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