Quiz
Többváltozós statisztika no.1
Questions in this quiz (128)
1A béta-súlyok alapján többszörös lineáris regresszió-elemzésben eldönthetjük, hogy két független változó közül melyiknek van nagyobb hatása a függő változóra.
- ATrue
- BFalse
2Lépésenkénti regresszióban a 3. lépéstől a bevonási kritérium tesztelése előtt megnézzük, hogy nincs-e olyan korábban bevont változó, melyet ki kell ejtenünk a modellből.
- ATrue
- BFalse
3A 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.
- ATrue
- BFalse
4A legkisebb négyzetes regresszió kritériuma, hogy minimális legyen a regressziós becslés és a függő változó közti átlagos négyzetes eltérés.
- ATrue
- BFalse
5A 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.
- ATrue
- BFalse
6A standardizált regressziós együtthatók segítségével össze lehet hasonlítani az egyes független változók regressziós hatását.
- ATrue
- BFalse
7A logit a függő változó valószínűségének logaritmusa.
- ATrue
- BFalse
8Kanonikus korreláció-elemzésben két változócsopot egymással erősen korreláló közös struktúráját keressük.
- ATrue
- BFalse
9A diszkriminancia-analízis alkalmazásának feltétele, hogy a független változók diszkrétek legyenek.
- ATrue
- BFalse
10Minél nagyobb a Wilks-lambda a diszkriminancia-analízisben, annál jobb a DA (=diszk.analízis) predikciós modellje.
- ATrue
- BFalse
11A diszkriminancia-analízis egyik alkalmazási feltétele a független változók normális együttes eloszlása.
- ATrue
- BFalse
12A 2. főkomponens sajátértéke sosem lehet nagyobb, mint az 1. főkomponensé.
- ATrue
- BFalse
13A rotáció általában megkönnyíti az FA-modell értelmezését.
- ATrue
- BFalse
14A maximum likelihood faktormodell nem veszi figyelembe a változókra specifikus egyedi részleteket.
- ATrue
- BFalse
15Klaszteranalízisben az 1-nél nagyobb sajátértékű klasztereken szoktak relokációt végezni.
- ATrue
- BFalse
16Klaszteranalízisben két klaszter közül az a homogénebb, amelyiknek a homogenitási együtthatója nagyobb.
- ATrue
- BFalse
17A KMO 0,75-ös értéke már jónak mondható.
- ATrue
- BFalse
18A nemhierarchikus klaszteranalízis egymásra épülő klasszifikációk rendszere, melyhez úgy jutunk, hogy lépésenként egyesítünk vagy felbontunk klasztereket.
- ATrue
- BFalse
19Log-lineáris elemzéssel diszkrét változók közti speciális kapcsolatokat tesztelhetünk.
- ATrue
- BFalse
20A log-lineáris elemzést korrelációs mátrixokon szokás végezni.
- ATrue
- BFalse
21Többváltozós elemzésekben elvárt, hogy a személyek száma 3-5-ször akkora legyen, mint a változóké.
- ATrue
- BFalse
22Hierarchikus klaszteranalízisben a legközelebbi szomszéd módszer alkalmazása azt jelenti, hogy mindig a két legközelebbi klaszterközéppontú klasztert egyesítjük a közös klaszterbe.
- ATrue
- BFalse
23Kovariancia-analízisben korrigált mintaátlagokat hasonlítunk össze.
- ATrue
- BFalse
24A log-lineáris elemzés sima khí2-próbás kapcsolatvizsgálat általánosítása.
- ATrue
- BFalse
25Bináris logisztikus regresszióval ugyanarra a fő kérdésre kaphatunk választ, mint egy megfelelő DA-val.
- ATrue
- BFalse
26A rotációk hatására hasonlóbbá válnak az egyes faktorok által megmagyarázott varianciák.
- ATrue
- BFalse
27Regresszióban a konstans tag jelzi, hogy egységnyi megváltoztatásával milyen mértékben változik a függőváltozó.
- ATrue
- BFalse
28Két szempont között a variancia analízisben (VA) akkor van interakció, ha közös hatásuk az egyedi hatások sima összege.
- ATrue
- BFalse
29Ha az FA-ban egy input változó KMO-értéke 0,25 feletti, akkor a változó bevonható a faktormodellbe.
- ATrue
- BFalse
30A klaszteranalízis lényege, hogy eseteket vagy változókat páronkénti távolságaik alapján homogén csoportokba rendezünk.
- ATrue
- BFalse
31A maximum likelihood faktoranalízisben ugyanannyi faktorral a változók varianciájának nagyobb hányadát tudjuk megmagyarázni, mint egy ugyanazon változókon végrehajtott főkomponensanalízisben.
- ATrue
- BFalse
32A varimax rotiációval a faktorok által megmagyarázott összvariancia esetenként növelhető.
- ATrue
- BFalse
33Többszörös lineáris regresszióban a többszörös korrelációs együttható négyzete a regresszió standard hibája.
- ATrue
- BFalse
34A Wilks-lambda szoros kapcsolatban van a megmagyarázott varianciával.
- ATrue
- BFalse
35Lépésenkénti regresszióanalízisben a függő változóval kiszámított parciális vagy szemiparciális alapján döntünk az egyenletbe való beválasztásról.
- ATrue
- BFalse
36Két szempont között a VA-ban akkor van interakció, ha a két szempont szoros közvetlen kapcsolatban van.
- ATrue
- BFalse
37A diszkriminancia analízis fő célja egy olyan predikciós szabály megalkotása, amellyel kvantitatív változók értékeiből bejósolható egy kvalitatív változó értéke.
- ATrue
- BFalse
38A Bx regresszió együttható értéke azt mutatja meg, hogy az X független változó értékét 1 egységgel megnövelve az Y függő változó értéke várhatóan hogyan változik.
- ATrue
- BFalse
39Az FA a változókon végzett klaszteranalízis.
- ATrue
- BFalse
40Többváltozós varianciaanalízisnél függetlennek kell legyenek a változók.
- ATrue
- BFalse
41Kovarianciaanalízissel főleg a változók közti interakciót vizsgáljuk.
- ATrue
- BFalse
42A DA és TLR közötti lényeges különbség, hogy az előbbi kvalitatív, utóbbi kvantitatív függő változókkal dolgozik.
- ATrue
- BFalse
43Forgatással megváltozik a faktorok illeszkedése.
- ATrue
- BFalse
44A Screeplot a faktorok sajátértékét ábrázolja.
- ATrue
- BFalse
45A faktorforgatással megváltozik a modell illeszkedése
- ATrue
- BFalse
46A Klaszter-analízisben a centroid 1-1 klaszter átlagvektora
- ATrue
- BFalse
47A Főkomp-anal. elsődleges célja kevés komponenssel sok változót helyettesíteni
- ATrue
- BFalse
48Többszörös lin.regresszióban a korr. együttható négyzete a regr. standard hibája.
- ATrue
- BFalse
49A faktoranalízis gyakorlatilag személyeken végzett klaszteranalízis.
- ATrue
- BFalse
50A SCREE PLOT megmutatja, hogy hány faktort kell elforgatnunk.
- ATrue
- BFalse
51A kommunalitás a változóknak a többi változóval lefeledett közös részét mutatja.
- ATrue
- BFalse
52Ha egy változó KMO-ja 50 % feletti, minden esetben bevonható a faktorelemzésbe.
- ATrue
- BFalse
53A Bartlett-próba a modell megfelelőségét mutatja.
- ATrue
- BFalse
54A DA és TLR közit egyetlen különbség, hogy a DA kvalitatív függő változót feltételez.
- ATrue
- BFalse
55Többszörös regresszió analízisben a béta a lineáris regressziós együttható.
- ATrue
- BFalse
56Varimax rotációnál a faktorok mindig korrelálatlanok egymással.
- ATrue
- BFalse
57Főkomponens analízissel kevés főkomponenssel helyettesítünk többváltozót.
- ATrue
- BFalse
58Diszkriminancia-analízis feltétele a szóráshomogenitás és normalitás
- ATrue
- BFalse
59Klaszteranalízisnél a legközelebbi szomszéd elv esetén a két legközelebbi klaszteregységet vonjuk össze.
- ATrue
- BFalse
60A kommunalitás, a forgatás után, a változónak a főkomponensek által megmagyarázott variancája.
- ATrue
- BFalse
61A sajátérték azt mutatja, hogy a változók mennyit magyaráznak a faktor varianciájából.
- ATrue
- BFalse
62A kovariancia-analízis révén hatások kombinált interakciói mutathatók ki.
- ATrue
- BFalse
63A determinációs együttható megmagyarázott variancia-arány.
- ATrue
- BFalse
64A kannonikus korreláció két skála közös részét emeli ki változóik korrelációja (lineáris függvényei) segítségével.
- ATrue
- BFalse
65A kanonikus korreláció lényegében a megmagyarázott varianciát jelenti.
- ATrue
- BFalse
66A 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.
- ATrue
- BFalse
67Az interakció nem más, mint a független változók additív hatása.
- ATrue
- BFalse
68A főkomponens analízis: adatredukció, a lehető legtöbb információ megtartásával.
- ATrue
- BFalse
69A Bartlett próba a faktoranalízisben a faktorstruktúra jóságát mutatja.
- ATrue
- BFalse
70A faktoranalízisnél a faktormátrixban a legnagyobb súllyal eső faktorok segítenek a faktor lényegét megragadni.
- ATrue
- BFalse
71VA-ban az interakció kovariancianalízissel tesztelhető.
- ATrue
- BFalse
72A többszörös linregresszóban a bétasúly a.stdizált regressziós együttható, az egyenletben.
- ATrue
- BFalse
73A faktorelemzésnél az ábra az spss-ben (screenplot) alapján meg lehet mondani, hogy hány faktort emeljünk ki.
- ATrue
- BFalse
74KLA-ban a legtávolabbi szomszéd elv esetén a két legközelebbi klaszter legtávolabbi értékeit vesszük figyelembe.
- ATrue
- BFalse
75A 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.
- ATrue
- BFalse
76Bináris logisztikus regresszióban az alkalmazás feltételei gyengébbek, mint lineáris regresszió elemzésnél.
- ATrue
- BFalse
77Bináris logisztikus regresszióval ugyanarra a fő kérdésre kaphatunk választ, mint egy megfelelő diszkriminancia- analízissel.
- ATrue
- BFalse
78A regressziós táblázat béta együtthatói jelzik, melyik független változónak milyen a hatása a függő változóra.
- ATrue
- BFalse
79"Minél nagyobb egy regresszió hibavarianciája, annál jobb
a modell illeszkedése."- ATrue
- BFalse
80A regresszió táblázat standardizált regressziós együtthatóiból kiolvasható, hogy melyik független változónak van a legnagyobb hatása a függő változóra.
- ATrue
- BFalse
81Regresszióban az "ENTER" módszer választása esetén minden változó benne lesz a regressziós modellben.
- ATrue
- BFalse
82Egy regressziós-modell megmagyarázott variancia-hányadát az R-négyzet érték mutatja.
- ATrue
- BFalse
83A béta súlyok a standardizált regressziós együtthatók
- ATrue
- BFalse
84A regressziós egyenes az, amelynél a pontok átlagos négyzetes távolsága az egyenestől (= Res = Hibavariancia) a legkisebb.
- ATrue
- BFalse
85Az eta-négyzet a lineáris regresszió determinációs együtthatójával rokon mutató.
- ATrue
- BFalse
86A lineáris regresszió érvényessége függ attól, hogy a vizsgált változók normalitása teljesül-e.
- ATrue
- BFalse
87A többszörös lineáris regresszió alkalmazási feltétele, hogy az input változók függetlenek legyenek egymástól.
- ATrue
- BFalse
88Többszörös lineáris regresszióban a többszörös korrelációs együttható négyzete a regresszió standard hibája.
- ATrue
- BFalse
89A béta-súlyok alapján a többszörös lineáris regresszió- elemzésben eldönthetjük, hogy két független változó közül melyik van nagyobb hatással a függő változóra.
- ATrue
- BFalse
90A többszörös lineáris regresszió összefoglaló táblázatában a t-értékek melletti p(SIG) értékek jelzik, hogy egy-egy független változó elméleti átlaga különbözik-e 0-tól.
- ATrue
- BFalse
91A többszörös lineáris regressziónak feltétele a csoportok szórósának egyenlősége.
- ATrue
- BFalse
92Lépésenkénti regresszióanalízisben a függő változóval kiszámított parciális korrelációk alapján dönthetünk az egyenletbe való BEválasztásról.
- ATrue
- BFalse
93Lépésenkénti regresszióanalízisben a függő változóval kiszámított parciális korrelációk alapján dönthetünk az egyenletbe való leválasztásról.
- ATrue
- BFalse
94A lépésenkénti regresszióban parciális vagy szemiparciális korrelációk segítségével döntünk a függő változó modellbe való bevételéről.
- ATrue
- BFalse
95A lépésenkénti regresszió során lépésenként megnézzük, van-e szignifikáns, plusz hatású független változó.
- ATrue
- BFalse
96A lejtődiagram segítségével eldönthetjük, hogy a lépésenkénti regresszióanalízisben hol álljunk meg.
- ATrue
- BFalse
97A 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.
- ATrue
- BFalse
98A 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.
- ATrue
- BFalse
99A diszkriminancia-analízis egyik alkalmazási feltétele, hogy teljesüljön a szóráshomogenitás feltétele.
- ATrue
- BFalse
100A diszkriminancia-analízis egyik alkalmazási feltétele, hogy minden független változóra teljesüljön a szóráshomogenitás feltétele.
- ATrue
- BFalse
101Ha két változó között a korreláció pozitív, akkor a parciális korreláció sem lehet köztük negatív.
- ATrue
- BFalse
102A Levene-próbának fontos alkalmazási feltétele a szóráshomogenitás.
- ATrue
- BFalse
103A Levene-próba szóráshomogenitást tesztelő eljárás.
- ATrue
- BFalse
104Két normális együttes eloszlású változó között lehet U alakú kapcsolat is.
- ATrue
- BFalse
105Lépésenkénti diszkriminancia-analízisben a kovarianciaanalízisek alapján döntünk az egyenletbe való beválasztásról.
- ATrue
- BFalse
106Lépésenkénti diszkriminancia-analízisben a VARIANCIA- kovarianciaanalízisek alapján döntünk az egyenletbe való beválasztásról.
- ATrue
- BFalse
107A faktoranalízis nem foglalkozik a kilógó esetekkel, ezeket kihagyja. ( a mlfa…a fka mindent bevesz)
- ATrue
- BFalse
108A faktorsúlymátrix a faktorok és az eredeti változók közti korrelációk táblázata.
- ATrue
- BFalse
109A KMO 0,70-es értéke a faktoranalízisben már igen jónak mondható.
- ATrue
- BFalse
110A rotáció célja a faktoranalízisben az, hogy a változók faktorsúlyai minél egyenletesebben oszoljanak meg a különböző faktorokban.
- ATrue
- BFalse
111A rotációval javul a faktorok illeszkedése az input változókra.
- ATrue
- BFalse
112A rotáció általában megkönnyíti az FA-modell értelmezését.
- ATrue
- BFalse
113Egy faktor sajátértéke azt mutatja meg, hogy a változók összesen a faktor varianciájának hányad részét magyarázzák.
- ATrue
- BFalse
114Egy faktor sajátértéke azt mutatja meg, hogy a faktorok a változó varianciájának összesen hányad részét magyarázzák
- ATrue
- BFalse
115Ha a Bartlett-próba a faktoranalízisben szignifikáns, akkor a faktoranalízis érvényessége kérdésessé válik.
- ATrue
- BFalse
116Ha az FA-ban a Bartlett-próba erősen szignifikáns, akkor a modell nagyon nem megfelelő.
- ATrue
- BFalse
117Faktoranalízisben egy változó arra a faktorra illeszkedik, amelyen a faktortöltése a legnagyobb.
- ATrue
- BFalse
118Ha az FA-ban egy imput változó KMO-értéke 0.25 feletti, akkor a változó bevonható a faktormodellbe.
- ATrue
- BFalse
119Egy faktormodell illeszkedésének jóságát jelzi a forgatott faktorok által megmagyarázott összvariancia.
- ATrue
- BFalse
120A faktorelemzés során a végső kommunalitásoknak általában 0,7 felettieknek kell lenniük.
- ATrue
- BFalse
121Egy változó kommunalitása azt mutatja meg, hogy a faktorok együtt az adott változó varianciájának összesen hányad részét magyarázzák.
- ATrue
- BFalse
122A kommunalitás egy változónak az a része, amit nem lehet a többi változó segítségével megmagyarázni.
- ATrue
- BFalse
123A maximum likelihood faktoranalízis a változók egyediségét figyelmen kívül hagyja, és csak a közös részek alapján keres értelmes struktúrát.
- ATrue
- BFalse
124A maximum likelihood faktoranalízisben ugyanannyi faktorral a változók varianciájának nagyobb hányadát tudjuk megmagyarázni, mint a főkomponensanalízisben.
- ATrue
- BFalse
125A kétmintás t-próba a varianciaanalízis speciális esetének tekinthető.
- ATrue
- BFalse
126Ha a VA-ban a szóráshomogenitás sérül, akkor például a Games-Howell-féle eljárás alkalmazható a szintátlagok páronkénti összehasonlítására.
- ATrue
- BFalse
127Szignifikáns VA esetén utótesztekkel értékelhetjük a szintátlagok páronkénti különbségeit.
- ATrue
- BFalse
128A VA-nak nagy minták esetén nem fontos feltétele a szóráshomogenitás és a normalitás.
- ATrue
- BFalse
Information
- Description
- Quiz on Többváltozós statisztika no.1, created by Tímea Lakner on 20/12/2017.
- Author
- Tímea Lakner
- Language
- English
- Views
- 836
- Rating
- No ratings yet Rate this quiz