Jaka jest ilość istotnych efektów głównych w analizie wariancji 2x2x3?
3
Jaka jest maksymalna ilość istotnych interakcji w analizie wariancji 2x2x3?
4
Jaka jest maksymalna ilość prostych efektów głównych badaniu 2x4?
6
Ile grup występuje w badaniu 2x3x3(bez powtarzanych pomiarów)?
18
Wzór wyników wskazuje na wystąpienie:
|
Niska frustracja |
Wysoka frustracja |
Niski lęk |
3,5 |
6 |
Wysoki lęk |
6 |
3,5 |
istotnego efektu interakcji
Wzór wyników wskazuje na wystąpienie:
|
Niska frustracja |
Wysoka frustracja |
Niski lęk |
3,5 |
7 |
Wysoki lęk |
6 |
4,5 |
istotnego efektu głównego frustracji oraz istotnego efektu interakcji
Wzór wyników wskazuje na wystąpienie:
|
Niska frustracja |
Wysoka frustracja |
Niski lęk |
3,5 |
5 |
Wysoki lęk |
7 |
8,5 |
A istotny efekt główny frustracji i istotny efekt główny lęku
B istotny efekt główny lęku i istotny efekt interakcji
C istotny efekt główny frustracji i istotny efekt interakcji
D istotny efekt główny frustracji, lęku i interakcji
Jaka jest ilość df ef. gł. w analizie wariancji 2x2?
1
Dodatkowa analiza zmierzająca do oszacowania istotności i kierunku prostych efektów głównych zalecana jest w przypadku stwierdzenia w analizie wariancji:
A jednego lub więcej istotnych efektów głównych
B istotnych interakcji dwóch zmiennych
Dodatkowa analiza zmierzająca do oszacowania istotności i wzoru interakcji prostych zalecana jest przypadku stwierdzenia w analizie wariacji:
A więcej niż jednego istotnego efektu głównego
B więcej niż jednej istotnej interakcji dwóch zmiennych
C istotnej interakcji trzech zmiennych
Wydruk analizy wariancji dla danych z powtarzanymi pomiarami zawiera 8 oszacowań wartości F dla każdego efektu. Oszacowania te są zawsze identyczne gdy:
A jest tylko jedna zmienna niezależna
B żadna ze zmiennych niezależnych nie występuje na więcej niż dwóch poziomach
W analizie wariancji dla danych z powtarzanymi pomiarami założenie o sferyczności nie musi być spełnione gdy:
A żadna ze zmiennych niezależnych nie występuje na więcej niż dwóch poziomach
B stosowane jest rozwiązanie wielozmiennowe
C stosowany jest test Huynh-Feldta, Greenhouse-Geissera lub Lower-band
D wszystkie odpowiedzi są prawidłowe
Tabela zawiera wyniki eksperymentu 2x2x2 nad wpływem zmiennych niezależnych AxBxC na zmienną zależną. Liczby dotyczą średniego poziomu zmiennej zależnej w ośmiu grupach. Jeśli założyć istotność wszystkich występujących różnic to przedstawiony wzór wyników wskazuje na wystąpienie:
A1 A2
|
B1 |
B2 |
|||
C1 |
10 |
24 |
|||
C2 |
24 |
10 |
|||
|
B1 |
B2 |
|||
C1 |
24 |
10 |
|||
C2 |
10 |
24 |
A istotnych efektów głównych zmiennych A, B, C
B istotnych interakcji AxBxC
C istotnych efektów głównych zmiennych A, B, C oraz istotnej interakcji AxBxC
D żadna odpowiedź nie jest poprawna
W którym schemacie badania wystąpić mogą istotne interakcje (sprawdzić to pytanie)
A 2x2
B 2x3
C 2x2x3
D wszystkie
W analizie kowariancji:
A współzmienna musi być skorelowana ze zmienną zależną
Analiza kowariancji stosowana jest zamiast analizy wariancji gdy chcemy:
A zmniejszyć błąd losowy
B statystycznie wyrównać wyjściowe różnice między grupami
C zmniejszyć błąd losowy lub/i statystycznie wyrównać wyjściowe różnice między grupami
Metoda głównych składowych to jedna z metod należących do rodziny:
A w analizie czynnikowej
W równaniu regresji jeśli korelacja między zmienną przewidywaną Y a predykatorem X wynosi 0 i jeśli nie ma innych predyktorów to wartość zmiennej przewidywanej Y równa się:
A średniej Y
B średniej X
C 0
Gdy zmienna X, której chcemy użyć jako predyktora w równaniu regresji mierzona jest na skali nominalnej i ma więcej niż 2 poziomy konieczne jest jej przekształcenie na kilka nowych predyktorów, z których każdy ma tylko 2 poziomy (dummy coding). Ile takich nowych prektorów musimy utworzyć w przypadku, gdy zmienna ma 5 poziomów:
A 4 (zawsze o jeden mniej)
Badacz interesuje się zależnością między płcią studenta, płcią wykładowcy a preferencją do siedzenia na wykładzie w przedniej lub tylnej części klasy. W analizie wyników zastosowana test chi kwadrat (2x2x2). Wadą takiej analizy jest:
A niemożność stwierdzenia czy występuje statystycznie istotna interakcja
Zastosowanie testu chi kwadrat prowadzi czasem do trudności w ustaleniu, które kombinacje poziomów dwóch zmiennych odpowiedzialne są za istotną zależność. Trudność taka dotyczy, którego ze schematów:
A 2x2
B 3x5
C 2x2x2
D wszystkie
W analizie czynnikowej, arbitralne decyzje badacza dotyczące rodzaju i parametrów przeprowadzonej analizy:
A mają wpływ na ilość czynników i stopień ich skorelowania
B mają wpływ na wielkość korelacji między czynnikami, ale nie na ilość czynników
C mają wpływ na ilość czynników, ale nie na ich skorelowanie
D nie mają wpływu na ilość czynników ani na stopień ich skorelowania
Przedstawione wyniki analizy wyjściowej uwzględniają(do badania z przedmiotami):
A 6 zmiennych wyjściowych i 2 czynniki
W przedstawionej analizie czynnikowej korelacja między czynnikami:
A wynosi 0
Wedle powszechnie przyjętej klasyfikacji, wartość eta = 0,5 oznacza:
A mały efekt
B średni efekt
C duży efekt
D brak efektu
26. Praca semestralna studenta stanowi replikację badania wcześniejszego, ale na mniejszej próbie. Można oczekiwać, że w porównaniu z wynikami oryginalnego badania, wyniki pracy semestralnej wykażą:
A podobną siłę efektu i podobny poziom istotności
B niższą siłę efektu
C podobną siłę efektu, ale mniej istotne wyniki
Weryfikacja hipotez postawionych w badaniu z wykorzystaniem efektu Stroopa dla
pokazania ...... kategoryzacji społecznej wymaga analizy:
B) wariancji z powtarzanym pomiarem w układzie 2X2 (rasa osoby bodźcowej X czcionka)
Najbardziej konserwatywny test istotności dla efektów wewnątrzobiektowych to:
C) Lower bound
Z testu sferyczności założonej można korzystać gdy:
Test sferyczności jest nieistotny
Lambda Wilksa i ślad Pilai to:
przykłady testów wielu zmiennych
Testy wielu zmiennych przy powtarzanym pomiarze można stosować:
Zawsze
W eksperymencie (2)X2 z użyciem counterbalansingu:
Poziom zmiennej niezależnej bez powtarzanych pomiarów decyduje o kolejności poziomów zmiennej niezależnej z powtarzanym pomiarem.
Efekt główny counterbalansingu w eksperymencie (2)X2 pokazuje:
że, to który pomiar był wykorzystany wcześniej powoduje różnice w wartościach
zmiennej zależnej
Nieprawdą jest że w analizie kowariancji:
zmienna zależna jest dostosowana ze względu na różnice indywidualne w zakresie
innej mierzonej zmiennej
analiza kowariancji pozwala odróżnić statystyczny wpływ zmiennych ubocznych od
wpływu zmiennej niezależnej.
Analizą kowariancji można posłużyć się w celu wyeliminowania wstępnych różnic
między grupami.
Wszystkie odpowiedzi są poprawne
35. W analizie kowariancji df dla współzmiennej
wynosi 1
36. Nieprawdą jest, że w analizie kowariancji:
współzmienna musi być skorelowana ze zmienną zależną
współzmienna może być wyjaśniana poziomami zmiennej zależnej (przed manipulacją eksperymentalną)
może być tylko 1 współzmienna
Przewagą podziału badanych na grupy wyznaczone dwoma poziomami współzmiennej nad analizą kowariancji z tą współzmienną jest:
możliwość wykonania analizy wariancji z dodatkową zmienną niezależną i sprawdzenia czy wchodzi ona w interakcję z pozostałymi zmiennymi niezależnymi
38. Jeżeli współczynnik korelacji wynosi r=0,6 to współczynnik determinacji (R2) wynosi:
36
36% - współczynnik wariancji
0,36
0,0036
39. w analizie regresji do przewidywania poziomu zmiennej Y (zależnej) używa się info:
o średnim poziomie zmiennej Y w populacji oraz o zmiennej X (zależnej) skorelowanej ze zmienną Y.
40. możliwość skutecznego przewidywania poziomu jednej zmiennej na podstawie innej zmiennej:
oznacza, że zależność jest przyczynowa
oznacza, że zależność jest przyczynowa i pokazuje która zmienna jest przyczyną a która skutkiem
oznacza że zależność nie jest przyczynowa, ale pokazuje co jest zmienną objaśniającą a co objaśnianą.
Żadna nie jest prawdziwa
41. gdy jakaś zmienna której chcemy użyć jako predyktora w analizie regresji mierzona jest na skali nominalnej ma więcej niż 2 poziomy...............
jej przekształcenie na kilka predyktorów z których każdy ma tylko 2 poziomy
wykonanie dummy coding
42. metodą której warto użyć dla przewidywania czasu odrabiania lekcji w oparciu o płacenie za stopnie, średnią ocen ucznia, ilość godzina spędzanych na nauce itp...
b) regresja wielokrotna
Poniższy wykres może ilustrować wyniki eksperymentu:
- jednozmiennowego z czterema grupami
Poniższy wykres może ilustrować wyniki eksperymentu:
wielozmiennowego 2x2
Poniższy wydruk analizy wariancji pokazuje istotny;
efekt interakcji frustracji i lęku oraz efekt główny lęku (test efektów międzyobiektowych)
Ponizsza tabela wskazuje:
efekt główny zmiennej IV 1 =20
IV1 poz 1 IV2 poz 2
IV2 poz 1 20 40 +20
IV2 poz 2 20 40 +20
=0 =0
Analiza wariancji dla trzech zmiennych niezależnych daje:
3 efekty główne (A; B; C)
3 interakcje (AxB ;AxC ;BxC)
interakcje 3 zmiennych (AxBxC)
wszystkie odpowiedzi prawdziwe
48. Istotna interakcja 3 zmiennych występuje, gdy:
interakcja dwóch zmiennych niezależnych zmienia się w zależności od poziomu trzeciej zmiennej niezależnej
49. Poniższy wykres ilustrujący wyniki z tabeli pokazuje:
ze przy wyższym lęku ludzie reagują mniejszą agresją
efekt główny zmiennej lęk
interakcja zmiannej lęk i frustracja
wszystkie odpowiedzi są prawdziwe
Fr. F(1,44)=0,620;p=0,425
Lek F(1,44)=21,785;p=0,00
FR xLEk F(1,44)=12,156;p=0,001
50. W eksperymencie 2x2 efekt interakcji wyst. Gdy:
b) proste efekty główne jednej zmiennej
c) wpływ jedenj zmiennej niezaleznej na zmiennązalezną jest różny w zalezności od poziomu drugiej zmiennej niezależnej
d) odpowiedzi c i b są prawdziwe.
51. W eksperymencie 2x3 jest:
5 prostych efektów głównych
W eksperymencie 2x3 jest:
jedna interakcja
Proste efekty główne pokrywają się z prostymi porównaniami parami, gdy:
wszystkie zmienne niezależne występują na dwóch poziomach
Która informacja o interakcjach nie jest prawdziwa:
Są istotne dopiero przy istotnych efektach głównych danych zmiennych
Testy post hoc w porównaniu z kontrastami
Są bardziej konserwatywne
testy post hoc stosowane są szczególnie często gdy zmienne występują na więcej niż3 poziomach
d) a i b są prawdziwe
Test Tukeya, Scheffyego i Bonnferoniego to:
porównania post hoc
Interakcja prosta dwóch zmiennych w układzie 2x2x2 to:
interakcja zachodząca przy danym poziomie trzeciej zmiennej
jedyna interakcja potrójna
c)interakcja przy uśrednieniu dwóch interakcji
Ilość df dla interakcji jest równa:
iloczynowi df dla każdego efektu głównego
Counetrbalansing to:
losowy dobór do grup różniących się kolejnością poziomów zmiennych niezależnych
Badanie z wykorzystaniem efektu Stroopa do badania automatyczbej kategoryzacji społecznej (Karyłowski,Motes, Van Liempt & Curry, 2002):
To badanie z powtarzanym pomiarem dla rożnych kolorów czcionki
dla różnych osób bodźcowych
rasy osoby bodźcowej
wszystkie odpowiedzi są prawdziwe
Przy założeniu, że wszystkie widoczne na rys. efekty są istotne można powiedzieć, że:
badani czytają szybciej nazwiska Euroamerykanów gdy są napisane białą czcionką (niż czarną) zaś Afroamerykanów czytają szybciej, gdy są napisane czarną czcionką.
62. Co najmniej jedna współzmienna występuje zawsze w:
analizie kowariancji
63. Przedstawione wyniki tabeli uwzględniają:
1 2
fran ,960
niem
lacina
mate
rys
muzyka
odpowiedź: 6 zmiennych wyjściowych i dwa czynniki
Szare pole wskazuje istotny efekt:
- prosty zmiennej frustracja na poziomie niskiego lęku.
Ile efektów interakcji można znaleźć w : 2x3x2
Odp. 4
66. Analiza wariancji w układzie 2x2x2 (zapis)
efekt główny frustracji: F(1,88)= 12.24; p=0,001
efekt główny lęku: F(1,88)=17.77; p<0,001
Wykres ilustrujący wyniki badań z wykorzystaniem efektu Stroopa pokazuje, że:
wszystkie odpowiedzi są fałszywe
8