在回归分析中，T检验的HO假设是自变量的系数为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： MultipleR RSquare AdjustedRSquare 标准误差 0.7951 0.6322 0.6117 2.6858 方差分析 Df SS MS F SignificanceF 回归 1 223.1403 223.1403 30.9332 2.798E-05 残差 18 129.8452 7.213.6 总计 19 352.9855 系数估计和检验 Coefficient 标准误差 T Stat P-Value Lower95% Upper95% Intercept 49.3177 3.8050 12.9612 0.0000 41.3236 57.3117 XVariable 0.2492 0.0448 5.5618 0.0000 0.1551 0.3434 根据回归分析结果，下列判断正确的是（）。

A、出租率与月租金价格之间的线性关系为：=49.3177+0.2492x

B、回归系数=0.2492，表示：月出租率增加1%，月租金平均增加0.2492%

C、=63.22%，表明在出租率的变差中被出租率与月租金之间的线性关系所解释的比例为63.22%，回归方程的拟合程度一般

D、估计标准误差Se=2.6858，表示，当用月租金来预测出租率时，平均的预测误差为2.6858%，表明预测误差不大

E、方差分析中SignificanceF=2.798E-05＜0.05,说明两者线性关系显著＜br＞

F、回归系数检验的P-Value=0.0000＜0.05，说明回归系数通过显著检验＜br＞

A、两样本均数不等

B、两样本均数相等

C、两总体均数不等

D、两总体均数相等

E、两样本中位数相等

在两样本均数推断两总体均数差别的t检验中，无效的假设是

A.两样本均数差异无统计学意义

B.两总体均数差异无统计学意义

C.两样本均数相等

D.两总体均数相等

E.两总体均数不等

在两样本均数推断两总体均数差别的T检验中，无效的假设是

A．两样本均数差异无统计学意义

B．两总体均数差异无统计学意义

C．两样本均数相等

D．两总体均数相等

E．两总体均数不等

A.为显著性水平，k为回归模型中自变量的个数，n为样本容量

B.为显著性水平，k为样本容量，n为回归模型中自变量的个数

C.为显著性水平，k为回归模型中自变量的次数，n为样本容量

D.为显著性水平，k为回归模型中自变量的个数，n为回归模型中自变量的次数

A.主效应检验

B.相关分析

C.简单主效应检验

D.回归分析

A.配对设计计量资料的t检验和变异系数等方法

B.配对设计计数资料的22检验和变异系数等方法

C.成组设计资料的t检验以及相关和回归分析等方法

D.变异系数法以及相关和回归分析等方法

E.X2检验以及相关和回归分析等方法

使用VOTE1.RAW中的数据。

(i)估计一个以voteA为因变量并以prystrA、deocA、log(expendA)和log(expendB)为自变量的模型。得到OLS残差，并将这些残差对所有的自变量进行回归。解释你为什么得到R²=0。

(ii)现在计算异方差性的布罗施-帕甘检验。使用F统计量的形式并报告P值。

(iii)同样利用F统计量形式计算异方差性的特殊怀特检验。现在异方差性的证据有多强？

A.T检验

B.采用logistic多元回归分析

C.Cmh检验

D.采用卡方检验

E.多元线形回归

A.H0已不可能成立，故应该拒绝

B.H0成立的可能性很小，可以认为其不能成立

C.计算结果表明检验假设是错误的

D.原假设的内容极为荒谬，应予以拒绝

E.H1错误的概率很小，P＜0．05，因此有很大把握接受它

A.多个样本均数的比较

B.配伍组组间变异的比较

C.方差齐性检验

D.配对t检验

E.回归分析中对回归系数的检验