当比较具有相同自变量的多个回归方程时，F值越高说明模型越适用（假设所有回归假设都成立）。

检验回归方程中自变量X是否对因变量Y具有显著影响的一个最常见方法是（） 建立变量x、y间的直线回归方程，回归系数的绝对值|b|越大，说明 自变量X、依变量Y的单位改变的时候，一元线性回归方程保持不变。（） 回归分析预测法是指在分析市场现象的自变量和因变量之间相关关系的基础上，建立变量之间的回归方程，将回归方程作为预测模型，根据自变量在预测期的数量变化，预测（）在预测期的变化结果的方法 （ ）的基本思想是将变量逐个引入模型，每引入一个自变量后都要进行F检验，当原来引入的自变量由于后面自变量的引入变得不再显著时，则将其删除，以确保每次引入新的变量之前回归方程中只包含显著性变量 在一元性线回归方程y=a+bx中，（）表示当自变量每增减一个单位时，因变量的平均增减量。 逐步回归分析中，事先确定自变量的纳入水准，然后逐个纳入回归方程的方法为（）。 相对于一元线性回归分析，以下说法正确的是?(?????)。: 两变量之间必须明确哪个是自变量，哪个是因变量 可能存在着y依x和x依y的两个回归方程 回归系数只有正号 确定回归方程时，尽管两个变量也都是随机的，但要求自变量是给定的 回归计算中，当（）＞（）时，一元线性回归方程才具有真实意义。 回归计算中，当（）＞（）时，一元线性回归方程才具有真实意义 样本可决系数高的回归方程一定比样本可决系数低的回归方程更能说明解释变量对被解释变量的解释能力。 回归方程反映了变量间的 已知某一直线回归方程的判定系数为 0.81，则自变量与因变量之间的相关系数为 已知某一直线回归方程的判定系数为 0.81，则自变量与因变量之间的相关系数为（） 在对一元线性回归方程进行显著性检验时，如果（），则拒绝原假设，认为自变量x对因变量y有显著影响。 回归分析预测法是指在分析市场现象的自变量和因变量之间相关关系的基础上，建立变量之间的回归方程，将回归方程作为预测模型，根据（）在预测期的数量变化，预测因变量在预测期的变化结果的方法 回归分析预测法，是在分析市场现象自变量和因变量之间相关关系的基础上，建立变量之间的()，并将回归方程作为预测模型。 在线性回归方程中: 回归系数只能取正值|回归系数可以取正值，也可以取负值|必须确定自变量和因变量|要求两个变量都是随机变量|要求因变量是随机的，而自变量是给定的数值 根据自变量个数直线回归分析可以分为很多种，其中自变量有多个时称为（） 回归分析法也称相关分析法，它是依据预测的 ()原理，在分析市场现象自变量和因变量之间相关关系的基础上，建立变量之间的回归方程，并将回归方程作为预测模型，根据自变量在预测期的数量变化来预测因变量变化的预测方法。