设一元线性回归模型为_(i)=(beta )_(0)+(beta )_(1)(x)_(i)+(z)_(i)sim N(0,(sigma )^2),_(i)=(beta )_(0)+(beta )_(1)(x)_(i)+(z)_(i)sim N(0,(sigma )^2),则_(i)=(beta )_(0)+(beta )_(1)(x)_(i)+(z)_(i)sim N(0,(sigma )^2)( )

[单选题]A模型=β0+β1X1i+β2X2i+μi的最小二乘回归结果显示，样本可决系数R2为0.92，样本容量为30，总离差平方和为500，则估计的标准误差为（）。A . 1.217B . 1.482C . 4.152D . 5.214

在一元线性回归模型中,样本回归方程可表示为( )A._(1)=(P)_(0)+(beta )_(1)(X)_(i)+(u)_(1)B._(1)=(P)_(

62.(多选题)对于分段线性回归模型Y_(i)=beta_(0)+beta_(1)X_(i)+beta_(2)(X_(i)-X^*)D_(i)+u_(i)，其中

对于线性回归模型 Y_i = beta_0 + beta_1 X_i + mu_i ，在取得 a = 0.05时，如果已经检验得不拒绝 H_0: beta_

13.设 _(i)=(beta )_(0)+(beta )_(1)(x)_(i)+(e)_(i) =1, 2,···,n,试求β0和β1的最小二乘估计和σ^2的

[单选题]在一元线性回归方程 =(beta )_(0)+(beta )_(1)x 中,回归系数 (beta )_(1)= ( )-|||-A、 dfrac (L

设 OLS 法得到的样本回归直线为 Y_i = hat(beta)_1 + hat(beta)_2 X_i + e_i，以下说法正确的是A. $\sum e_i

记样本多元回归模型为Y_i=beta_0+beta_1X_(i1)+...+beta_2X_(ik)+e_i或Y=Xbeta+e,试证明OLS估计具有如下数值性

[单选题]一元线性回归模型，Yi=β0+β1X1+μi(i=1，…，n)中，总体方差未知，检验H0:β1=0时，所用的检验统计量服从( )。A．F(1，n-2)B．t(n-1)C．F(1，n-1)D．t(n)

2.6 证明式(2.42)var(hat(beta)_(0))=[(1)/(n)+((overline(x))^2)/(sum(x_(i)-overline{x