样本容量n越小，残差平方和RSS就越小，模型拟合优度越好。（）

残差平方和越小，判定系数越小。() 回归模型中，总离差平方和（TSS）、回归平方和（ESS）、残差平方和（RSS）的关系是（ ）。 用样本容量为n的数据，对含有k个实解释变量的多元线性回归模型进行参数估计，得到的残差平方和的自由度是（） 通过增大样本容量和提高模型的拟合优度可以缩小置信区间。（ ） 总离差平方和TSS、残差平方和RSS与回归平方和ESS三者的关系是（）。 总离差平方和TSS、残差平方和RSS与回归平方和ESS三者的关系是 （ ） 已知五元标准线性回归模型估计的残差平方和为，样本容量为46，则随机误差项的方差估计量为( ) 线性回归模型的拟合优度可采用可决系数进行评判。可决系数越高，模型拟合效果越好；可决系数越小，模型拟合效果越差。 为什么用可决系数R2评价拟合优度，而不是用残差平方和作为评价标准？ 已知三元线性回归模型估计的残差平方和为Σe2i=800，估计用样本容量为n=24，则随机误差项t的方差的OLS估计为（） 其他条件相同时，误差范围越大，样本容量就可以越小；误差范围越小，样本容量就必须越大。（） 总体平方和TSS反映（）之离差的平方和；回归平方和ESS反映了（）之离差的平方和；残差平方和RSS反映了（）之差的平方和。 已知二元线性回归模型估计的残差平方和为Σe2i=800，估计用样本容量为n=23，则随机误差项μt的方差的OLS估计值为（）。 在k元回归中，n为样本容量，SSE为残差平方和，SSR为回归平方和，则对回归方程线性关系的显著性进行检验时构造的F统计量为（） 给出下列结论： （1）在回归分析中，可用指数系数R方的值判断模型的拟合效果，R方越大，模型的拟合效果越好；（2）在回归分析中，可用残差平方和判断模型的拟合效果，残差平方和越大，模型的拟合效果越好；（3）在回归分析中，可用相关系数r的值判断模型的拟合效果，r越小，模型的拟合效果越好；（4）在回归分析中，可用残差图判断模型的拟合效果，残差点比较均匀地落在水平的带状区域中，说明这样的模型比较合 样本容量越小,样本对总体的代表性越好。 其他条件相同时，误差范围越大，样本容量就可以越小；误差范围越小，样本 容量就必须越大。（　　） 抽样误差控制的越小，样本容量越大. 给出下列结论：  （1）在回归分析中，可用指数系数R方的值判断模型的拟合效果，R方越大，模型的拟合效果越好； （2）在回归分析中，可用残差平方和判断模型的拟合效果，残差平方和越大，模型的拟合效果越好； （3）在回归分析中，可用相关系数r的值判断模型的拟合效果，r越小，模型的拟合效果越好； （4）在回归分析中，可用残差图判断模型的拟合效果，残差点比较均匀地落在水平的带状区域中，说明这样的模型比较合适．带状区域的宽度越宽，说明模型的拟合精度越高。 以上结论中，正确的有（）个 只有含常数项模型中，总离差平方和分解成回归平方和和残差平方和。（）