定显著性水平。显著性水平为拒绝假设检验是犯第一类错误的概率。
（2）选择合适的检验方法，确定适当的检验统计量，确定统计量的分布，并由假设计算其数值。
（3）根据统计量确定值，做出统计推断。根据计算的统计量，查阅相应的统计表，确定值，以值与显著性水平比较，若则拒绝接受若则不拒绝
9． 在显著性检验过程中，经常遇到值这一概念，试回答以下问题：
（1）值能告诉我们什么信息？
（2）当相应的值较小时为什么要拒绝原假设？
（3）显著性水平与值有何区别？
【答案】如果原假设为真，所得到的样本结果会像实际观测结果那么极端或更极端的概率，