现实经济生活中，往往要预测的变量和因果变量都不止一个，并且它们之间存在互为因果关系，这就需要将多个回归方程联立求解。这种预测方法称为（）。
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，建立变量之间的同归方程，并将同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。
在一个试验设计的分析问题中，建立响应变量与各因子及交互效应的回归方程可以有两种方法：一是对各因子的代码值（CodeUnits）建立回归方程；二是直接对各因子的原始值（UncodedUnits）建立回归方程。在判断各因子或交互作用是否影响显著时，要进行对各因子回归系数的显著性检验，可以使用这两种方法中的哪一种（）？
变量筛选简化回归方程的方法，称为（）
在回归方程中涉及到的变量有（）。
对变量X、Y进行回归分析，得回归方程Y=25.2+7.2X。若计算该组数据的相关系数，应该有（）
自相关回归分析市场预测法，是根据同一市场现象变量在（）中各个变量值之间的相关关系，建立一元或多元回归方程为预测模型进行预测。
当拟合回归方程时，若抽取的自变量的样本观测值非常集中，回归方程的估计标准误差就很小。
在定性分析的基础上，先确定影响预测对象（因变量）的主要因素（自变量），然后根据这些自变量的观测值建立回归方程或模型，再由自变量的变化来推算因变量的变化的需求预测方法是（）。
在建立多元线性回归方程以后，同样应进行相关性检验。即要检验全部自变量与因变量的关系是否呈线性，可通过求出（）来进行检验。
在回归分析中，确定直线回归方程的两个变量必须是（）
对9位青少年的身高Y与体重X进行观测，并已得出以下数据： https://assets.asklib.com/images/image2/2017081317432810150.jpg 要求： 以身高为因变量，体重为自变量，建立线性回归方程。
一元线性回归方程中的回归系数表示：当自变量x变动一个单位时，因变量y平均改变的数量。（ ）
在回归分析中，就两个相关变量与而言，变量依变量的回归和变量依变量的回归所得的两个回归方程是不同的，这种表现在（ ）。
设k为回归模型中的解释变量的个数，n为样本容量，RSS为残差平方和，ESS为回归平方和。则对其总体回归模型进行方程显著性检验时构造的F统计量为()。
在定量分析的基础上，先确定影响预测对象（因变量）的主要因素（自变量），然后根据这些自变量的观测值建立回归方程或模型，再由自变量的变化来推算因变量的变化的需求预测方法是（）
回归分析方法：(甲)编制相关图表(散点图、依存关系分析表)；(乙)计算相关系数，反映变量之间相关的密切程度和相关方向；(丙)建立回归方程，进行估计预测。
在回归分析中，描述因变量Y如何依赖于自变量x和误差项的方程称为
根据自变量与因变量的关系，可将回归方程分为（)。
计算出方程后，需要对回归关系进行检测，即判断两个变量之间是否确实存在直线关系。
GB/T27404-2008要求，对于筛选方法，线性回归方程的相关系数不应低于（）
虚拟变量D作为回归中的一次项，与其他解释变量呈相加的关系，这种方式常用来改变线性回归方程的（）。
在对两个变量x,y进行线性回归分析时,有下列步骤: 1所求出的回归直线方程作出解释; 2收集数据; 3求线性回归方程; 4求未知参数; 5根据所搜集的数据绘制散点图。 如果根据可行性要求能够作出变量,x,y具有线性相关结论,则在下列操作中正确的是（）
6、回归分析的主要任务是：不仅包括确定回归方程的形式和回归系数，考察变量间的相关性并利用回归方程进行预测和统计判断。
