Módszertan és statisztika vizsga ELTE MA/1

Question 1

A béta-súlyok alapján többszörös lineáris regresszió-elemzésben eldönthetjük, hogy két független változó közül melyiknek van nagyobb hatása a függő változóra.

Answer

true

Question 2

Lépésenkénti regresszióban a 3. lépéstől a bevonási kritérium tesztelése előtt megnézzük, hogy nincs-e olyan korábban bevont változó, amelyet ki kell ejtenünk a modellből.

Answer

true

Question 3

A logit a függő változó valószínűségének logaritmusa

Answer

true

Question 4

Kanonikus korreláció elemzésben két változócsoport egymással erősen korreláló közös struktúráját keressük.

Answer

true

Question 5

A diszkriminancia analízis feltétele, hogy a független változók diszkrétek legyenek.

Answer

true

Question 6

Minél nagyobb a wilks-lambda, annál jobb a DA predikciós modellje.

Answer

true

Question 7

A 2. főkomponens értéke sosem lehet nagyobb mint az első főkomponensé.

Answer

true

Question 8

Klaszteranalízisben az a klaszter a homogénebb, amelynek a homogenitási együtthatója nagyobb.

Answer

true

Question 9

Az EESS a klaszterek által megmagyarázott varianciaarány

Answer

true

Question 10

PB jelzi, hogy átlagosan mennyivel távolabb vannak egymástól távol a külön klaszterbe, mint az egyazon klaszterbe tartozók

Answer

true

Question 11

A rotáció általában megkönnyíti a FA értelmezését.

Answer

true

Question 12

A maximum likelihood faktormodell nem veszi figyelembe a változókra specifikus egyedi részleteket.

Answer

true

Question 13

Klaszteranalízisben az 1-nél nagyobb sajátértékű klasztereken szoktak relokációt végezni

Answer

true

Question 14

Klaszteranalízisben a:
Homogenitást, kohéziót mérik: EESS%,,HCátlag
Szeparációt mérik: SC, XBmod, GDI24
Mindkettőt mérik: PB, CLdelta

Answer

true

Question 15

A MORI (Measure of Relative Improvement) a kapott faktorstruktúra belső validitásának
(internal validity) legfontosabb mutatója

Answer

true

Question 16

A QC és MORI segítségével:
-Megítélhetjük velük egy struktúra jóságát
-Segítséget nyújthatnak a helyes
klaszterszám megállapításához
-Összehasonlíthatunk velük különböző
algoritmusokat
-Összehasonlíthatunk velük különböző
klasztermegoldásokat (struktúrákat)

Answer

true

Question 17

A KMO 0,75- ös értéke már jónak mondható.

Answer

true

Question 18

A KMO értéke 0,5 alatt elfogadhatatlan

Answer

true

Question 19

A nemhierarchikus klaszteranalízis egymásra épülő klasszifikációk rendszere, melyhez úgy jutunk, hogy lépésenként egyesítünk vagy felbontunk klasztereket.

Answer

true

Question 20

A QC jelentése klaszter kvalifikációs mutató. Ilyenek az EESS és a homogenitási együttható.

Answer

true

Question 21

Magyarázott varianciaarány MV% = nemlineáris determinációs együttható = eta-négyzet.
e2 = Hatás variabilitás/Teljes variabilitás

Answer

true

Question 22

Az ANOVA az összetartozó mintás T-próba általánosítása min. 3 csoportra.

Answer

true

Question 23

A trimmelés a szélsőséges értékek eltávolítását jelenti.

Answer

true

Question 24

Klaszteranalízis során a hasonlóságot (távolságot) leggyakrabban az adatsorbeli értékek átlagos távolságával szokták mérni (Euklideszi távolság). Egy ilyen variáns az ASED (átlagos négyzetes eltérés, Average Squared Euclidian Distance).

Answer

true

Question 25

Ward-féle módszer: Azt a két klasztert egyesítjük, amellyel az „összhiba” (azaz a klasztereken belüli négyzetes összegek összege = ESS) a legkisebb mértékben nő.

Answer

true

Question 26

Log-lineáris elemzéssel diszkrét változók közti speciális kapcsolatokat tesztelhetünk.

Answer

true

Question 27

A minimum távolságok módszere képes nem elliptikus formákat is feltárni, de érzékeny a „zaj”-ra és a kilógó értékekre.
A maximum távolságok módszere kevésbé érzékeny a zajra/kilógó értékekre, de hajlamos a nagy klasztereket darabolni és globuláris (gömbszerű) alakzatokat kihozni.

Answer

true

Question 28

Az átlagos távolság módszere és a Ward-módszer a legjobb klaszteranalízisi elemzések.

Answer

true

Question 29

Jó klaszteranalízis általános sarokszámai:
EESS% - legyen 0,65-nél nagyobb
PB (Klaszter pontbiszeriális korreláció) – legyen legalább 0,30
SilCoef – legyen 0,50-nél nagyobb
HCátlag – legyen 1-nél jóval kisebb
HCmin-max – legyen 1 alatt

Answer

true

Question 30

A K-központú hierarchikus klaszterelemzés ideális, ha a feltárandó valódi típusok arányai erősen különböznek.

Answer

true

Question 31

A log-lineáris elemzést korrelációs mátrixokon szokás végezni.

Answer

true

Question 32

Klaszteranalízisben a legközelebbi szomszéd módszerének alkalmazása azt jelenti, hogy mindig a két legközelebbi centroid klaszterét egyesítjük közös klaszterbe.

Answer

true

Question 33

Többváltozós elemzésekben elvárt, hogy a személyek száma 3-5-ször akkora legyen, mint a változóké.

Answer

true

Question 34

Hierarchikus klaszteranalízisben a legközelebbi szomszéd módszer alkalmazása azt jelenti, hogy mindig a két legközelebbi klaszterközéppontú klasztert egyesítjük a közös klaszterbe.

Answer

true

Question 35

Kovariancia-analízisben korrigált mintaátlagokat hasonlítunk össze.

Answer

true

Question 36

A log-lineáris elemzés egy sima khi2-próbás kapcsolatvizsgálat általánosítása.

Answer

true

Question 37

Bináris logisztikus regresszióval ugyanarra a fő kérdésre kaphatunk választ mint egy megfelelő diszkriminanciaanalízissel.

Answer

true

Question 38

A rotációk hatására hasonlóbbá válnak az egyes faktorok által megmagyarázott varianciák.

Answer

true

Question 39

Regresszióban a konstans tag jelzi, hogy egységnyi megváltoztatásával milyen mértékben változik a függő változó.

Answer

true

Question 40

Két szempont között a variancia analízisben (VA) akkor van interakció, ha közös hatásuk az egyedi hatások sima összege.

Answer

true

Question 41

Ha az FA-ban egy input változó KMO-értéke 0,25 feletti, akkor a változó bevonható a faktormodellbe

Answer

true

Question 42

A klaszteranalízis lényege, hogy eseteket vagy változókat páronkénti távolságaik alapján homogén csoportokba rendezünk

Answer

true

Question 43

A maximum likelihood faktoranalízisben ugyanannyi faktorral a változók varianciájának nagyobb hányadát tudjuk megmagyarázni, mint egy ugyanazon változókon végrehajtott főkomponensanalízisben

Answer

true

Question 44

Két szempont között a VA-ban akkor van interakció, ha a két szempont szoros közvetlen kapcsolatban van.

Answer

true

Question 45

A Ward-féle módszernél két klaszter távolságát a klaszterek centroidjainak távolságával definiáljuk.

Answer

true

Question 46

Többszörös lineáris regresszióban a többszörös korrelációs együttható négyzete a regresszió standard hibája.

Answer

true

Question 47

Többszörös lineáris regressziónál a hibatagok korrelálhatnak egymással

Answer

true

Question 48

Többszörös lineáris regressziónál a multikollinearitás kizárása akkor lehetséges, ha két független változó közti korrelációs együttható nem haladja meg a 0,7-es, míg a determinációs együttható: 0,5-ös értéket.

Answer

true

Question 49

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.

Answer

true

Question 50

A diszkriminanciaanalízis fő célja egy olyan predikciós szabály megalkotása, amellyel kvantitatív változók értékeiből bejósolható egy kvalitatív változó értéke.

Answer

true

Question 51

Lépésenkénti regresszióanalízisben a független változóval kiszámított parciális vagy szemiparciális alapján döntünk az egyenletbe való beválasztásról.

Answer

true

Question 52

A Wilks-lambda szoros kapcsolatban van a megmagyarázott varianciával.

Answer

true

Question 53

A béta-súlyok alapján többszörös lineáris regresszió-elemzésben eldönthetjük, hogy két független változó közül melyiknek van nagyobb hatása a függő változóra.

Answer

true

Question 54

A legkisebb négyzetes regresszió kritériuma, hogy minimális legyen a regressziós becslés és a függő változó közti átlagos négyzetes eltérés.

Answer

true

Question 55

A konfigurációelemzés (CFA) sok, kevés értékű változó értékkombinációinak feltárására alkalmas.

Answer

true

Question 56

Stepwise elemzésnél történhet beléptetés és kiléptetés is.

Answer

true

Question 57

A Wilks-lambda a megmagyarázott variancia.

Answer

true

Question 58

A parciális korrelációs együttható lehet nagyobb mint 1.

Answer

true

Question 59

A determinációs együttható a korrelációs együtthatónál mindig kisebb.

Answer

true

Question 60

Klaszteranalízisben az 1-nél nagyobb sajátértékű klasztereken szoktak relokációt végezni.

Answer

true

Question 61

Az agglomeratív hierarchikus klaszteranalízis minden lépésében egyesítünk két klasztert, amelyek valamilyen értelemben egymáshoz a legközelebb vannak.

Answer

true

Question 62

A Ward-féle módszer egy speciális nemhierarchikus klaszteranalízis.

Answer

true

Question 63

A kovarianciaanalízis lényege, hogy a szempontváltozók közti interakciókat ki lehet vele mutatni.

Answer

true

Question 64

A kovariancia-analízisnek nem feltétele a szóráshomogenitás.

Answer

true

Módszertan és statisztika vizsga ELTE MA/1

Preguntas del test (136)

Información

Escríbenos

¿Qué te parece el nuevo diseño?