设Y为被解释变量，X为解释变量，用最小二乘法拟合回归方程时，其基本原理是使（)。

A.解释变量X取给定值时，被解释变量Y的样本均值的轨迹;

B.样本观测值拟合的最好的曲线;

C.使残差平方和最小的曲线;

D.解释变量X取给定值时，被解释变量Y的条件均值或期望值的轨迹。

A.在Y的总变差中，有96.98%可以由解释变量X做出解释

B.回归方程对样本观测值的拟合程度良好

C.在Y的总变差中，有3.02%可以由解释变量X做出解释

D.回归方程对样本观测值的拟合优度不高

A.回归方程对样本观测值的拟合程度良好

B.总体平方和与回归平方和越接近

C.总体平方和与残差平方和越接近

D.被解释变量中的信息未被解释的比例就越大

E.被解释变量中的信息由解释变量解释的比例就越小

A.回归分析的任务是变量Y与X之间相关关系的近似定量表达式

B.拟合的目标是使估计量和观测值之间的偏差平方和最小

C.样本观测值的平均值有可能落在回归直线上

D.利用回归方程可以进行预测和统计推断

用最小二乘法确定直线回归方程的原则是

A.各观测点距回归直线的纵向距离相等

B.各观测点距回归直线的纵向距离平方和最小

C.各观测点距回归直线的垂直距离相等

D.各观测点距回归直线的垂直距离平方和最小

E.各观测点距回归直线的纵向距离最小

A.随机因素影响所引起的被解释变量的变差

B.解释变量变动所引起的被解释变量的变差

C.被解释变量的变差中，回归方程不能做出解释的部分

D.被解释变量的总变差与回归平方和之差

E.被解释变量的实际值与回归值的离差平方和