ANALISI

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. nessuno degli 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: D1. C2. D2. C1.

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: test di specificazione. criteri locali. test di fedeltà. criteri globali.

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). (DFD-DFM)/(DFE-1). (DFM-DFE)/(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 quando il livello di scala dell’input è ordinale la trasformazione ammessa per la mappa è: una trasformazione monotono crescente. una dilatazione. una trasformazione biunivoca. una trasformazione affine.

l 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 denominatore del test sono uguali. ’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 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 loadings) rappresentano la relazione 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 i 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 su Y?. x5. x4. x3. x2.

Una struttura dei dati si dice elementare se è. a una via, senza alcun condizionamento. a due vie, con entrate singole e linee permutabili. primitiva. in forma standard, con entrate multiple.

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

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 dall’errore accidentale. il modello è sovra specificato. la varianza spiegata è uguale a quella di 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 sullavariabile dipendente?. diretto. principale. 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 sulla diagonale principale sia sulla diagonale secondaria. tutti 1. tutti 0 sulla diagonale principale e tutti 1 altrove. tutti 1 sulla diagonale principale e tutti 0 altrove.

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 scostamento 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 tra i fattori latenti comuni e fattori latenti unici. la correlazione tra i fattori latenti comuni.

Nell’algoritmo Alscal quando il livello di scala dell’input è ordinale la trasformazione ammessa per la mappa è: trasformazione monotona crescente. una dilatazione. una trasformazione biunivoca. una trasformazione affine.

In un modello di regressione lineare multipla il test inferenziale che ha la seguente ipotesi nulla è: un test z. un test T. un test F. nessuna delle risposte.

In un’analisi della varianza fattoriale 3x3 i parametri espliciti del modello saturo sono pari a. 15. 9. 6. 16.

Il seguente grafico rappresenta dei residui di regressione e segnala: l’omissione di un termine quadratico. la violazione dell’assunto di omoschedasticità. . il rispetto degli assunti. la presenza di outliers (valori eccentrici).

il punto di partenza dell'analisi fattoriale è. la matrice di correlazione. nessuna delle risposte indicate. 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. l'indice stress. l'indice S-stress. l'indice R^2.

n 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 nonesiste siamo in presenza di una: proiezione a bersaglio fisso. proiezione a bersaglio mobile. autoproiezione a bersaglio fisso. autoproiezione a bersaglio mobile.

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

Uno psicologo dello sviluppo utilizza un’analisi della varianza 3x2 per stabilire se il numero di problemi risolti è influenzato dal tipo di rinforzo (lode, critica, silenzio) e dal livello del compito (semplice, complesso). Sulla base dei risultati riportati nella tabella quale è il contributo del fattore compito alla varianza spiegata totale?. 67,3%. 30,1%. 33,6 %. 44,5 %.

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.

Nell’ambito dell’analisi fattoriale, il principio di struttura semplice prevede che: in ogni colonna della matrice di saturazione (A), si debba osservare una sola saturazione diversa da 0. in ogni riga della matrice di saturazione (A), si debba osservare una sola saturazione sostanziale. in ogni riga della matrice di saturazione (A), si debba osservare una sola saturazione di segno positivo. in ogni riga della matrice di saturazione (A), si debba osservare una sola saturazione diversa da 0.

Il Multidimantional Unfolding è tipicamente utilizzato per analizzare dati di tipo: c1. c2. cc1. d2.

Quale tra i seguenti è un corretto esempio di struttura elementare di tipo M?. la matrice, o tabella, di contingenza multipla (con K=n variabili > 2). la matrice di Burt. la supermatrix di Cattell. la matrice CasiXVariabili.

Nella soluzione dell’algoritmo Indscal la matrice W contiene: le coordinate dello spazio comune. le salienze individuali. le coordinate dello spazio individuale. nessuna delle risposte precedenti.

Una sola delle seguenti affermazioni è corretta. Quale?. il numero dei fattori comuni è uguale al numero di variabili osservate. il numero dei fattori unici è uguale al numero di variabili osservate. il numero di correlazioni riprodotte è uguale al numero di variabili osservate. il numero di saturazioni, o factor loadings, è uguale al numero di fattori comuni.

In un disegno ANOVA a due vie, cioè con due fattori di trattamento X1 e X2, i termini di trattamento possono essere calcolati mediante doppia centratura della matrice M, ovvero. MINT=M-MR-MC-MG. MINT=MG-MC. MINT=M-MR-MC. MINT=M-MR-MC+MMG.

Il nucleo della soluzione di un algoritmo di scaling multidimensionale (ad esempio ASCAL) è costituito da: a. una matrice di distanze tra oggetti OxO. b. una matrice di coordinate di oggetti OxH. c. una matrice di coordinate di individui NxH. d. una matrice di disparità tra oggetti.

Nello scaling multidimensionale eseguito con ALSCAL il bersaglio viene trasformato attraverso una mappa. Se operiamo diverse trasformazioni, via via più flessibili, possiamo attenderci che: lo stress aumenti. R^2 resti invariato. lo stress diminuisca. R^2 diminuisca.

n un modello ANOVA a due vie, cioè con due fattori (X1 e X2) rispettivamente con 3 e 2 livello di trattamento, viene applicato su 80 partecipanti. Pertanto: I=3, J=2, N=80. Indicare il numero di gradi di libertà dell’errore: 75. 79. 6. 74.

Immagini di aver svolto tre diversi piani sperimentali, ciascuno con due fattori di trattamento (A e B) a due livelli (1, 2). I risultati in termini di medie sono rappresentati nelle figure. In quali figure presentate è riconoscibile l’effetto principale del trattamento B: figura 1 e figura 3. figura 1, 2 e 3. figura 2 e 3. figura 1 e 2.

Una tecnica di analisi dei dati può essere valutata attraverso diversi criteri, universali e contingenti. Il criterio della correttezza di riferisce: alla qualità di una soluzione che realizza il miglior compromesso possibile tra adattamento e parsimonia. alla determinatezza della soluzione, che resta tale anche sostituendo una o più linee della matrice di input. alla fedeltà della soluzione, valutata in base alla tendenza degli stimatori di produrre un nucleo della soluzione che tendenzialmente assume i valori veri dei parametri del processo che genera i dati. all’invarianza della soluzione per permutazione delle linee della matrice input.

Completare la seguente frase indicando la parte mancante: «Il criterio dei Minimi Quadrati Ordinari che conduce alla stima dei parametri (‘b’0, ‘b’1, ‘b’2,…, ‘b’k) del modello di regressione lineare ha come scopo quello di rendere ------------ fra valori osservati della y e quelli riprodotti»: minimo lo scarto quadratico medio. minima la differenza dei quadrati degli scarti. minimo il prodotto dei quadrati degli scarti. minima la somma dei quadrati degli scarti.

Nella valutazione di una soluzione di analisi fattoriale, il REPR è: la percentuale di celle della matrice di correlazione in cui lo scarto (in modulo) tra correlazioni osservate e riprodotte è maggiore di 0,05. la percentuale di celle della matrice di correlazione in cui lo scarto (in modulo) tra correlazioni osservate e riprodotte è minore di 0,05. la percentuale di celle della matrice di correlazione osservata in cui i valori (in modulo) sono inferiori a 20. la percentuale di celle della matrice di correlazione tra i fattori latenti in cui i vaori (in modulo) sono inferiori a 0,20.

I gradi di libertà di un modello (DFM) sono pari: alla somma dei gradi di libertà dei dati (DF0) e dei gradi di libertà dell’errore (DF). alla differenza tra il numero di parametri espliciti presenti nella soluzione e il numero di vincoli cui sono soggetti. al numero di dati dipendenti presenti nell’input. alla somma tra il numero di parametri espliciti presenti nella soluzione e il numero di vincoli cui sono soggetti.

Si consideri il modello di regressione lineare: yn = b0 + b1x1 + b2x2 + ∂n. Una sola delle seguenti affermazioni relative al termine b0 della precedente equazione è corretta. Quale?. corrisponde al valore atteso di y quando tutte le variabili indipendenti sono uguali a 0. viene detto «coefficiente angolare» della retta di regressione. rappresenta l’inclinazione della retta di regressione. deve essere sempre maggiore di 0.

Nel grafico sono rappresentati in ordinata i residui (standardizzati) e in ascissa i valori riprodotti (o predetti) della variabile dipendente (y) relativi alla stima di un modello di regressione lineare. Questo grafico suggerisce: la presenza di non linearità. la presenza di eteroschedasticità. il rispetto degli assunti. la presenza di casi estremi (outliers).

Il nucleo della soluzione di un modello di analisi fattoriale è: a matrice di correlazione tra gli indicatori manifesti. la matrice di correlazione tra i fattori latenti. la matrice di correlazione fra fattori latenti e i fattori manifesti. nessuna delle risposte precedenti.

La tavola riassume le stime dei coefficienti di un modello di regressione multipla con 6 variabili indipendenti o esplicative. Quale variabile indipendente contribuisce maggiormente a determinare la variabile dipendente?. carico di lavoro. genitore. riconoscimento. significato del lavoro.

La tabella mostra i risultati di un modello ANOVA fattoriale. Indicare il numero di livelli per ciascun trattamento, il numero di gruppi e il numero di soggetti coinvolti nell’esperimento. 2,1,2,59. 3,2,60. 3,2,6,60. 2,1,59.

La tabella mostra i risultati di un modello ANOVA fattoriale. Calcolare Eta quadro per l’intero modello e Eta quadro parziale per il fattore A. 0,712 e 0,331. 49,400 e 57,35. 26,676 e 30,969. . 0,114 e 0,534.

Una struttura elementare priva di variabili e antisimmetrica può essere soltanto una matrice di. c. p. m. d.

La tabella mostra i risultati di un modello ANOVA fattoriale. Calcolare la parsimonia relativa. 59. 54. 0,9666. 0,9515.

In forma discorsiva, nel modello ANOVA l’ipotesi nulla del test F è. La varianza between è maggiore della varianza within. Almeno una delle differenze tra le medie dei gruppi è diversa da zero. Le differenze tra le medie dei gruppi sono pari a zero. Tutte e differenze tra le medie dei gruppi sono diverse da zero.

Nel valutare una tecnica di analisi dei dati, l’aspettativa E(Y*) = Y* sorregge il criterio di: Equifinalità. Ammissibilità. Correttezza. Determinatezza.

La tabella mostra i risultati di un modello ANOVA fattoriale. Calcolare ETA quadro per l’intero modello e per il solo fattore A. 0,320 e 1,229. 0,320 e 0,0394. 0,679 e 0,394. 2,118 e 1,229.

Per valutare la soluzione di uno schema di analisi multivariata possiamo utilizzare: Adattamento, parsimonia e fedeltà. Adattamento, parsimonia e indici di relazione tra variabili. Rendimento, fedeltà, specificazione assoluta e relativa. Fedeltà, specificazione assoluta e relativa.

Nella scissione di un modello, la componente Δ sta ad indicare: Un errore casuale. Lo scarto aritmetico tra Y e Y*. Un errore sistematico. La deviazione di Y da Y / una fluttuazione accidentale che perturba la realizzazione di Y.

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’indipendenza delle distribuzioni della y. All’uguaglianza delle medie delle distribuzioni locali della y.

Il determinante della matrice Q è pari a: |6 12 | |3 6 |. 12. 15. 0. 27.

La tavola riassume le stime dei coefficienti di un modello di regressione. Qual è la lettura delparametro Beta associato alla variabile indipendente “carico di lavoro”. Il carico di lavoro aumenta di 0,260 deviazioni standard la media generale del Cinismo. Il carico di lavoro aumenta di 0,260 punti lo score del Cinismo. Il carico di lavoro aumenta di 0,260 la media generale del Cinismo. il carico di lavoro aumenta di 0,260 deviazioni standard lo score del Cinismo.

Per costruzione, in una AFE il valore medio di un fattore latente è pari a: la media delle correlazioni tra le variabili manifeste. zero. uno. la media delle variabili manifeste.

Viene denominata “illimitata” una scala: con due ancore laterali a -∞ e +∞. priva di ancore. con una sola ancora laterale sinistra. con una sola ancora centrale.

La matrice A contiene le saturazioni di un modello AFE con due fattori latenti. Come possiamo valutare la soluzione?. è una buona soluzione fattoriale, in cui gli item sono tutti i marker. è una buona soluzione fattoriale, anche se alcuni item sono in condominio. è una soluzione fattoriale degenere. è un’ottima soluzione obliqua.

Nell’MDS la flessibilità della mappa per una dilatazione dell’input è pari a: L. 2. H. 1.

Quante sono le variabili coinvolte in un’analisi della varianza fattoriale 4*3: 2. 7. 3. 12.

In un modello di regressione la parsimonia relativa è data da: N + (K-1)/N-1. N - (K+1)/N-1. N + (K+1)/N-1. N - (K-1)/N-1.

I GdL M del modello sono pari: al numero di vincoli. al numero di parametri espliciti. alla differenza tra parametri espliciti e vincoli. alla differenza tra parametri liberi ed espliciti.

In un modello ANOVA la parsimonia assoluta è: N + (IJ - 1). N - (I X J). N - (IJ - 1. N + (I + J).

Calcolare il determinante della matrice A: |1 3| |4 5|. 6. 7. -7. 5.

Un modello ANOVA a due vie, cioè con due fattori (X1 e X2) rispettivamente con 3 e 2 livelli di trattamento, viene applicato su 100 partecipanti. Pertanto: I=3, J=2, N=100. Indicare il numero di gradi di libertà dell’errore: 99. 6. 95. 94.

L’analisi fattoriale «ibrida» è una tecnica con architettura di tipo: IV. II. I. III.

In un modello di regressione la parsimonia assoluta è data da: N + (K + 1). N - (K + 1). N - (K - 1). N + (K - 1.

Nello scaling multidimensionale eseguito con ALSCAL il bersaglio viene trasformato attraverso una mappa. Se operiamo diverse trasformazioni, via via più flessibili, possiamo attenderci che: lo stress aumenti. lo stress resti invariato. R^2 aumenti. R^2 rimanga invariato.