Frage 1
Frage
Ha erősen sérül a VA-ban a szóráshomogenitás, akkor indokolt robusztus VA alapján dönteni.
Frage 2
Frage
A VAben 2 szempont között akkor van interakció, ha a két szempont szoros korrelációban van.
Frage 3
Frage
A többszempontos varianciaanalízis független változóinak folytonosaknak kell lenniük.
Frage 4
Frage
Két szempont között VA-ban akkor van interakció, ha a két szempont szoros korrelációban van.
Frage 5
Frage
A főkomponensanalízis feltárja a sok input változó mögött meghúzódó közös komponenseket.
Frage 6
Frage
A főkomponensek az input változók súlyozott összegei.
Frage 7
Frage
Főkomponensanalízisben Varimax rotáció után a főkomponensek nem feltétlenül lesznek korrelálatlanok.
Frage 8
Frage
A varimax rotációval maximalizáljuk a faktorok által megmagyarázott összvarianciát.
Frage 9
Frage
A főkomponens-elemzés során mindig egyértelműen tudunk dönteni a változók és a komponensek viszonyáról.
Frage 10
Frage
A főkomponens-analízis egyik célja a változók számának redukciója.
Frage 11
Frage
Ha a főkomponensek sajátértékei rendre 3,2; 2,1; 1,5; 0,8; 0,3 és 0,1; akkor a három főkomponenset érdemes forgatni.
Frage 12
Frage
Ha hat input változó esetén az első főkomponens sajátértéke 2, a másodiké pedig 1,2, akkor ezek együtt több mint 50%-ot magyaráznak meg az FA modelljében.
Frage 13
Frage
A főkomponensanalízis értelmezhető klaszteranalízisként is
Frage 14
Frage
A kanonikus korreláció-elemzéssel két változócsoport egymással erősen korreláló struktúráját keressük.
Frage 15
Frage
A kanonikus korrelációk lényegében megmagyarázott varianciák.
Frage 16
Frage
A kovarianciaanalízis lényege, hogy a szempontváltozók közti interakciókat ki lehet vele mutatni.
Frage 17
Frage
A kovarianciaanalizis lenyege, hogy az interakciós hatásokat ki lehet vele mutatni
Frage 18
Frage
A kovariancia-analízisnek nem feltétele a szóráshomogenitás.
Frage 19
Frage
A kovariancia-elemzés során lényegében parciálást alkalmazunk.
Frage 20
Frage
Kovariancia-elemzésben korrigált mintaáltagokat hasonlítunk össze.
Frage 21
Frage
A kovariancia-analízisben a vizsgált változóknak (a csoportosító változót is beleértve) normál eloszlásúaknak kell lenniük.
Frage 22
Frage
A kovariancia-analízis olyan VA, melynek során egy vagy több kvantitatív változó hatását kiszűrve teszteljük a VA szempontváltozóinak a hatását a VA függő változójára.
Frage 23
Frage
A klaszteranalízis lényege, hogy eseteket vagy változókat távolságaik alapján homogén csoportokba sorolunk.
Frage 24
Frage
A Ward-féle módszer egy speciális nemhierarchikus klaszteranalízis.
Frage 25
Frage
A relokáció olyan nemhierarchikus klaszteranalízis, amelynél a homogenitás növelése érdekében interakiós eljárással cserélgetjük a klaszterek elemeit.
Frage 26
Frage
A Ward-féle módszernél két klaszter távolságát a klaszterek centroidjainak távolságával definiáljuk.
Frage 27
Frage
Az agglomeratív hierarchikus klaszteranalízis minden lépésében egyesítünk két klasztert, amelyek valamilyen értelemben egymáshoz a legközelebb vannak.
Frage 28
Frage
Klaszteranalízisben a centroid egy-egy klaszter átlagvektora.
Frage 29
Frage
Klaszteranalízisben a legközelebbi szomszéd módszer alkalmazása azt jelenti, hogy mindig a két legközelebbi elem (megfigyelés) kerül egy klaszterbe.
Frage 30
Frage
Klaszteranalízisben az 1-nél nagyobb sajátértékű klasztereken szoktak relokációt végezni.
Frage 31
Frage
Klaszteranalízissel homogén változócsoportok is kialakíthatók a változók hasonlósága alapján.
Frage 32
Frage
A hierarchikus klaszteranalízis egy lépésében vagy egyesítük két klasztert vagy egy új klasztert hozunk létre
Frage 33
Frage
A determinációs együttható a korrelációs együtthatónál mindig kisebb.
Frage 34
Frage
A parciális korrelációs együttható legfeljebb 1 lehet.
Frage 35
Frage
A log-lineáris elemzés a sima khi-négyzet-próbás kapcsolatvizsgálat általánosítása.
Frage 36
Frage
A B-értékek alapján a konstans tagnak van a legnagyobb hatása a függő változóra.
Frage 37
Frage
A Beta-értékek segítségével állapítható meg, hogy melyik változónak milyen mértékű hatása van a függő változóra – a többi változóhoz képest.
Frage 38
Frage
Az ANOVA táblázatból megtudható, hogy a magyarázott variancia-arány, illetve a korrelációs együttható szignifikánsan különbözik-e 0-tól.
Frage 39
Frage
Az együtthatók táblázatában látható t-érték azt mutatja meg, hogy az adott változó 0 vagy nem 0.
Frage 40
Frage
Minél nagyobb a reziduális, annál pontosabb a becslés.
Frage 41
Frage
A lineáris regresszió esetén az eredeti négyzetösszeget bontjuk fel a regresszió által magyarázott négyzetes eltérés összegére és a reziduálisra.
Frage 42
Frage
Ha az ANOVA táblázatban a SIG-érték 0,05 alatt van, érvényes modellt alkottunk.
Frage 43
Frage
A determinációs együttható maximuma 1, minimuma -1, mely értékeket függvényszerű kapcsolat esetén érhetünk el.
Frage 44
Frage
A korrelációs együttható a determinációs együttható négyzete.
Frage 45
Frage
A magyarázó változók esetében az a jó, ha azok egymással minél szorosabban összefüggnek – így építhető erős és jól magyarázható lineáris modell a függő változóra.
Frage 46
Frage
Minden diszkrét változó átalakítható DUMMY változóvá.
Frage 47
Frage
Az együtthatók táblázatának t-értéke és hozzá tartozó szignifikancia arról tájékoztat minket, hogy az adott magyarázó változó együtthatója 0 vagy nem 0 a lineáris regresszió egyenletében.
Frage 48
Frage
A DUMMY változóknak mindig 2 értéke van.
Frage 49
Frage
A kovariancia-analízisben a függő változó normalitása az egyik feltétel.
Frage 50
Frage
A kovariáns változó mindig diszkrét.
Frage 51
Frage
A szóráshomogenitás feltétele a kovariancia-analízisben egyáltalán nem fontos.
Frage 52
Frage
A páros összehasonlításokkal csak akkor kell foglalkozni, ha a szóráshomogenitás nem teljesül.
Frage 53
Frage
A variancia-analízis alapján a fenti elemzésben a csoportok átlagai között szignifikáns különbség van.
Frage 54
Frage
A VA-ban a páros összehasonlítások közöl a Games–Howell-tesztet kell alkalmazni.
Frage 55
Frage
A megmagyarázott variancia-arány gyöke a korrelációs hányados.
Frage 56
Frage
A kovariancia-analízis során a kovariáns változó hatását is figyelembe véve teszteljük csoportok átlagainak egyenlőségét.
Frage 57
Frage
A korrigált eredmények táblázatában már azok az átlagok kerülnek tesztelésre, melyekben figyelembe vettük a kovariáns változó hatását.
Frage 58
Frage
A James-próba mindig erősebb, mint a Welch-próba.
Frage 59
Frage
A Tukey–Kramér-próbának feltétele a szóráshomogenitás.
Frage 60
Frage
A Brown–Forsythe-teszt akkor is használható, ha az elméleti szórások különböznek.
Frage 61
Frage
A ferdeség és csúcsosság segítségével tesztelhető a normalitás.
Frage 62
Frage
KOVA elemzés esetén nagyobb minták esetén a normalitás feltétele elhagyható.
Frage 63
Frage
A bináris logisztikus regresszióban a függő változó mindig folytonos.
Frage 64
Frage
A logisztikus regresszióban arra vagyunk kíváncsiak, hogy a függő változók adott értéke mellett mi a magyarázó változó adott értékének bekövetkezési valószínűsége.
Frage 65
Frage
Az Omnibus-tesztek megmutatják, hogy mennyire jó illeszkedésű a modellünk.
Frage 66
Frage
A Cox & Snell-féle mutató elvileg nem éri el az 1-et.
Frage 67
Frage
A Modell Summary táblázatban található R-négyzetek a modell determinációs együtthatói.
Frage 68
Frage
Ha a klasszifikációs táblázatok bal alsó és jobb felső sarkában vannak nagy értékek, akkor tudhatjuk, hogy jó modellt találtunk.
Frage 69
Frage
Az EXP(B) érték akkor negatív, ha a B érték negatív.
Frage 70
Frage
A klasszifikációs táblázatban lévő értékekből leolvashatjuk, hogy mi a tapasztalati és a modellbéli becsült eredmények egymáshoz való viszonya – hány hibás és hány helyes osztályozás történt a modell segítségével.
Frage 71
Frage
A logisztikus regresszióban feltétel a függő változó normalitása.
Frage 72
Frage
A magyarázó változók erős egymással való összefüggése rontja a modell interpretálhatóságát.
Frage 73
Frage
A Nagelkerke-féle R-négyzet elvi maximuma 1.
Frage 74
Frage
A logisztikus regresszióban a Modell Summary táblázat első oszlopában a regresszióból számított korrelációs együtthatót olvashatjuk le.
Frage 75
Frage
A faktorelemzés egyik speciális esete a főkomponens-elemzés.
Frage 76
Frage
A főkomponens-elemzés során sok változót szeretnénk kevés változó segítségével magyarázni.
Frage 77
Frage
A faktorelemzésben mindig VARIMAX rotálást kell végezni.
Frage 78
Frage
Minél magasabb a KMO-érték, annál kevésbé összefüggőek a változóink.
Frage 79
Frage
A Bartlett-teszt segítségével arról hozhatunk döntést, hogy a változó-szettünk mennyire hasonlít egy teljesen független változó-szetthez.
Frage 80
Frage
A végső kommunalitások táblázatában a jó modellek esetében általában 0,25-nél nagyobb értékeket szokás elvárni.
Frage 81
Frage
Rotálás segítségével növelhető a teljes magyarázott variancia-arány.
Frage 82
Frage
Egy változó 0,249-es kommunalitás alapján kihagyható lenne a modellből, így újabb futtatással kéne újabb faktorstruktúrát feltárni.
Frage 83
Frage
A klaszterezés célja, hogy a változók között csoportokat alakítsunk ki.
Frage 84
Frage
A klaszterezés során olyan csoportokat hozunk létre, melyben az egyedek egymásra hasonlítanak, míg a csoportok egymástól általában eltérőek.
Frage 85
Frage
A k-középpontú elemzés során minden lépésben a két legközelebbi klasztert összevonjuk.
Frage 86
Frage
A hierarchikus klaszterezés során több klaszterszám esetére is kérhetünk megoldást.
Frage 87
Frage
Amennyiben a klaszterezést a változókon hajtjuk végre, úgy a faktorelemzéshez egy rokon módszert dolgozhatunk ki.
Frage 88
Frage
A csoportok kialakításakor fontos kérdés az egyedek közötti távolságok mérése.
Frage 89
Frage
Minél nagyobb a Silhouette-mutató, annál jobb a klaszterezettség.
Frage 90
Frage
A relokáció megállítására csak egyfajta kritérium létezhet.
Frage 91
Frage
A hierarchikus klaszterezés mindig jobb eredményt ad, mint a k-középpontú.
Frage 92
Frage
Klaszterezés során sosem szabad standardizálni a változókat.
Frage 93
Frage
A variancia-analízis során feltétel a csoportok függetlensége, illetve a független egyedkiválasztás.
Frage 94
Frage
Az intraklaszter-korreláció (ICC) segítségével kihagyhatunk egyedeket az elemzésből.
Frage 95
Frage
Az átlagok összehasonlításának bármely eljárása során fontos szempont ellenőrizni, hogy a mintánkba került egyedek válaszai mennyire függetlenek egymástól.
Frage 96
Frage
Amennyiben egy kezelés előtt vagy után nézünk egyedeket, úgy ezt az elemzési metódust fogjuk mindenképpen használni, hiszen a két mintánk összefügg.
Frage 97
Frage
Ha a csoportjainkban egymással összefüggő mintavételezés feltételezhető, akkor korrigálva (csökkentve) a szabadságfokot, robusztus eljárást nyerhetünk.
Frage 98
Frage
A robusztus eljárások sajátossága, hogy a hagyományos eljárások feltételeinek bizonyos szintű sérülése esetén is megbízható eredményeket adnak.
Frage 99
Frage
Az átlagokat összehasonlító hagyományos eljárások feltétele a normalitás.
Frage 100
Frage
ICC futtatásakor a szóráshomogenitás feltétele nagy minták esetén elhagyható.
Frage 101
Frage
A kétmintás t-próba esetén a Welch-féle d-próba szintén szabadságfok-korrekciós robusztus eljárás.
Frage 102
Frage
A Levene-teszt a szóráshomogenitás eldöntésére szabadságfok-korrekciós robusztus eljárás.
Frage 103
Frage
Az egymintás t-próba esetén robusztus teszt a Wilcoxon-próba is, mely szintén szabadságfok-korrekciós módszer.
Frage 104
Frage
A szabadságfok-korrekciós eljárásokban csak formálisan csökkentjük az esetszámokat, valójában nem törlünk elemeket a mintából (tehát trimmelést nem végzünk).
Frage 105
Frage
A változók közötti összefüggések nem az intraklaszter-korrelációs eljárást igénylik, hiszen az a mintabéli egyedek összefüggése esetén segít a pontosabb következtetés megalkotásában.
Frage 106
Frage
A design-mutató 2 alatti értékei esetén nem kell szabadságfok-korrekciót végrehajtani.
Frage 107
Frage
Az ICC növekedésével a design- mutató csökken.
Frage 108
Frage
A diszkriminancia-analízis (DA) során csoportokat szeparálunk egymástól.
Frage 109
Frage
Minél nagyobb a Wilks-féle lambda értéke, annál jobb a szeparálásunk.
Frage 110
Frage
A DA során olyan függvényeket határozunk meg, melyek egyben tartják a populációt.
Frage 111
Frage
A DA során azok a függvények, melyek szeparálnak, mindig lineárisak.
Frage 112
Frage
A Wilks-féle lambda-érték egy fordított determinációs együtthatóként értelmezhető.
Frage 113
Frage
Amennyiben „n” darab csoportunk van, úgy „n” függvény mindenképpen elegendő a szétvágásukhoz.
Frage 114
Frage
A logisztikus regresszió során is diszkrét változókat azonosítunk, de amíg ott a bekövetkezések valószínűsége a kérdés, addig itt a csoportok szeparálása, elkülönítése.
Frage 115
Frage
A DA során a függő változó mindenképpen folytonos.
Frage 116
Frage
A sajátértékek segítéségével megállapítható, hogy melyik függvénynek van nagyobb szeparáló ereje, képessége.
Frage 117
Frage
A Wilks-féle lambda SIG-értéke mutatja meg, hogy mely változó segítségével lehet a csoportokat szignifikánsan elkülöníteni.
Frage 118
Frage
A DA csak bináris változókra alkalmazható.
Frage 119
Frage
a k-középpontú klaszterezés egyfajta ellenőrzésére használhatjuk a DA-t.
Frage 120
Frage
Minél nagyobbak a reziduálisok, annál jobb a modell illeszkedése.
Frage 121
Frage
A modell illeszkedését khi-négyzet statisztikával ellenőrizzük.
Frage 122
Frage
Minél nagyobb a szignifikancia értéke a modellben, annál inkább hajlamosak vagyunk azt elfogadni.
Frage 123
Frage
A loglineáris modellben folytonos változók közötti kapcsolatokat keresünk.
Frage 124
Frage
A loglineáris modell lényegében a khi-négyzet-próba általánosítása.
Frage 125
Frage
Független események együttes bekövetkezésének alószínűsége a külön-külön vett bekövetkezési valószínűségek összege.
Frage 126
Frage
Az interakciók számának csökkentése mellett szeretnénk a loglineáris modellezésben minél jobb illeszkedést elérni.
Frage 127
Frage
Amennyiben minden interakciót és marginálist figyelembe veszünk, úgy olyan modellt írhatunk fel, melyben a reziduálisok maximálisak.
Frage 128
Frage
A loglineáris modellben általában kettőnél több kategória-változó kapcsolatát igyekszünk leírni.
Frage 129
Frage
A loglineáris modell illeszkedését is ANOVA táblázattal ellenőrizzük.