analisi 1

L’analisi fattoriale esplorativa può portare a soluzioni sovradimensionate, in cui il numero di dimensioni latenti stimate (spazio semantico fenotipico) supera quello delle dimensioni che obiettivamente strutturano le risposte manifeste (spazio semantico genotipico). Ciò può accadere perché: gli item utilizzati hanno un legame parabolico con i costrutti che intendono misurare. nessun item è un item. il numero di item è eccessivo. l'unicità di ciascun item è scarsa.

tra le tecniche di scaling, il MDS lavora su dati elementari di tipo. C1. D1. C2. D2.

In un modello di regressione lineare multipla l’ipotesi nulla del test T associato a ciascuna variabile indipendente è: BK=0. BK>0. BK=Bmedio.

i criteri di valutazione di una soluzione che si riferiscono ad un singolo parametro sono definiti: criteri locali. test di specificazione. criteri globali. test di fedeltà.

Si consideri la parsimonia relativa: π= P/P = (Cmax-C)/(Cmax-Cmin). Nel caso di un modello la precedente scrittura equivale a: DFd-DFm/DFd-1. DFM-DFD/DFM-1. DFE-DFM/DFE-1. DFD-DFM/DFE-1.

Da quali matrici è costituito il nucleo della soluzione di un modello di analisi fattoriale con rotazione obliqua. 𝛬^, 𝛺^. 𝛬^, 𝜑^, 𝛺^. 𝜑^, 𝛺^. 𝛬^.

Nell'algoritmo Ascal il livello di scala dell'input e ordinale la trasformazione ammessa per la mappa è. una trasformazione monotono crescente. una dilatazione. una trasformazione biunivoca. una trasformazione lineare.

Il valore di probabilità associato al test F di un’ANOVA è pari a 0.003. Avendo fissato un valore di α=0,05,quale delle seguenti affermazioni è vera?. C'è evidenza statistica che le medie delle popolazioni non siano tutte uguali tra loro. Le due varianze a numeratore e a denominatore del test sono uguali. L'ipotesi nulla del test f deve essere accettata. Non c'è evidenza statistica che le medie della popolazione differiscano tra loro.

Il valore di probabilità associato al test F di un’ANOVA è pari a 0.30. Avendo fissato un valore di α=0,05, quale delle seguenti affermazioni è vera?. C'è evidenza statistica che le medie delle popolazioni non siano tutte uguali tra loro. le due varianze a numeratore e a denominatore del test sono uguali. L'ipotesi nulla del test f deve essere rifiutata. Non c'è evidenza statistica che le medie della popolazione differiscano tra loro.

nell'analisi fattoriale le saturazioni (factor loading) rappresentano le relazioni tra. le variabili manifeste. le variabili latenti. nessuna delle risposte. le variabili manifeste e le variabili latenti.

nell'analisi della varianza l'assunto di omoschedasticità si riferisce. All'uguaglianza delle varianze delle distribuzioni locali della y. Alla normalità delle distribuzioni locali della y. All'uguaglianza delle medie delle distribuzioni locali della y. All'indipendenza delle distribuzioni locali della y.

che cos'è la traccia di una matrice quadrata. È il prodotto degli elementi posti sulla diagonale principale. È la somma degli elementi posti sulla diagonale secondaria. È la somma degli elementi posti sulla diagonale principale. È la somma di tutti gli elementi della matrice.

In un modello fattoriale la presenza della matrice C (Factor score coefficients) consente di. Valutare la relazione tra le variabili latenti. Valutare la relazione tra le variabili manifeste e le variabili latenti. Stimare punteggi individuali sui fattori latenti. Stimare i punteggi individuali sulle variabili manifeste.

Un modello di regressione ha prodotto i seguenti risultati qual è la variabile indipendente che influisce maggiormente y. (guardare beta più alto). x3. x2. x4. x5.

Una struttura dei dati si dice elementare se è. a una via e senza alcun condizionamento. A due vie, con entrate singole e linee per mutabili. Primitiva. In forma standard, con entrate multiple.

Indicare il numero di ancore o punti fissi presenti in una scala di intervalli. zero. due. infinito. uno.

In un modello di regressione lineare multipla l’R^2 ha assunto un valore pari a 1. Cosa si può concludere?. Il modello è ottimo. il risultato dipende dalle errore accidentale. Il modello è sovra specificato. La varianza è uguale a quella delle errore.

Una matrice è definita row conditional se. Autorizza i confronti solo all'interno delle colonne. Autorizza i confronti solo all'interno delle righe. Non autorizza alcun tipo di controllo. Autorizza i confronti sia all'interno delle righe sia all'interno delle colonne.

In una ANOVA fattoriale come viene chiamato l’effetto di una variabile indipendente categoriale sulla variabile dipendente?. diretto. principale. di interazione. indiretto.

Una scala di differenze, per cui vale la trasformazione ammissibile y’=y+a ha un dominio compreso tra: 0 + infinito. -1 +1. - infinito + infinito. 0 + infinito.

Una matrice identità è una matrice che contiene. Tutti 1. Tutti 0 sulla diagonale principale e tutti 1. tutti 1 sulla diagonale principale e tutti 0 altrove. tutti 1 sulla diagonale principale e sia sulla diagonale secondaria.

un test di specificazione. Controlla l'ipotesi di interdipendenza lineare tra le variabili incluse in un modello. Misura lo scarto tra i dati osservati e quelli riprodotti. Verifica se la soluzione cambia in modo prevedibile dopo aver sottoposto il bersaglio a una trasformazione ammissibile. Permette di stabilire se lo spostamento tra y e 'y' può essere imputabile al caso.

Nella soluzione di un'analisi fattoriale la matrice phi contiene. La correlazione tra le variabili manifeste e i fattori latenti comuni. La correlazione fra i fattori latenti unici. La correlazione fra il fattori latenti comuni e i fattori latenti unici. la correlazione tra I fattori comuni.

in un modello di regressione lineare multipla il test inferenziale che ha la seguente ipotesi nulla è (h0:b1=b2=b3.... =0). un test z. un test t. un test f. nessuna delle risposte indicate.

In una analisi della varianza fattoriale 3x3 i parametri espliciti del modello saturo sono paria. 15. 9. 6. 16.

Il punto di partenza dell'analisi fattoriale è. La matrice di correlazione. Nessuna delle risposte. La matrice di correlazione tra gli indicatori manifesti. La matrice di correlazione tra gli indicatori manifesti e i fattori latenti.

nello scaling non metrico, versione Ascal, la formula corrisponde a. il nucleo della soluzione. indice di stress. indice di S- stress. indice di R^2.

In modo puramente formale qualsiasi tecnica di analisi dei dati può essere rappresentata nel modo seguente m(X) = Y = Y^ = r (N,S). Quando la mappa della tecnica è banale e il supporto non esiste siamo in presenza di una: Proiezione a bersaglio fisso. autoproiezione a bersaglio mobile. proiezione a bersaglio mobile. autoproiezione a bersaglio fisso.

La formula della parsimonia relativa di una soluzione di Ascal è la seguente: I termini RH+F fanno riferimento a?. vincoli. parametri liberi. dati indipendenti. parametri espliciti.

nello scaling non metrico, versione Ascal, il nucleo della soluzione è costituito da. un vettore che contiene i parametri della mappa m(X). una matrice Yrxr di prossimità trasformate in disparità. una matrice di coordinate Zrxh e un vettore che contiene i parametri della mappa m(X). una matrice di coordinate Zrxh.

nella scala di regressione multipla, il coefficiente di determinazione R^2 assume valori compresi tra. 1 < R^2 < 0. -1 < R^2 < 1. 0 < R^2 < +1. 0 < R^2 < + infinito.