对某地区失业人员进行调查，得到有关失业周数、失业者年龄和受教育年限等资料，对此资料进行相关与回归分析后所得的结果如表5—1、表5—2所示。63880，试计算与回答题目。由回归分析表可知，失业周数与年龄拟合的回归方程方差分析检验结果说明（）。A.Y与X之间存在线性相关，但关系不显著 B.Y与X之间不存在线性相关关系 C.Y与X之间不存在非线性相关关系 D.Y与X之间存在显著线性相关关系

相关系数检验的假设为：

失业周数与年龄的相关系数检验概率P值=0．000说明两者有显著的相关关系；失业周数与受教育年限的相关系数检验概率P值=0．96说明两者无显著的相关关系；无法判断年龄和受教育年限的相关关系是否显著。

失业周数与年龄的相关系数检验概率P值=0．000，说明两者有显著的相关关系；失业周数与受教育年限的相关系数检验概率P值=0．96，说明两者无显著的相关关系；无法判断年龄和受教育年限的相关关系是否显著。

最小二乘法估计回归方程中参数的实质是每一个指标实测值与指标理论值的离差

悲观准则又称“小中取大”准则。首先从每一个方案中选择一个在不同自然状态下的最小收益值（或最大损失值），然后从这些最小收益值（或最大损失值）的方案中，选择一个收益值最大（或损失值最小）的方案作为比较满意的方案。从表中可以看出，A₁方案中的最小收益额为（-36）万元；A₂方案中的最小收益额为（-12）万元；A₃方案中的最小收益额为（-6）万元。A₃方案中的最小收益额最大，根据悲观准则，应选择A₃方案是最优的。


乐观准则又称“大中取大”准则。首先从每一个方案中选择一个最大收益值（或最小损失值），将其看作必然发生的自然状态。然后，在这些最大收益值的方案中，再选择一个最大收益值（或最小损失值）的方案作为比较满意的方案。从表中可以看出，A₁方案的最大收益额为96万元，A₂方案的最大收益额为72万元，A₃方案的最大收益额为36万元。在这三个方案的最大收益额中，A₁方案的收益额最大，因此，采取乐观准则时，选择A₁方案是最优的。


后悔值准则决策方法将每个方案在不同自然状态下的最大收益值定为理想目标。如果没有采取这一理想方案，而采取了其他方案，就会使取得的收益减少，就会感到“后悔”，这样每个自然状态下的理想最大收益值与它在其他方案的收益值之差所形成的损失值，称为“后悔值”。然后，选择最大后悔值中最小的那个方案作为比较满意的方案。各方案的后悔值如表5-14所示。A₁方案的最大后悔值为30万元；A₂方案的最大后悔值为24万元；A₃方案的最大后悔值为60万元。其中A₂方案的后悔值24万元最小。因此，应选择A₂方案为比较满意的方案。

在方差分析检验法中，如果统计量的观测值F大于相应的临界值，则可认为Y与X的线性相关关系是显著的；否则便认为Y与X的线性相关关系不显著。由表5 -2知，F值= 24. 01>F临界值=4.08，故l，与X之间存在显著线性相关关系，也可以根据F检验概率P=0. 00判断知Y与X之间存在显著线性相关关系。

悲观准则又称“小中取大”准则。首先从每一个方案中选择一个在不同自然状态下的最小收益值（或最大损失值），然后从这些最小收益值（或最大损失值）的方案中，选择一个收益值最大（或损失值最小）的方案作为比较满意的方案。从表中可以看出，A₁方案中的最小收益额为（-36）万元；A₂方案中的最小收益额为（-12）万元；A₃方案中的最小收益额为（-6）万元。A₃方案中的最小收益额最大，根据悲观准则，应选择A₃方案是最优的。


乐观准则又称“大中取大”准则。首先从每一个方案中选择一个最大收益值（或最小损失值），将其看作必然发生的自然状态。然后，在这些最大收益值的方案中，再选择一个最大收益值（或最小损失值）的方案作为比较满意的方案。从表中可以看出，A₁方案的最大收益额为96万元，A₂方案的最大收益额为72万元，A₃方案的最大收益额为36万元。在这三个方案的最大收益额中，A₁方案的收益额最大，因此，采取乐观准则时，选择A₁方案是最优的。


后悔值准则决策方法将每个方案在不同自然状态下的最大收益值定为理想目标。如果没有采取这一理想方案，而采取了其他方案，就会使取得的收益减少，就会感到“后悔”，这样每个自然状态下的理想最大收益值与它在其他方案的收益值之差所形成的损失值，称为“后悔值”。然后，选择最大后悔值中最小的那个方案作为比较满意的方案。各方案的后悔值如表5-14所示。A₁方案的最大后悔值为30万元；A₂方案的最大后悔值为24万元；A₃方案的最大后悔值为60万元。其中A₂方案的后悔值24万元最小。因此，应选择A₂方案为比较满意的方案。

失业持续期是指失业者处于失业状态的持续时间，一般以周（星期）为时间单位，通常计算平均失业持续期，即将所有失业者的失业持续时间求和，然后除以失业人数。其计算公式为：平均失业持续期＝（∑失业者×周数）/失业人数。

最小二乘法估计回归方程中参数的实质是每一个指标实测值与指标理论值的离差平方和最小，即最小。

相关系数检验的假设为： H0：两变量之间不存在线性相关，H1：两变量之间存在线性相关，即H0：ρ=0，H1：ρ≠0。

在方差分析检验法中，如果统计量的观测值，大于相应的临界值，则可认为F与X的线性相关关系是显著的；否则便认为F与Z的线性相关关系不显著。由表2知，F值=24．01>F临界值=4．08，故F与Y之间存在显著线性相关关系，也可以根据F检验概率P=0．00判断知Y与X之间之间存在显著线性相关关系。

一元线性回归方程的回归系数为：

失业周数与年龄的相关系数检验概率P值=0.000说明两者有显著的相关关系；失业周数与受教育年限的相关系数检验概率P值=0. 96说明两者无显著的相关关系；无法判断年龄和受教育年限的相关关系是否显著。

相关系数检验的假设为：

H0：两变量之间不存在线性相关，H1：两变量之间存在线性相关

即H0:p=0，H1：p≠0。

一元线性回归方程的回归系数为：