uzluga.ru
добавить свой файл
1

  1. Две выборки являются зависимыми, если они образованы путем повторных измерений (каждому испытуемому из одной выборки поставлен в соответствие по опред критерию испытуемый из другой выборки).

  2. Гипотеза исследования это утверждение о связи двух явлений, в генеральной совкупности.

  3. Если 1-я выборка – преподаватели ВУЗа, а 2-я выборка – их студенты, то 2-я выборка по отношению к 1-й является независимой

  4. Основной способ обеспечения репрезентативности выборки относительно генеральной совокупности это обеспечение принципа случайности отбора (рандомизированный и/или стратофицированный случайный отбор.).

  5. Основное свойство выборки, определяющее ее качество – это: репрезентативность.

  6. Цифра, обозначающая номер испытуемого в списке – это измерение в шкале номинативной.

  7. Упорядочивание испытуемых по времени решения тестовой задачи – это измерение в шкале рангов.

  8. Время простой сенсомоторной реакции (в мс) – это измерение в шкале – абсолютной (отношений)

  9. Кодирование испытуемых по воинскому званию (лейтенант, капитан, майор…) для оценки должностного статуса – это измерение в шкале ранговой.

  10. Одна из перечисленных характеристик не относится к шкалам (уровням) измерения С.Стивенса: независимая (любой вариант ответа кроме: номинативная (наименований), ранговая (порядковая), интервальная, отношений (абсолютная))

  11. Для деления выборки на несколько независимых выборок обычно используется следующая переменная: номинативная.

  12. Если по времени решения тестовой задачи трем испытуемым (из 20) присвоены ранги 1 (самый быстрый), 2, 5, то справедливо следующее утверждение: ни одно из 3-х других утверждений не верно (1 решил быстрее, чем 2 и 5)

  13. Мода как мера центральной тенденции не пригодна для переменных в следующих шкалах: пригодна для всех перечисленных

  14. Медиана как мера центральной тенденции не пригодна для переменных в следующих шкалах: номинативных

  15. Среднее как мера центральной тенденции не пригодна для переменных в следующих шкалах: порядковых (и/или номинативных)

  16. Графики распределения частот значений признака для группы юношей (1) и группы девушек (2): Чем правее центр графика, тем М больше, чем график шире, тем D больше.

  17. Из всех мер центральной тенденции крайние значения (выбросы) в наибольшей степени влияют на среднее.

  18. Абсолютная величина каждого отдельного значения не учитывается для определения значений следующих мер центральной тенденции: мода и медиана.

  19. Если для выборки численностью 200 чел., 60-й процентиль некоторого признака равен 12, то справедливо следующее утверждение: 120 человек имеют значение признака <12, а 80 человек > 12.

  20. Такое значение признака, измеренного на группе испытуемых, меньше которого имеют ровно половина этих испытуемых, называется медиана (50 процентиль, 2 квартиль).

  21. 50-й процентиль соответствует: медиане, 2 квартилю.

  22. Какой из показателей характеризует степень разнообразия испытуемых по значениям переменной: сигма (дисперсия).

  23. Чему равна медиана ряда значений 1, 2, 2, 2, 3, 7, 6, 5, 9, 5: =4 (не забываем упорядочивать значения!)

  24. Как соотносятся меры центральной тенденции для данного ряда значений 0, 0, 2, 2, 6, 6, 6, 5, 9: среднее меньше медианы (мода 6, медиана 5, среднее 4)

  25. Как соотносятся стандартные отклонения (сигмы) двух рядов чисел: 1) 9, 15, 12, 24, 21 и 2) 3, 9, 6, 18, 15: = 1:1 (*прибавление одного и того же числа к каждому значению переменной не меняет дисперсию, а значит и сигму, ибо дисперсия равна сигме в квадрате)

  26. Как соотносятся дисперсии двух рядов чисел:

1) 5, 8, 10, 12, 11 и 2) 1, 4, 6, 8, 7: = 1:1 (*прибавление одного и того же числа к каждому значению переменной не меняет дисперсию)

  1. Как соотносятся стандартные отклонения возраста выборки детей 2-6 лет (N = 30), выраженные в годах и месяцах: в месяцах отклонения будут больше в 12 раз (*вариант значений в месяцах есть вариант значений в годах умноженный на 12, а т.к. если умножить на константу, то дисперсия увеличится в константу в квадрате, а ст.откл. в константу, то имеем такой ответ).

  2. В группах 1 и 2 измерена некоторая переменная. D1 = D2=10, M1=20, M2=30. После объединения этих групп дисперсия: увеличится (но не известно на сколько именно!).

  3. В группах 1 и 2 измерена некоторая переменная. D1 = D2=5, M1=6, M2=12. После объединения этих двух групп дисперсия увеличится. (но не известно на сколько именно!)

  4. Если распределение переменной соответствует нормальному виду, то 90% всех ее значений находится: М±1,64сигма

  5. Если распределение признака соответствует нормальному виду, то 99% всех ее значений находится: М±2,58сигма

  6. Если распределение переменной соответствует нормальному виду, то 90% всех ее значений находится: м±1,64сигма

  7. Если распределение переменной соответствует нормальному виду, то в диапазоне М±1,96σ: 95%

  8. Если распределение переменной соответствует нормальному виду, то 95% всех ее значений находится: М±1,96сигма

  9. Некоторое свойство измеряется при помощи тестовой шкалы CEEB (М=500, σ=100). Какая приблизительно доля генеральной совокупности имеет балл от 600 до 700? 13,5% (*Расстояние между сигмой 1 и сигмой 2 и будет равно 13,59%. Это определяется свойствами нормального распределения и нужно запомнить)

  10. Некоторое свойство измеряется при помощи тестовой шкалы Бине (М=100, σ =16). Какая приблизительно доля генеральной совокупности имеет балл ниже 84? 16% (Расстояние от 0 до 1 сигмы 34,13% => мы из 50% (что соответствует половине графика норм.распределения) должны вычесть 34,13% = 16%)

  11. Для изучения каких связей коэффициенты корреляции не применимы : немонотонных.

  12. Для каких переменных допустимо применение коэффициентов корреляции: измеренных в количественной шкале.

  13. Если коэффициент корреляции Пирсона r = – 0,5, то коэффициент детерминации равен: 0,25 (*коэф. детерминации = r в квадрате)

  14. Если y – зависимая, а x – независимая переменные, то R2xy (коэффициент детерминации) это часть дисперсии у, обусловленная влиянием х.

  15. После z-преобразования выборочных значений переменной среднее и сигма М=0, σ=1

  16. Если Rxy=1 и обе переменные xi и yi представлены в z-значениях, то уравнение регрессии ŷi=bxi+a принимает вид: y=x

  17. Если Rxy=0, то уравнение регрессии ŷi=bxi+a принимает вид: y=My

  18. Если Rxy= 0, и обе переменные xi и yi представлены в z-значениях, то уравнение регрессии ŷi=bxi+a принимает вид: y=0

  19. Если объем выборки N=21, ковариация между двумя признаками Cov12=8, а стандартные отклонения σ1=4; σ2=8, то коэффициент корреляции R12 Пирсона равен 0.25 (r=Cov/1σ2))

  20. Если изучается взаимосвязь между двумя признаками (σ1=5; σ2=6; N = 21), то величина ковариации (Cov12) может быть: от -30 до 30

  21. Какая корреляция основана на подсчете разности рангов: r-Спирмена

  22. Какая корреляция основана на подсчете произведений отклонений от средних: r-Пирсона

  23. Какая корреляция основана на подсчете пар испытуемых: τ-Кендалла

  24. Коэффициент корреляции Спирмена основан на подсчете разностей рангов.

  25. Если при переборе всех пар испытуемых в выборке вероятность однонаправленного изменения X и Y (совпадений) составила Р = 0,8, то величина τ-Кенделла равна: 0,6

  26. Если при переборе всех пар испытуемых в выборке вероятность разнонаправленного изменения X и Y (инверсий) составила Q = 0,8, то величина τ-Кенделла равна: -0,6

  27. При подсчете τ -Кенделла на выборке N = 6 число совпадений составило P=10; τ –Кенделла равно 0,33

  28. Чему равна корреляция Спирмена и Кендалла для двух переменных:



X

Y

а) 0

б) -1

в) 1
г) 0,5


1

32

2

2

16

6

3

20

4

4

8

10

5

11

8

(*сначала упорядочим для наглядности: 32 2, 20 4, 16 6, 11 8, 8 10 => большее значение одной переменной соответствует меньшему второй, поэтому корреляция =-1, если большее соответствует большему (32 10 - 8 2), то =+1)

*(при значениях корреляции 1 и -1 тау и ро-Спирмена равны) .

  1. Проверяемая содержательная (научная) гипотеза подтверждается, если (при ά = 0,05): p≤0.05

  2. Чем больше значение р-уровня, тем ниже статистическая значимость.

  3. Вероятность того, что в генеральной совокупности нулевая гипотеза верна, есть показатель уровня статистической значимости.

  4. Результат проверки гипотезы признается статистически достоверным, если меньше ошибки первого рода.

  5. Уровень статистической значимости это вероятность того, что обнаруженная связь носит случайный характер.

  6. Может ли одно и то же численное значение корреляции для разных выборок иметь разную статистическую значимость? Да (например, разный объем выборок)

  7. Для 1-ой выборки корреляция Rxy=0,35 (p=0,06), для 2-ой выборки Rxy=0,35 (p=0,03). Почему p-уровень разный? численность 2-ой выборки больше, чем 1-ой.

  8. При сравнении двух средних (М1=5, М2=7) значение р-уровня будет тем меньше, чем меньше дисперсия переменной (другие варианты: чем больше величина связи, больше объём выборки, меньше дисперсия (изменчивость) => запомнить!).

  9. При сравнении двух распределений частот с использованием критерия Хи-квадрат значение р-уровня больше, если численность выборок меньше (+варианты как в предыдущем вопросе)

  10. Гомогенность (равенство) дисперсий проверяется перед: сравнением средних для независимых выборок (t-Стьюдента, ANOVA(дисперсионный анализ))

  11. Если при сравнении средних для 2-х независимых выборок неравной численности дисперсии статистически значимо различаются, то следует: применить непараметрический критерий Манна-Уитни.

  12. Если при сравнении средних для нескольких независимых выборок неравной численности дисперсии статистически достоверно различаются, то следует: применить Н критерий Краскала-Уоллеса.

  13. Если при проверке статистической достоверности корреляции (при α = 0,05) р > 0.1, то корректен вывод, что статистически значимая связь не обнаружена.

  14. Если при проверке статистической достоверности корреляции (при α = 0,05) р < 0.05, то корректен вывод, что обнаружена статистически достоверная связь.

  15. Если при проверке статистической значимости различий двух средних р > 0.1, то делают вывод о том, что статистически значимые различия не обнаружены.

  16. Если при проверке статистической значимости различий двух средних (при α = 0,05) р < 0.05, то делают вывод о том, что обнаружены статистически значимые различия.

  17. Для проверки достоверности различия двух независимых групп, члены которых ранжированы по степени выраженности «тревожности», применяют критерий U-Манна-Уитни

  18. Для проверки достоверности различия двух повторных измерений, члены которых ранжированы по степени выраженности «тревожности», применяют критерий T-Вилкоксона

  19. Для проверки достоверности различий студентов 1 и 5 курсов по переменной «семейное положение» (холост – нет) следует применить критерий X2 Пирсона

  20. Для проверки достоверности различий 2-х выборок по переменной «пол» (муж - жен) следует применить критерий X2 Пирсона

  21. Для сравнения преподавателей и студентов по «доминантности» (метрическая шкала), следует применить критерий t-Стьюдента для независимых

  22. Для сравнения двух независимых выборок по количественной переменной, имеющей заметные выбросы, применяют критерий U-Манна-Уитни

  23. Для проверки различия самочувствия (метрическая шкала) до и после терапии применяют критерий t-Стюдента для зависимых.

  24. Если необходимо сравнить два повторных измерения количественной переменной, имеющей заметные выбросы, то применяют критерий Т-Вилкоксона

  25. Для проверки достоверности различия двух зависимых выборок по переменной, измеренной в ранговой шкале, применяют критерий Т-Вилкоксона

  26. Для проверки достоверности различия старших (1-я выборка) и их младших (2-я выборка) братьев по уровню доминантности, измеренной в метрической шкале, применяют критерий t-Стьюдента для зависимых выборок.

  27. Гипотезу о взаимосвязи номинативной (2 градации) и ранговой переменных целесообразно проверять при помощи U-Манна-Уитни (менее вероятно, но возможно - критерий Вилкоксона).

  28. Гипотезу о взаимосвязи номинативной (2 градации) и метрической переменных целесообразно проверять при помощи Т-Стьюдента

  29. Статистическая значимость улучшения состояния (ранговая шкала) до и после терапии определяется по критерию Т-Вилкоксона

  30. Гипотезу о взаимосвязи ранговой и номинативной переменной, имеющей две градации (напр., пол), целесообразно изучать при помощи критерия U-Манна-Уитни (менее вероятно, но возможно - Т-Вилкоксона)

  31. Для проверки достоверности различия 2 групп, каждый член которых определен в одну из трех категорий («правый», «левый», «центрист»), применяют критерий X2 Пирсона (таблицы сопряженности с градацией больше двух)

  32. Для проверки гипотезы о различии 2 групп по степени индивидуальной изменчивости (дисперсии) применяют критерий F-Фишера.

  33. Гипотезу о взаимосвязи метрической и номинативной переменной, имеющей две градации (напр., пол), целесообразно изучать при помощи критерия t –Стьюдента

  34. Гипотезу о взаимосвязи метрической и номинативной переменной, имеющей 5 градаций (например, хобби), целесообразно проверять при помощи однофакторного ANOVA

  35. Гипотезу о взаимосвязи порядковой и номинативной переменной, имеющей 4 градации (напр., должность), целесообразно изучать при помощи критерия H-Краскала-Уоллеса

  36. Гипотезу о взаимосвязи метрической и порядковой переменной, имеющей 15 градаций, целесообразно изучать при помощи r-Спирмена (τ-Кендалла)

  37. Гипотезу о взаимосвязи 2-х количественных переменных, имеющих заметные выбросы (асимметрии) целесообразно проверять при помощи r-Спирмена, τ-Кендалла

  38. Для проверки гипотезы о взаимосвязи одной метрической переменной и двух номинативных переменных целесообразно применять: дисперсионный анализ (многофакторный ANOVA)

  39. Для проверки гипотезы о взаимосвязи одной метрической переменной и одной номинативной переменных с 3 и более значениями целесообразно применять: ANOVA однофакторный

  40. Для проверки гипотезы о взаимосвязи одной метрической переменной и трех номинативных переменных целесообразно применять: многофакторный ANOVA

  41. Но об идентичности зависимых выборок по уровню выраженности переменной, измеренной в ранговой шкале (при α = 0,05) отклоняется, если: вилкоксон p≤0,05

  42. Но об идентичности независимых выборок по уровню выраженности переменной, измеренной в ранговой шкале (при α = 0,05) отклоняется, если: манна-уитни p≤0,05

  43. Но об идентичности зависимых выборок по уровню выраженности переменной, измеренного в метрической шкале (при α = 0,05) отклоняется, если: стьюдента p≤0,05

  44. Но об идентичности независимых выборок по уровню выраженности переменной, измеренного в метрической шкале (при α = 0,05) отклоняется, если: стьюдент p≤0,05

  45. Но об отсутствии взаимосвязи двух номинативных переменных (при α = 0,05) отклоняется, если: хи квадрат p≤0,05

  46. Но об отсутствии взаимосвязи двух номинативных переменных (при α = 0,05) не отклоняется, если: хи квадрат p>0,05

  47. Но об отсутствии взаимосвязи двух порядковых переменных (при α = 0,05) не отклоняется, если: тау p>0,05

  48. Но об отсутствии взаимосвязи двух порядковых переменных (при α = 0,05) отклоняется, если: r-Спирмена или тау p≤0,05

  49. Статистическая гипотеза Но о равенстве двух средних значений (N1=60; N2=70) не отклоняется (при α = 0,01), если: стьюдента p>0,01

  50. Но об отсутствии различий двух распределений номинативного признака отклоняется (при α = 0,05), если: хи квадрат p≤0,05

  51. Но об отсутствии различий дисперсий двух независимых выборок (при α = 0,05) отклоняется, если: фишер p≤0,05

  52. Но об отсутствии различий дисперсий двух независимых выборок (при α = 0,05) не отклоняется, если: фишер p>0,05

  53. Статистическая гипотеза Но о равенстве двух средних значений (N1=60; N2=70) отклоняется (при α = 0,01), если: стьюдент p≤0,01

  54. Статистическая гипотеза Но о корреляции двух переменных (N = 18) отклоняется (при α = 0,01), если: p≤0,01

  55. Статистическая гипотеза Но о корреляции двух переменных (N = 18) не отклоняется (при α = 0,01), если: p>0,01

  56. Если при сравнении 2-х средних при помощи компьютера получен следующий результат: t=2,48; p=0,045, то различие между соответствующими группами по измеренному признаку (при α = 0,05) – статистически достоверно

  57. Если при сравнении 2-х средних при помощи компьютера получен следующий результат: t=2,56; p=0,036 (α = 0,05), то различие между соответствующими группами по измеренному признаку - статистически достоверно

  58. Если при вычислении корреляции на компьютере получен результат: r34=0,49; p=0,11, то взаимосвязь между перменными 3 и 4 (при α = 0,05): статистически не достоверно


Часть 2


  1. Взаимодействие факторов в дисперсионном анализе обозначает, что влияние одного из этих факторов на зависимую переменную зависит от уровней другого фактора.

  2. Взаимодействие факторов «Пол» и «Группа» в ANOVA обозначает, что различия между группами проявляются по-разному в зависимости от пола.

  3. Отсутствие взаимодействия факторов в дисперсионном анализе обозначает, что влияние одного из этих факторов на зависимую переменную не зависит от градаций другого фактора.

  4. ANOVA предполагает предварительную проверку на равенство дисперсий при неравной численности выборок

  5. Средний квадрат (MS) в ANOVA это частное от деления суммы квадратов на соотв.число степеней свободы (SS/df).

  6. В ANOVA межгрупповая SS это разность общей SS и внутригрупповой SS.(показатель изменчивости между к-группами)

  7. В ANOVA внутригрупповая SS это разность общей SS и межгрупповой SS (разность общей и межгрупповой дисперсии).

  8. В ANOVA внутригрупповая (случайная) сумма квадратов вычисляется как: разность общей и межгрупповой дисперсии.

  9. Стандартная таблица результатов ANOVA содержит следующую последовательность столбцов : Источник, SS, df, MS, F, p.

  10. ANOVA предполагает следующую последовательность вычисления показателей: SS, df, MS, F, p.

  11. Коэффициент детерминации (R2, RSQ) в дисперсионном анализе это отношение межгрупповой SS к общей SS (доля общей дисперсии зависимой переменной, обусловленная влиянием фактора).

  12. Для проверки равенства (гомогенности) дисперсий в ANOVA применяется критерий Ливена

  13. Перед проведением ANOVA с неравной численностью выборок необходимо проверить гомогенность дисперсий с помощью критерия Ливена

  14. Для множественного сравнения средних в рамках дисперсионного анализа не применяют Т-Стьдента.

  15. Для множественного сравнения средних в рамках дисперсионного анализа применяют Post Hoc, Шеффе, контрастов

  16. Метод множественного сравнения средних который требует (не требует) предварительного получения статистически значимого результата дисперсионного анализа это метод Post Hoc (и его разновидности, в т.ч. Шеффе) (Не требует - метод контрастов).

  17. Метод Post Hoc – это метод парного сравнения средних (после отклонения нулевой гипотезы).

  18. Метод контрастов – это метод сравнения различных комбинаций средних (для оценки различий между сочетаниями средних значений для разных уровней фактора)

  19. В ANOVA F-отношение – это частное от деления: межгруппового MS на внутригрупповой MS.

  20. При помощи 4-факторного ANOVA проверяется: 15 гипотез

  21. Сколько гипотез о взаимодействии проверяется при помощи 4-факторного ANOVA: 11

  22. Ковариата в дисперсионном анализе это количественный фактор.

  23. Многомерный дисперсионный анализ предназначен для изучения влияния факторов на множество зависимых переменных.

  24. Модель многомерного дисперсионного анализа включает одномерный и многомерный этапы (или: несколько* факторов и многомерную зависимую переменную).

*(насчет существования варианта MANOVA с одним факторои не уверен, пусть будет несколько факторов)

  1. Многомерный этап многомерного дисперсионного анализа предполагает проверку гипотез о влиянии факторов на всю совокупность зависимых переменных .

  2. Многомерные критерии След Пиллая и Лямбда Вилкса применяются в многомерном дисперсионном анализе для проверки гипотез о влиянии факторов (и их взаимодействия) на многомерную зависимую переменную.

  3. Аналогом критерия Ливина в многомерном дисперсионном анализе (на многомерном этапе) является – М тест Бокса

  4. Если применение критерия М-Бокса дает статистически достоверный результат, то многомерный дисперсионный анализ не применим.

  5. Одномерный этап многомерного дисперсионного анализа проводится для детализации статистически достоверных результатов многомерных тестов, для проверки гипотез о влиянии факторов на каждую зависимую переменную.

  6. Дисперсионный анализ с повторными измерениями позволяет изучать влияние на зависимые переменные внутригруппового и межгруппового факторов.

  7. Внутригрупповым (ВГ) и межгрупповым (МГ) факторам в дисперсионном анализе с повторными измерениями соответствуют выборки: зависимые и независимые (не перепутайте порядок!). (зависимые ВГ могут обозвать повторными измерениями, что верно, но МГ — не повторные измерения!)

  8. Сходство этих двух многомерных методов заключается в том, что анализируются различия (сходства) между объектами: кластерный и шкалирование.

  9. Сходство этих двух многомерных методов заключается в их назначении – классификации объектов: кластерный и дискриминантный.

  10. Сходство этих двух многомерных методов заключается в их назначении – предсказании значений зависимой переменой: регрессионный и дискриминантный.

  11. Сходство этих двух многомерных методов заключается в их назначении – анализе структуры с целью выделения латентных переменных: факторный и шкалирование.

  12. Различие этих двух многомерных методов заключается в том, в какой шкале представлена зависимая переменная (в первом – метрическая, во втором – номинативная): регрессионный и дискриминантный.

  13. Различие этих двух методов классификации заключается в том, что в первом задано число классов и принадлежность некоторых объектов к этим классам, а во втором – не задано ни то ни другое: дискриминантный и кластерный.

  14. Сходство этих двух многомерных методов заключается в том, что анализируются корреляции между признаками: регрессионный и факторный.

  15. Часть дисперсии «зависимой» переменной, обусловленная влиянием «независимых» переменных – это коэффициент множественной детерминации R2 (в многомерное регрессионном анализе)

  16. Если независимая переменная х в множественном регрессионном анализе коррелирует с другими независимыми переменными, то ее вклад в дисперсию зависимой переменной меньше r2xy

  17. Если независимая переменная х в множественном регрессионном анализе не коррелирует с другими независимыми переменными, то ее вклад в оценку зависимой переменной равен r2xy.

  18. Если в многомерном регрессионном анализе (y – зависимая переменная, x1, x2 – независимые переменные) r12=0,4; r1y = 0,8; r2y = - 0,5; β1 = 0,5; β2 = - 0,2, то коэффициент множественной детерминации R2 равен: 0,5*0,8+(-0,2)*(-0,5)=0,5

  19. Метод «полной связи» («дальнего соседа») в кластерном анализе, по сравнению с методом «одиночной связи» («ближайшего соседа») дает большее количество мелких кластеров.

  20. Метод «средней связи» (СС) по сравнению с методами «дальнего соседа» (ДС) и «ближнего соседа» (БС) обычно позволяет получить число кластеров: среднее между БС и ДС (и более точные результаты классификации).

  21. Иерархический кластерный анализ за (N – 1) шагов кластеризации (N – число объектов кластеризации) дает объединение: всех объектов

  22. Статистическая значимость вклада каждой переменной в различении классов определяется по критерию F-Фишера (по модели дисперсионного анализа). (если такого варианта нет, то - структурным коэффициентом канонической функции — хотя это и не совсем верно будет)

  23. Показателем принадлежности объекта к классу является апостериорная вероятность в дискриминантном анализе (расстояние до центроида).

  24. Основной мерой качества решения в многомерном шкалировании является стресс (RSQ тоже мера, но не основная).

  25. Несколько матриц различий одновременно позволяет анализировать а)взвешенная модель индивидуальных различий (в многомерном шкалировании) или:

б) групповое психологическое пространство стимулов в осях общих для данной группы существенных признаков (+индивидуальные веса признаков)

  1. Критерий Кайзера λ > 1 применяют для оценки числа факторов по графику собственных значений.

  2. Для предварительной оценки числа факторов в факторном анализе используют график собственных значений (критерии Кеттела, Кайзера).

  3. Величина факторной нагрузки данной переменной по данному фактору свидетельствует о взаимосвязи этой переменной с фактором.

  4. Квадрат факторной нагрузки переменной по данному фактору есть величина доли дисперсии переменной, обусловленной этим фактором.

  5. Общность в факторном анализе это доля дисперсии переменной, обусловленная действием общих факторов (общим действием факторов).

  6. Какая из перечисленных проблем решается исследователем в процессе проведения факторного анализа: проблема количества факторов (проблема вращения, проблема общности и метода факторизации, проблема интерпретации факторов, проблема оценки значений факторов (для объектов)

  7. Какая из перечисленных проблем не решается в процессе проведения факторного анализа. Проблема интерпретации переменных (любая кроме перечисленных в предыдущем вопросе)

  8. Слева внизу перечислены проблемы факторного анализа. Выберите справа вариант, соответствующий правильной последовательности решения этих проблем (варианты переформулированы на более вероятные!). .

1) проблема вращения

2) проблема общности и метода факторизации

3) проблема числа факторов

4) проблема оценки значений факторов (для объектов)

5) проблема интерпретации факторов

3 2 1 5 4



  1. Слева внизу перечислены шаги факторного анализа. Выберите справа вариант, соответствующий правильной их последовательности (варианты переформулированы на более вероятные!).

1) вращение

2) вычисление корреляционной матрицы

3) выбор и задание метода факторизации

4) решение проблемы числа факторов после компонентного анализа

5) оценка значений факторов (для объектов)

6) интерпретация факторов

2 4 3 1 6 5


Слева приведена таблица факторных нагрузок после вращения. Задания (номера в скобках и варианты ответов) – справа (варианты переформулированы на более вероятные!).




Факторы

(71) Факторы следует интерпретировать:

а) F1 – по переменной 3, 4; F2 – по переменным 1,2, 3

б) F1 – по переменным 2, 4; F2 – по переменным 1,3

в) F1 – по переменным 2, 3; F2 – по переменным 1,2,3

г) F1 – по переменным 4; F2 – по переменным 1, 3

(72) Общность переменной № 4 равна:

а) 0,60 б) 0,80 в) 0,50 г) 0,48

(73) Какой фактор более мощный (по доли дисперсии):

а) F1 б) F2 в) они равны г) оба незначительны


(74) Чему равен восстановленный коэффициент корреляции r24

а) -0,53 б) 0,45 в) 0,53 г) 0,65




F1

F2

1

0,1

0,9

2

-0,7

0,4

3

-0,4

0,8

4

0,7

-0,1