回归方程的显著性检验的基本出发点与拟合优度检验十分相似。（)

A.回归系数显著性检验的t检验与回归方程显著性的F检验等价

B.回归方程显著性的F检验与相关系数显著性的t检验等价

C.回归系数显著性检验的t检验,与相关系数显著性的t检验等价这三种检验都是等价的

A.包含回归方程的显著性检验和回归系数的显著性检验

B.根本目的是检验回归方程的斜率是否显著为0

C.在同一显著性水平下，若回归方程显著，则回归系数也显著

D.在同一显著性水平下，若回归系数显著，则回归方程也显著

E.通过卡方检验判断回归方程的显著性

A.t检验用于检验相关系数的显著性

B.t检验用于检验回归方程的显著性

C.F统计量显著时，表明回归方程中所有回归系数均不为0

D.F统计量显著时，表明回归方程中至少一个回归系数不为0

E.在一元线性回归分析中，两种检验是等价的

A.结束回归分析，将选定的回归方程用于预报等

B.进行残差分析，以确认数据与模型拟合得是否很好，看能否进一步改进模型

C.进行响应曲面设计，选择使产量达到最大的温度及反应时间

D.进行因子试验设计，看是否还有其它变量也对产量有影响，扩大因子选择的范围

利用BARIUM.RAW中的数据。

(i)用前119次观测(即不包含1988年的最后12个月观测)，估计线性趋势模型。这个回归的标准误是什么？

(ii)同样用除了最后12个月以外的所有数据，估计chnimp的一个AR(1)模型。把这个回归的标准误与第(i)部分中的标准误相比较。哪一个模型提供了更好的样本内拟合？

(iii)用第(i)和第(ii)部分中的模型计算1988年12个月的提前一期预测误差。(每个方法都应该得到12个预测误差。)计算并比较这两种方法的RMSE和MAE。就样本外提前一期预测而言，哪种方法效果更好？

(iv)在第(i)部分的回归中添加月度虚拟变量。它们是联合显著的吗？(当我们检验联合显著性时，不必担心误差中轻度的序列相关。)

A.ANOVA和模型整体显著性分析

B.ANOVA和模型失拟分析

C.ANOVA和模型弯曲项分析

D.拟合总效果分析

E.均方误差MSE与其平方根的分析

F.各项效应的显著性分析

一册书的成本费Y与印刷册数X有关，统计结果如表9-11所示：

检验成本费Y与印刷册数的倒数1/X之间线性相关关系是否显著;如果显著，求Y关于1/X的回归方程。

A.结束回归分析，将选定的回归方程用于预报等

B.进行残差分析，以确认数据与模型拟合得是否很好，看能否进一步改进模型

C.进行响应曲面设计，选择使产量达到最大的温度及反应时间

D.进行因子试验设计，看是否还有其他变量也对产量有影响，扩大因子选择的范围

A.Z检验

B.F检验

C.t检验

D.卡方检验