Copy and Edit

Módszertan és statisztika vizsga ELTE MA/1

Description

Lasciate ogni speranza, voi,ch'entrant..
Buda Pest
Quiz by Buda Pest, updated more than 1 year ago
Buda Pest
Created by Buda Pest over 5 years ago
375
1
0

Resource summary

Question 1

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

Question 2

Question
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
  • False

Question 3

Question
A logit a függő változó valószínűségének logaritmusa
Answer
  • True
  • False

Question 4

Question
Kanonikus korreláció elemzésben két változócsoport egymással erősen korreláló közös struktúráját keressük.
Answer
  • True
  • False

Question 5

Question
A diszkriminancia analízis feltétele, hogy a független változók diszkrétek legyenek.
Answer
  • True
  • False

Question 6

Question
Minél nagyobb a wilks-lambda, annál jobb a DA predikciós modellje.
Answer
  • True
  • False

Question 7

Question
A 2. főkomponens értéke sosem lehet nagyobb mint az első főkomponensé.
Answer
  • True
  • False

Question 8

Question
Klaszteranalízisben az a klaszter a homogénebb, amelynek a homogenitási együtthatója nagyobb.
Answer
  • True
  • False

Question 9

Question
Az EESS a klaszterek által megmagyarázott varianciaarány
Answer
  • True
  • False

Question 10

Question
PB jelzi, hogy átlagosan mennyivel távolabb vannak egymástól távol a külön klaszterbe, mint az egyazon klaszterbe tartozók
Answer
  • True
  • False

Question 11

Question
A rotáció általában megkönnyíti a FA értelmezését.
Answer
  • True
  • False

Question 12

Question
A maximum likelihood faktormodell nem veszi figyelembe a változókra specifikus egyedi részleteket.
Answer
  • True
  • False

Question 13

Question
Klaszteranalízisben az 1-nél nagyobb sajátértékű klasztereken szoktak relokációt végezni
Answer
  • True
  • False

Question 14

Question
Klaszteranalízisben a: Homogenitást, kohéziót mérik: EESS%,,HCátlag Szeparációt mérik: SC, XBmod, GDI24 Mindkettőt mérik: PB, CLdelta
Answer
  • True
  • False

Question 15

Question
A MORI (Measure of Relative Improvement) a kapott faktorstruktúra belső validitásának (internal validity) legfontosabb mutatója
Answer
  • True
  • False

Question 16

Question
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
  • False

Question 17

Question
A KMO 0,75- ös értéke már jónak mondható.
Answer
  • True
  • False

Question 18

Question
A KMO értéke 0,5 alatt elfogadhatatlan
Answer
  • True
  • False

Question 19

Question
A nemhierarchikus klaszteranalízis egymásra épülő klasszifikációk rendszere, melyhez úgy jutunk, hogy lépésenként egyesítünk vagy felbontunk klasztereket.
Answer
  • True
  • False

Question 20

Question
A QC jelentése klaszter kvalifikációs mutató. Ilyenek az EESS és a homogenitási együttható.
Answer
  • True
  • False

Question 21

Question
Magyarázott varianciaarány MV% = nemlineáris determinációs együttható = eta-négyzet. e2 = Hatás variabilitás/Teljes variabilitás
Answer
  • True
  • False

Question 22

Question
Az ANOVA az összetartozó mintás T-próba általánosítása min. 3 csoportra.
Answer
  • True
  • False

Question 23

Question
A trimmelés a szélsőséges értékek eltávolítását jelenti.
Answer
  • True
  • False

Question 24

Question
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
  • False

Question 25

Question
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
  • False

Question 26

Question
Log-lineáris elemzéssel diszkrét változók közti speciális kapcsolatokat tesztelhetünk.
Answer
  • True
  • False

Question 27

Question
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
  • False

Question 28

Question
Az átlagos távolság módszere és a Ward-módszer a legjobb klaszteranalízisi elemzések.
Answer
  • True
  • False

Question 29

Question
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
  • False

Question 30

Question
A K-központú hierarchikus klaszterelemzés ideális, ha a feltárandó valódi típusok arányai erősen különböznek.
Answer
  • True
  • False

Question 31

Question
A log-lineáris elemzést korrelációs mátrixokon szokás végezni.
Answer
  • True
  • False

Question 32

Question
Klaszteranalízisben a legközelebbi szomszéd módszerének alkalmazása azt jelenti, hogy mindig a két legközelebbi centroid klaszterét egyesítjük közös klaszterbe.
Answer
  • True
  • False

Question 33

Question
Többváltozós elemzésekben elvárt, hogy a személyek száma 3-5-ször akkora legyen, mint a változóké.
Answer
  • True
  • False

Question 34

Question
Hierarchikus klaszteranalízisben a legközelebbi szomszéd módszer alkalmazása azt jelenti, hogy mindig a két legközelebbi klaszterközéppontú klasztert egyesítjük a közös klaszterbe.
Answer
  • True
  • False

Question 35

Question
Kovariancia-analízisben korrigált mintaátlagokat hasonlítunk össze.
Answer
  • True
  • False

Question 36

Question
A log-lineáris elemzés egy sima khi2-próbás kapcsolatvizsgálat általánosítása.
Answer
  • True
  • False

Question 37

Question
Bináris logisztikus regresszióval ugyanarra a fő kérdésre kaphatunk választ mint egy megfelelő diszkriminanciaanalízissel.
Answer
  • True
  • False

Question 38

Question
A rotációk hatására hasonlóbbá válnak az egyes faktorok által megmagyarázott varianciák.
Answer
  • True
  • False

Question 39

Question
Regresszióban a konstans tag jelzi, hogy egységnyi megváltoztatásával milyen mértékben változik a függő változó.
Answer
  • True
  • False

Question 40

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

Question 41

Question
Ha az FA-ban egy input változó KMO-értéke 0,25 feletti, akkor a változó bevonható a faktormodellbe
Answer
  • True
  • False

Question 42

Question
A klaszteranalízis lényege, hogy eseteket vagy változókat páronkénti távolságaik alapján homogén csoportokba rendezünk
Answer
  • True
  • False

Question 43

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

Question 44

Question
Két szempont között a VA-ban akkor van interakció, ha a két szempont szoros közvetlen kapcsolatban van.
Answer
  • True
  • False

Question 45

Question
A Ward-féle módszernél két klaszter távolságát a klaszterek centroidjainak távolságával definiáljuk.
Answer
  • True
  • False

Question 46

Question
Többszörös lineáris regresszióban a többszörös korrelációs együttható négyzete a regresszió standard hibája.
Answer
  • True
  • False

Question 47

Question
Többszörös lineáris regressziónál a hibatagok korrelálhatnak egymással
Answer
  • True
  • False

Question 48

Question
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
  • False

Question 49

Question
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
  • False

Question 50

Question
A diszkriminanciaanalízis fő célja egy olyan predikciós szabály megalkotása, amellyel kvantitatív változók értékeiből bejósolható egy kvalitatív változó értéke.
Answer
  • True
  • False

Question 51

Question
Lépésenkénti regresszióanalízisben a független változóval kiszámított parciális vagy szemiparciális alapján döntünk az egyenletbe való beválasztásról.
Answer
  • True
  • False

Question 52

Question
A Wilks-lambda szoros kapcsolatban van a megmagyarázott varianciával.
Answer
  • True
  • False

Question 53

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

Question 54

Question
A legkisebb négyzetes regresszió kritériuma, hogy minimális legyen a regressziós becslés és a függő változó közti átlagos négyzetes eltérés.
Answer
  • True
  • False

Question 55

Question
A konfigurációelemzés (CFA) sok, kevés értékű változó értékkombinációinak feltárására alkalmas.
Answer
  • True
  • False

Question 56

Question
Stepwise elemzésnél történhet beléptetés és kiléptetés is.
Answer
  • True
  • False

Question 57

Question
A Wilks-lambda a megmagyarázott variancia.
Answer
  • True
  • False

Question 58

Question
A parciális korrelációs együttható lehet nagyobb mint 1.
Answer
  • True
  • False

Question 59

Question
A determinációs együttható a korrelációs együtthatónál mindig kisebb.
Answer
  • True
  • False

Question 60

Question
Klaszteranalízisben az 1-nél nagyobb sajátértékű klasztereken szoktak relokációt végezni.
Answer
  • True
  • False

Question 61

Question
Az agglomeratív hierarchikus klaszteranalízis minden lépésében egyesítünk két klasztert, amelyek valamilyen értelemben egymáshoz a legközelebb vannak.
Answer
  • True
  • False

Question 62

Question
A Ward-féle módszer egy speciális nemhierarchikus klaszteranalízis.
Answer
  • True
  • False

Question 63

Question
A kovarianciaanalízis lényege, hogy a szempontváltozók közti interakciókat ki lehet vele mutatni.
Answer
  • True
  • False

Question 64

Question
A kovariancia-analízisnek nem feltétele a szóráshomogenitás.
Answer
  • True
  • False

Question 65

Question
A kovariancia-elemzés során lényegében parciálást alkalmazunk.
Answer
  • True
  • False

Question 66

Question
A kovariancia-analízisben a vizsgált változóknak (a csoportosító változót is beleértve) normál eloszlásúaknak kell lenniük.
Answer
  • True
  • False

Question 67

Question
A kovariancia-analízis olyan VA, melynek során egy vagy több kvantitatív változó hatását kiszűrve teszteljük a VA szempontváltozóinak a hatását a VA függő változójára.
Answer
  • True
  • False

Question 68

Question
A kanonikus korrelációk lényegében megmagyarázott varianciák.
Answer
  • True
  • False

Question 69

Question
Főkomponensanalízisben Varimax rotáció után a főkomponensek nem feltétlenül lesznek korrelálatlanok
Answer
  • True
  • False

Question 70

Question
A varimax rotációval maximalizáljuk a faktorok által megmagyarázott összvarianciát.
Answer
  • True
  • False

Question 71

Question
A Levene-próbának fontos alkalmazási feltétele a szóráshomogenitás.
Answer
  • True
  • False

Question 72

Question
Két normális együttes eloszlású változó között lehet U alakú kapcsolat is.
Answer
  • True
  • False

Question 73

Question
A Varianciaanalízisban 2 szempont között akkor van interakció, ha a két szempont szoros korrelációban van.
Answer
  • True
  • False

Question 74

Question
A VA-nak nagy minták esetén nem fontos feltétele a szóráshomogenitás és a normalitás.
Answer
  • True
  • False

Question 75

Question
A Wilks lambda szoros kapcsolatban van a megmagyarázott varianciával.
Answer
  • True
  • False

Question 76

Question
Ha a VA-ban a szóráshomogenitás sérül, akkor például a Games-Howell-féle eljárás alkalmazható a szintátlagok páronkénti összehasonlítására.
Answer
  • True
  • False

Question 77

Question
Szignifikáns VA esetén utótesztekkel értékelhetjük a szintátlagok páronkénti különbségeit.
Answer
  • True
  • False

Question 78

Question
A faktoranalízis nem foglalkozik a kilógó esetekkel, ezeket kihagyja
Answer
  • True
  • False

Question 79

Question
A faktorsúlymátrix a faktorok és az eredeti változók közti korrelációk táblázata.
Answer
  • True
  • False

Question 80

Question
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.
Answer
  • True
  • False

Question 81

Question
A diszkriminancia-analízis egyik alkalmazási feltétele, hogy teljesüljön a szóráshomogenitás feltétele.
Answer
  • True
  • False

Question 82

Question
Lépésenkénti regresszióanalízisben a függő változóval kiszámított parciális korrelációk alapján dönthetünk az egyenletbe való beválasztásról.
Answer
  • True
  • False

Question 83

Question
A többszörös lineáris regresszió alkalmazási feltétele, hogy az input változók függetlenek legyenek egymástól.
Answer
  • True
  • False

Question 84

Question
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.
Answer
  • True
  • False

Question 85

Question
A többszörös lineáris regrssziónak feltétele a csoportok szórósának egyenlősége.
Answer
  • True
  • False

Question 86

Question
Bináris logisztikus regresszióban az alkalmazás feltételei gyengébbek, mint lineáris regresszió elemzésnél.
Answer
  • True
  • False

Question 87

Question
Kétféle alap forgatás ismeretes: ortogonális és ferde forgatás
Answer
  • True
  • False

Question 88

Question
Az ortogonális forgatások a varimax, quartimax, equamax és promax.
Answer
  • True
  • False

Question 89

Question
Az Equamax a Varimax és a Quartimax módszer kombinációja. Minimalizálja az egy-egy faktoron erősen súlyozódó változók és egyben az egy-egy változóval magasan korreláló faktorok számát.
Answer
  • True
  • False

Question 90

Question
Direkt oblimin esetén egy delta paraméter segítségével szabályozhatók a faktorok.
Answer
  • True
  • False

Question 91

Question
A ferde forgatások Direkt oblimin és a Promax.
Answer
  • True
  • False

Question 92

Question
A legjobb faktorsúlyok 0,5 körüliek.
Answer
  • True
  • False

Question 93

Question
Kommunalitás: amit egy változó varianciájából a faktorok együtt magyaráznak.
Answer
  • True
  • False

Question 94

Question
EFA-t használunk ha már van egy alapismeretünk a modellről és CFA-t ha új struktúrákat akarunk találni.
Answer
  • True
  • False

Question 95

Question
A szfericitási feltétel, hogy a függő változók összes páronkénti különbsége legyen egyforma elméleti szórású
Answer
  • True
  • False

Question 96

Question
Főkomponensanalízisben Equamax rotáció után a főkomponensek nem feltétlenül lesznek korrelálatlanok
Answer
  • True
  • False

Question 97

Question
A többváltozós elemzésekben jónak mondható, ha a személyek száma 10-szerese a változók számának
Answer
  • True
  • False

Question 98

Question
Az agglomeretív hierarchikus KA során minden lépésben felbontunk két klasztert
Answer
  • True
  • False

Question 99

Question
Logit az odds logaritmusa
Answer
  • True
  • False

Question 100

Question
A szfericitás feltétele a független mintás VA-nak
Answer
  • True
  • False

Question 101

Question
Az RMSEA a CFA lényeges mutatója
Answer
  • True
  • False

Question 102

Question
Promax forgatásnál a faktorok nem korrelálnak egymással.
Answer
  • True
  • False

Question 103

Question
A scree-ploton a faktorok kommunalitását láthatjuk
Answer
  • True
  • False

Question 104

Question
A classification table a jövő heti lottó nyerőszámokat tartalmazza
Answer
  • True
  • False

Question 105

Question
A VA populációk vagy változók varianciáját hasonlítja össze.
Answer
  • True
  • False

Question 106

Question
TLR alapfeltétele, hogy a független változók ne korreláljanak egymással
Answer
  • True
  • False

Question 107

Question
Faktoranalízisben legalább 3-5 változó kell ahhoz, hogy egy érvényes faktort lehessen képezni belőlük.
Answer
  • True
  • False

Question 108

Question
A faktortöltés a korrelációs együttható a változó és a faktor között, ami a közös faktor hatását mutatja a mért változóra.
Answer
  • True
  • False

Question 109

Question
A maximum likelihood módszer az adatok normális esetén használható legjobb módszer.
Answer
  • True
  • False

Question 110

Question
A faktortöltések utalnak a faktornak a mért változóra való hatásának erejére és irányára
Answer
  • True
  • False

Question 111

Question
Egyváltozós statisztikai elemzésekben (EVS-ben) a VA az a módszercsalád, melynek segítségével csoportok és változók átlagait összehasonlíthatjuk. Itt a hangsúly az ugyanakkoraság, egyformaság, homogenitás tesztelésén van. TVS-ben a VA elemzéseinek hangsúlya azon van, hogy a kategoriális független változók együtt hogyan hatnak egy vagy több kvantitatív változó nagyságszintjére (átlagára).
Answer
  • True
  • False

Question 112

Question
A VA és a kovarianciaanalízis alkalmazásának két általános feltétele van: a függő változó(k) normalitása és a szóráshomogenitás
Answer
  • True
  • False

Question 113

Question
Faktorsúlynak (factor loading) a független változó és a faktor közti korrelációt nevezzük
Answer
  • True
  • False

Question 114

Question
A Klaszter-analízisben a centroid 1-1 klaszter átlagvektora.
Answer
  • True
  • False

Question 115

Question
A Főkomponens-analízis elsődleges célja kevés komponenssel sok változót helyettesíteni
Answer
  • True
  • False

Question 116

Question
A SCREE PLOT megmutatja, hogy hány faktort kell elforgatnunk
Answer
  • True
  • False

Question 117

Question
Ha egy változó KMO-ja 50 % feletti, minden esetben bevonható a faktorelemzésbe.
Answer
  • True
  • False

Question 118

Question
A kommunalitás a változóknak a többi változóval lefedett közös részét mutatja.
Answer
  • True
  • False

Question 119

Question
A FA a változókon végzett klaszteranalízis.
Answer
  • True
  • False

Question 120

Question
A főkomponensek elforgatásával nőhet az össz-megmagyarázott variancia értéke.
Answer
  • True
  • False

Question 121

Question
A kanonikus korreláció lényegében a megmagyarázott varianciát jelenti.
Answer
  • True
  • False

Question 122

Question
DA-nak nem feltétele a szóráshomogenitás
Answer
  • True
  • False

Question 123

Question
A Scree-plot azt mutatja meg, hogy mely faktorokat kell kiemelnünk.
Answer
  • True
  • False

Question 124

Question
A BLR fókusza a p valószínűség; odds(p)-re és logit(p)-re azért van szükség, hogy a TLR függő változója matematikailag kezelhető eloszlású legyen.
Answer
  • True
  • False

Question 125

Question
A következő esetekben érdemes BLR-t választani DA helyett: A független változók (X-ek) együttes eloszlása nem többdimenziós normális Az X-ek között kategoriálisak is vannak A függő változónál a p valószínűség (binárisnál p = P(1)) egyedi, nem normális eloszláson alapul Az X-ek között nem lineáris kapcsolatok is feltételezhetők
Answer
  • True
  • False

Question 126

Question
Minimum annyi főkomponens készíthető, ahány input változó van.
Answer
  • True
  • False

Question 127

Question
Ha van nulla sajátérték is FKA-ban, akkor azt mondjuk, hogy a korrelációs mátrix szinguláris. Ilyenkor fellép a multikollinearitás (változók közti túl erős lineáris összefüggés)
Answer
  • True
  • False

Question 128

Question
Leggyakrabban az 1-nél nagyobb sajátértékű főkomponenseket tartjuk meg és a megtartott főkomponensek jónak mondhatók, ha az általuk magyarázott összvariancia-arány meghaladja a 70%-ot: MV% > 0,70.
Answer
  • True
  • False

Question 129

Question
A kommunalitások megmutatják, hogy egy-egy input változót a megtartott főkomponensek milyen arányban magyaráznak (a főkomponensek által a változóból magyarázott varianciaarány)
Answer
  • True
  • False

Question 130

Question
0,5-ös kommunalitás alatt „kilóg” a változó a főkomponensek által képviselt modellből.
Answer
  • True
  • False

Question 131

Question
Forgatás után a faktorok által magyarázott összvariancia megváltozik de egyes faktorok által magyarázott varianciák nem.
Answer
  • True
  • False

Question 132

Question
Az FKA alkalmazási feltételei: Mintanagyság , Linearitás , Interkorrelációk
Answer
  • True
  • False

Question 133

Question
Ha a változók közös része elhanyagolható, nincs értelme EFA-t végrehajtani.
Answer
  • True
  • False

Question 134

Question
Ha Bartlett erősen szignifikáns, nincs értelme EFA-t csinálni.
Answer
  • True
  • False

Question 135

Question
FKA: változók összinformációját faktorizálja míg FA: csak a változók közös információját faktorizálja, tehát figyelmen kívül hagyja aváltozók azon információját, amelyek egyediek, más változóval nem mutatnak átfedést
Answer
  • True
  • False

Question 136

Question
Lejtődiagram: faktorok összefüggéseinek meghatározása grafikus módszerrel:
Answer
  • True
  • False
Show full summary Hide full summary

Want to create your own Quizzes for free with GoConqr? Learn more.

Similar

Higher Level Economics
Jim hammerton
Unit 1 Sociology: Family Types
ArcticCourtney
Italian: Basics
Selam H
FREQUENCY TABLES: MODE, MEDIAN AND MEAN
Elliot O'Leary
FCE Practice Fill In The Blank
Christine Sang
Themes in Macbeth
annasc0tt
Physics P3 Fashcards
Holly Bamford
Mind Maps with GoConqr
croconnor
AQA Biology B2 Unit 2.1 - Cells Tissues and Organs
BeccaElaine
The Weimar Republic, 1919-1929
shann.w
I wish I..
Cristina Cabal
Browse Library