Pregunta 1
Pregunta
A béta-súlyok alapján többszörös lineáris regresszió-elemzésben eldönthetjük, hogy két független változó közül melyiknek van nagyobb hatása a függő változóra.
Pregunta 2
Pregunta
Lépésenkénti regresszióban a 3. lépéstől a bevonási kritérium tesztelése előtt megnézzük, hogy nincs-e olyan korábban bevont változó, melyet ki kell ejtenünk a modellből.
Pregunta 3
Pregunta
A szemi-parciális korreláció négyzete a TLR-ben egy változóval kapcsolatban azt mutatja, hogy mennyivel nőne R2, ha ha a változót kihagynánk a független változók közül.
Pregunta 4
Pregunta
A legkisebb négyzetes regresszió kritériuma, hogy minimális legyen a regressziós becslés és a függő változó közti átlagos négyzetes eltérés.
Pregunta 5
Pregunta
A lépésenkénti regresszióban az R2-et annak a változónak a bevonása emeli meg a legjobban, amelynek a legalacsonyabb a parciális korrelációja az Y-nal, a korábban bevont változók hatásának a kiszűrése után.
Pregunta 6
Pregunta
A standardizált regressziós együtthatók segítségével össze lehet hasonlítani az egyes független változók regressziós hatását.
Pregunta 7
Pregunta
A logit a függő változó valószínűségének logaritmusa.
Pregunta 8
Pregunta
Kanonikus korreláció-elemzésben két változócsopot egymással erősen korreláló közös struktúráját keressük.
Pregunta 9
Pregunta
A diszkriminancia-analízis alkalmazásának feltétele, hogy a független változók diszkrétek legyenek.
Pregunta 10
Pregunta
Minél nagyobb a Wilks-lambda a diszkriminancia-analízisben, annál jobb a DA (=diszk.analízis) predikciós modellje.
Pregunta 11
Pregunta
A diszkriminancia-analízis egyik alkalmazási feltétele a független változók normális együttes eloszlása.
Pregunta 12
Pregunta
A 2. főkomponens sajátértéke sosem lehet nagyobb, mint az 1. főkomponensé.
Pregunta 13
Pregunta
A rotáció általában megkönnyíti az FA-modell értelmezését.
Pregunta 14
Pregunta
A maximum likelihood faktormodell nem veszi figyelembe a változókra specifikus egyedi részleteket.
Pregunta 15
Pregunta
Klaszteranalízisben az 1-nél nagyobb sajátértékű klasztereken szoktak relokációt végezni.
Pregunta 16
Pregunta
Klaszteranalízisben két klaszter közül az a homogénebb, amelyiknek a homogenitási együtthatója nagyobb.
Pregunta 17
Pregunta
A KMO 0,75-ös értéke már jónak mondható.
Pregunta 18
Pregunta
A nemhierarchikus klaszteranalízis egymásra épülő klasszifikációk rendszere, melyhez úgy jutunk, hogy lépésenként egyesítünk vagy felbontunk klasztereket.
Pregunta 19
Pregunta
Log-lineáris elemzéssel diszkrét változók közti speciális kapcsolatokat tesztelhetünk.
Pregunta 20
Pregunta
A log-lineáris elemzést korrelációs mátrixokon szokás végezni.
Pregunta 21
Pregunta
Többváltozós elemzésekben elvárt, hogy a személyek száma 3-5-ször akkora legyen, mint a változóké.
Pregunta 22
Pregunta
Hierarchikus klaszteranalízisben a legközelebbi szomszéd módszer alkalmazása azt jelenti, hogy mindig a két legközelebbi klaszterközéppontú klasztert egyesítjük a közös klaszterbe.
Pregunta 23
Pregunta
Kovariancia-analízisben korrigált mintaátlagokat hasonlítunk össze.
Pregunta 24
Pregunta
A log-lineáris elemzés sima khí2-próbás kapcsolatvizsgálat általánosítása.
Pregunta 25
Pregunta
Bináris logisztikus regresszióval ugyanarra a fő kérdésre kaphatunk választ, mint egy megfelelő DA-val.
Pregunta 26
Pregunta
A rotációk hatására hasonlóbbá válnak az egyes faktorok által megmagyarázott varianciák.
Pregunta 27
Pregunta
Regresszióban a konstans tag jelzi, hogy egységnyi megváltoztatásával milyen mértékben változik a függőváltozó.
Pregunta 28
Pregunta
Két szempont között a variancia analízisben (VA) akkor van interakció, ha közös hatásuk az egyedi hatások sima összege.
Pregunta 29
Pregunta
Ha az FA-ban egy input változó KMO-értéke 0,25 feletti, akkor a változó bevonható a faktormodellbe.
Pregunta 30
Pregunta
A klaszteranalízis lényege, hogy eseteket vagy változókat páronkénti távolságaik alapján homogén csoportokba rendezünk.
Pregunta 31
Pregunta
A maximum likelihood faktoranalízisben ugyanannyi faktorral a változók varianciájának nagyobb hányadát tudjuk megmagyarázni, mint egy ugyanazon változókon végrehajtott főkomponensanalízisben.
Pregunta 32
Pregunta
A varimax rotiációval a faktorok által megmagyarázott összvariancia esetenként növelhető.
Pregunta 33
Pregunta
Többszörös lineáris regresszióban a többszörös korrelációs együttható négyzete a regresszió standard hibája.
Pregunta 34
Pregunta
A Wilks-lambda szoros kapcsolatban van a megmagyarázott varianciával.
Pregunta 35
Pregunta
Lépésenkénti regresszióanalízisben a függő változóval kiszámított parciális vagy szemiparciális alapján döntünk az egyenletbe való beválasztásról.
Pregunta 36
Pregunta
Két szempont között a VA-ban akkor van interakció, ha a két szempont szoros közvetlen kapcsolatban van.
Pregunta 37
Pregunta
A diszkriminancia analízis fő célja egy olyan predikciós szabály megalkotása, amellyel kvantitatív változók értékeiből bejósolható egy kvalitatív változó értéke.
Pregunta 38
Pregunta
A Bx regresszió együttható értéke azt mutatja meg, hogy az X független változó értékét 1 egységgel megnövelve az Y függő változó értéke várhatóan hogyan változik.
Pregunta 39
Pregunta
Az FA a változókon végzett klaszteranalízis.
Pregunta 40
Pregunta
Többváltozós varianciaanalízisnél függetlennek kell legyenek a változók.
Pregunta 41
Pregunta
Kovarianciaanalízissel főleg a változók közti interakciót vizsgáljuk.
Pregunta 42
Pregunta
A DA és TLR közötti lényeges különbség, hogy az előbbi kvalitatív, utóbbi kvantitatív függő változókkal dolgozik.
Pregunta 43
Pregunta
Forgatással megváltozik a faktorok illeszkedése.
Pregunta 44
Pregunta
A Screeplot a faktorok sajátértékét ábrázolja.
Pregunta 45
Pregunta
A faktorforgatással megváltozik a modell illeszkedése
Pregunta 46
Pregunta
A Klaszter-analízisben a centroid 1-1 klaszter átlagvektora
Pregunta 47
Pregunta
A Főkomp-anal. elsődleges célja kevés komponenssel sok változót helyettesíteni
Pregunta 48
Pregunta
Többszörös lin.regresszióban a korr. együttható négyzete a regr. standard hibája.
Pregunta 49
Pregunta
A faktoranalízis gyakorlatilag személyeken végzett klaszteranalízis.
Pregunta 50
Pregunta
A SCREE PLOT megmutatja, hogy hány faktort kell elforgatnunk.
Pregunta 51
Pregunta
A kommunalitás a változóknak a többi változóval lefeledett közös részét mutatja.
Pregunta 52
Pregunta
Ha egy változó KMO-ja 50 % feletti, minden esetben bevonható a faktorelemzésbe.
Pregunta 53
Pregunta
A Bartlett-próba a modell megfelelőségét mutatja.
Pregunta 54
Pregunta
A DA és TLR közit egyetlen különbség, hogy a DA kvalitatív függő változót feltételez.
Pregunta 55
Pregunta
Többszörös regresszió analízisben a béta a lineáris regressziós együttható.
Pregunta 56
Pregunta
Varimax rotációnál a faktorok mindig korrelálatlanok egymással.
Pregunta 57
Pregunta
Főkomponens analízissel kevés főkomponenssel helyettesítünk többváltozót.
Pregunta 58
Pregunta
Diszkriminancia-analízis feltétele a szóráshomogenitás és normalitás
Pregunta 59
Pregunta
Klaszteranalízisnél a legközelebbi szomszéd elv esetén a két legközelebbi klaszteregységet vonjuk össze.
Pregunta 60
Pregunta
A kommunalitás, a forgatás után, a változónak a főkomponensek által megmagyarázott variancája.
Pregunta 61
Pregunta
A sajátérték azt mutatja, hogy a változók mennyit magyaráznak a faktor varianciájából.
Pregunta 62
Pregunta
A kovariancia-analízis révén hatások kombinált interakciói mutathatók ki.
Pregunta 63
Pregunta
A determinációs együttható megmagyarázott variancia-arány.
Pregunta 64
Pregunta
A kannonikus korreláció két skála közös részét emeli ki változóik korrelációja (lineáris függvényei) segítségével.
Pregunta 65
Pregunta
A kanonikus korreláció lényegében a megmagyarázott varianciát jelenti.
Pregunta 66
Pregunta
A kanonnikus korreláció két fajtája, a többszörös lineáris regresszió (TLR) és a diszkrimincia analízis (DA), a különbség köztük, hogy a TLR-nél az y függő változó kvantitatív, míg DA-nál kvalitatív.
Pregunta 67
Pregunta
Az interakció nem más, mint a független változók additív hatása.
Pregunta 68
Pregunta
A főkomponens analízis: adatredukció, a lehető legtöbb információ megtartásával.
Pregunta 69
Pregunta
A Bartlett próba a faktoranalízisben a faktorstruktúra jóságát mutatja.
Pregunta 70
Pregunta
A faktoranalízisnél a faktormátrixban a legnagyobb súllyal eső faktorok segítenek a faktor lényegét megragadni.
Pregunta 71
Pregunta
VA-ban az interakció kovariancianalízissel tesztelhető.
Pregunta 72
Pregunta
A többszörös linregresszóban a bétasúly a.stdizált regressziós együttható, az egyenletben.
Pregunta 73
Pregunta
A faktorelemzésnél az ábra az spss-ben (screenplot) alapján meg lehet mondani, hogy hány faktort emeljünk ki.
Pregunta 74
Pregunta
KLA-ban a legtávolabbi szomszéd elv esetén a két legközelebbi klaszter legtávolabbi értékeit vesszük figyelembe.
Pregunta 75
Pregunta
A BLR arra fókuszál, hogy a független változók értékkombinációi segítségével minél pontosabban megadja a célcsoportba tartozás valószínűségének a logitjét, egyben a két csoportba tartozás valószínűségét. A BLR esetén is szokásos a lépésenkénti beléptetés alkalmazása, mely csak az önálló szignifikáns hatású független változókat lépteti be a regressziós modellbe. A BLR-ben többféle regressziós optimalizációs algoritmus is lehetséges, mi ezek közül a „Forward likelihood ratio” (lépésenkénti likelihood hányados) módszert alkalmaztuk, mely a maximum likelihood becslésre épít.
Pregunta 76
Pregunta
Bináris logisztikus regresszióban az alkalmazás feltételei gyengébbek, mint lineáris regresszió elemzésnél.
Pregunta 77
Pregunta
Bináris logisztikus regresszióval ugyanarra a fő kérdésre kaphatunk választ, mint egy megfelelő diszkriminancia- analízissel.
Pregunta 78
Pregunta
A regressziós táblázat béta együtthatói jelzik, melyik független változónak milyen a hatása a függő változóra.
Pregunta 79
Pregunta
"Minél nagyobb egy regresszió hibavarianciája, annál jobb
a modell illeszkedése."
Pregunta 80
Pregunta
A regresszió táblázat standardizált regressziós együtthatóiból kiolvasható, hogy melyik független változónak van a legnagyobb hatása a függő változóra.
Pregunta 81
Pregunta
Regresszióban az "ENTER" módszer választása esetén minden változó benne lesz a regressziós modellben.
Pregunta 82
Pregunta
Egy regressziós-modell megmagyarázott variancia-hányadát az R-négyzet érték mutatja.
Pregunta 83
Pregunta
A béta súlyok a standardizált regressziós együtthatók
Pregunta 84
Pregunta
A regressziós egyenes az, amelynél a pontok átlagos négyzetes távolsága az egyenestől (= Res = Hibavariancia) a legkisebb.
Pregunta 85
Pregunta
Az eta-négyzet a lineáris regresszió determinációs együtthatójával rokon mutató.
Pregunta 86
Pregunta
A lineáris regresszió érvényessége függ attól, hogy a vizsgált változók normalitása teljesül-e.
Pregunta 87
Pregunta
A többszörös lineáris regresszió alkalmazási feltétele, hogy az input változók függetlenek legyenek egymástól.
Pregunta 88
Pregunta
Többszörös lineáris regresszióban a többszörös korrelációs együttható négyzete a regresszió standard hibája.
Pregunta 89
Pregunta
A béta-súlyok alapján a többszörös lineáris regresszió- elemzésben eldönthetjük, hogy két független változó közül melyik van nagyobb hatással a függő változóra.
Pregunta 90
Pregunta
A többszörös lineáris regresszió összefoglaló táblázatában a t-értékek melletti p(SIG) értékek jelzik, hogy egy-egy független változó elméleti átlaga különbözik-e 0-tól.
Pregunta 91
Pregunta
A többszörös lineáris regressziónak feltétele a csoportok szórósának egyenlősége.
Pregunta 92
Pregunta
Lépésenkénti regresszióanalízisben a függő változóval kiszámított parciális korrelációk alapján dönthetünk az egyenletbe való BEválasztásról.
Pregunta 93
Pregunta
Lépésenkénti regresszióanalízisben a függő változóval kiszámított parciális korrelációk alapján dönthetünk az egyenletbe való leválasztásról.
Pregunta 94
Pregunta
A lépésenkénti regresszióban parciális vagy szemiparciális korrelációk segítségével döntünk a függő változó modellbe való bevételéről.
Pregunta 95
Pregunta
A lépésenkénti regresszió során lépésenként megnézzük, van-e szignifikáns, plusz hatású független változó.
Pregunta 96
Pregunta
A lejtődiagram segítségével eldönthetjük, hogy a lépésenkénti regresszióanalízisben hol álljunk meg.
Pregunta 97
Pregunta
A diszkriminancia-analízis abban a lényeges momentumban különbözik a többszörös lineáris regresszió módszerétől, hogy a függő változó a DA-ban jellemzően kvalitatív, a TLR-ben pedig kvantitatív.
Pregunta 98
Pregunta
A diszkriminancia-analízis CSAK EGY lényeges momentumban különbözik a többszörös lineáris regresszió módszerétől, hogy a függő változó a DA-ban jellemzően kvalitatív, a TLR-ben pedig kvantitatív.
Pregunta 99
Pregunta
A diszkriminancia-analízis egyik alkalmazási feltétele, hogy teljesüljön a szóráshomogenitás feltétele.
Pregunta 100
Pregunta
A diszkriminancia-analízis egyik alkalmazási feltétele, hogy minden független változóra teljesüljön a szóráshomogenitás feltétele.
Pregunta 101
Pregunta
Ha két változó között a korreláció pozitív, akkor a parciális korreláció sem lehet köztük negatív.
Pregunta 102
Pregunta
A Levene-próbának fontos alkalmazási feltétele a szóráshomogenitás.
Pregunta 103
Pregunta
A Levene-próba szóráshomogenitást tesztelő eljárás.
Pregunta 104
Pregunta
Két normális együttes eloszlású változó között lehet U alakú kapcsolat is.
Pregunta 105
Pregunta
Lépésenkénti diszkriminancia-analízisben a kovarianciaanalízisek alapján döntünk az egyenletbe való beválasztásról.
Pregunta 106
Pregunta
Lépésenkénti diszkriminancia-analízisben a VARIANCIA- kovarianciaanalízisek alapján döntünk az egyenletbe való beválasztásról.
Pregunta 107
Pregunta
A faktoranalízis nem foglalkozik a kilógó esetekkel, ezeket kihagyja. ( a mlfa…a fka mindent bevesz)
Pregunta 108
Pregunta
A faktorsúlymátrix a faktorok és az eredeti változók közti korrelációk táblázata.
Pregunta 109
Pregunta
A KMO 0,70-es értéke a faktoranalízisben már igen jónak mondható.
Pregunta 110
Pregunta
A rotáció célja a faktoranalízisben az, hogy a változók faktorsúlyai minél egyenletesebben oszoljanak meg a különböző faktorokban.
Pregunta 111
Pregunta
A rotációval javul a faktorok illeszkedése az input változókra.
Pregunta 112
Pregunta
A rotáció általában megkönnyíti az FA-modell értelmezését.
Pregunta 113
Pregunta
Egy faktor sajátértéke azt mutatja meg, hogy a változók összesen a faktor varianciájának hányad részét magyarázzák.
Pregunta 114
Pregunta
Egy faktor sajátértéke azt mutatja meg, hogy a faktorok a változó varianciájának összesen hányad részét magyarázzák
Pregunta 115
Pregunta
Ha a Bartlett-próba a faktoranalízisben szignifikáns, akkor a faktoranalízis érvényessége kérdésessé válik.
Pregunta 116
Pregunta
Ha az FA-ban a Bartlett-próba erősen szignifikáns, akkor a modell nagyon nem megfelelő.
Pregunta 117
Pregunta
Faktoranalízisben egy változó arra a faktorra illeszkedik, amelyen a faktortöltése a legnagyobb.
Pregunta 118
Pregunta
Ha az FA-ban egy imput változó KMO-értéke 0.25 feletti, akkor a változó bevonható a faktormodellbe.
Pregunta 119
Pregunta
Egy faktormodell illeszkedésének jóságát jelzi a forgatott faktorok által megmagyarázott összvariancia.
Pregunta 120
Pregunta
A faktorelemzés során a végső kommunalitásoknak általában 0,7 felettieknek kell lenniük.
Pregunta 121
Pregunta
Egy változó kommunalitása azt mutatja meg, hogy a faktorok együtt az adott változó varianciájának összesen hányad részét magyarázzák.
Pregunta 122
Pregunta
A kommunalitás egy változónak az a része, amit nem lehet a többi változó segítségével megmagyarázni.
Pregunta 123
Pregunta
A maximum likelihood faktoranalízis a változók egyediségét figyelmen kívül hagyja, és csak a közös részek alapján keres értelmes struktúrát.
Pregunta 124
Pregunta
A maximum likelihood faktoranalízisben ugyanannyi faktorral a változók varianciájának nagyobb hányadát tudjuk megmagyarázni, mint a főkomponensanalízisben.
Pregunta 125
Pregunta
A kétmintás t-próba a varianciaanalízis speciális esetének tekinthető.
Pregunta 126
Pregunta
Ha a VA-ban a szóráshomogenitás sérül, akkor például a Games-Howell-féle eljárás alkalmazható a szintátlagok páronkénti összehasonlítására.
Pregunta 127
Pregunta
Szignifikáns VA esetén utótesztekkel értékelhetjük a szintátlagok páronkénti különbségeit.
Pregunta 128
Pregunta
A VA-nak nagy minták esetén nem fontos feltétele a szóráshomogenitás és a normalitás.