当前位置：问答库＞考研试题

一、简答题

1． 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。

2． 统计数据质量的基本标准是什么？

【答案】（1）准确：用数字语言来反映客观实际；（2）快速：统计信息服务必须具有时效性和紧迫性；（3）完整：调查单位没有遗漏，调查项目没有缺陷，资料数据齐全；（4）精练：统计信息具有针对性、有效性、精确性。

3． 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。

第 2 页，共 54 页 法，但使用方差-协方差矩阵的稳健估计

（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。

4． 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。

5． 在什么条件下用正态分布近似计算二项分布的概率效果比较好？

【答案】当样本量n 越来越大时，二项分布越来越近似服从正态分布。这时，二项随机变量的直方图的形状接近正态分布的图形形状。即使对于小样本，当

然相当好，此时随机变量X 的分布是相对于其平均值时，二项分布的正态近似仍

和都对称的。当p 趋于0或1时，二项分布将呈现出偏态，但当n 变大时，这种偏斜就会消失。一般来说， 只要当n 大到使大于或等于5时，近似的效果就相当好。

6． 利用相关系数如何判断变量之间相关的方向和相关关系的密切程度？

【答案】相关系数r 的取值范围在关关系；若

相关关系；若

相关关系。

当

说明两个变量之间的线性关系越强之间。若

表明变量之间存在正线性相表明x 与y 之间存在负线性相关关系；若表明x 与y 之间为完全负线性相关关系。可见当表明x 与y 之间为完全正线性时，y 的取值完全依赖于X ，二者之间即为函数关系；当r=0时，说明两者之间不存在线性相关关系，但可能存在其他非线性说明两个变量之间的线性关系越弱。对于一

第 3 页，共 54 页

个具体的r 取值，根据经验可将相关程度分为以下几种情况：

当

时. 可视为中度相关；时。视为低度相关；

当时，

可视为高度相关时，说明两个变量之间的

相关程度极弱，可视为不相关。但这种解释必须建立在对相关系数的显著性检验的基础之上。

7． “假设检验的基本思路是：概率性质的反证法，主要依据的是：小概率事件原理”。你同意这种说法吗？简要叙述你对假设检验的理解和检验步骤。

【答案】同意。

假设检验所遵循的推断依据是统计中的“小概率原理”：小概率事件在一次试验中几乎是不会发生的。例如，在10000件的产品中，如果只有1件是次品，那么可以得知，在一次试验中随机抽取1件次品的概率就为此概率是非常小的。或者是说，在一次随机抽样试验中，次品几乎是不会被抽到的。反过来，如果从这批产品中任意抽取1件，恰好是次品，我们就可以断定，该次品率应该不是很小的，否则我们就不会那么轻易的就能抽到次品。从而，我们就有足够的理由否认产品的次品率是很低的假设。

假设检验的基本步骤为：第一，对所考察总体的分布形式或总体的某些未知参数做出某些假设，称之为原假设。第二，根据检验对象构造合适的检验统计量，并通过数理统计分析确定在原假设成立的条件下该检验统计量的抽样分布。第三，在给定的显著性水平下，根据抽样分布得出原假设成立时的临界值，由临界值构造拒绝域和接受域。第四，由所抽取的样本资料计算样本统计量的取值，并将其与临界值进行比较，从而对所提出的原假设做出接受还是拒绝的统计判断。

假设检验就是利用样本中所蕴含的信息对事先假设的总体情况做出推断。假设检验不是毫无根据的，而是在一定的统计概率下支持这种判断。

8． 方差分析中的基本假定。

【答案】方差分析中有三个基本假定：（1）每个总体都应服从正态分布。也就是说，对于因素的每一个水平，其观测值是来自正态分布总体的简单随机样本；（2）各个总体的方差

的。

9． 回归分析结果的评价。

【答案】对回归分析结果的评价可以从以下四个方面入手：

（1）所估计的回归系数的符号是否与理论或事先预期相一致；

（2）如果理论上认为

归方程也应该如此；

（3）用判定系数来回答回归模型在多大程度上解释了因变量取值的差异；

（4）考察关于误差项的正态性假定是否成立。因为在对线性关系进行检验和对回归系数进行？检验时，

都要求误差项服从正态分布，否则，所用的检验程序将是无效的。检验正态性的

简单方法是画出残差的直方图或正态概率图。

第 4 页，共 54 页 必须相同。也就是说，对于各组观察数据，是从具有相同方差的正态总体中抽取的；（3）观测值是独立之间的关系不仅是正的，而且是统计上显著的，那么所建立的回