Có mấy loại hệ số tương quan chính:

Trả lời:

Đáp án đúng: B

Trong thống kê, có ba loại hệ số tương quan chính thường được sử dụng: hệ số tương quan Pearson (đo lường mối quan hệ tuyến tính giữa hai biến liên tục), hệ số tương quan Spearman (đo lường mối quan hệ đơn điệu giữa hai biến, không nhất thiết phải tuyến tính), và hệ số tương quan Kendall (đo lường sự tương quan thứ hạng giữa hai biến). Do đó, có 3 loại hệ số tương quan chính.

150+ câu trắc nghiệm môn SPSS có lời giải chi tiết - Phần 3

Mời các bạn cùng tham khảo bộ 150+ câu trắc nghiệm ôn thi môn SPSS có đáp án chi tiết dành cho các bạn sinh viên chuyên ngành tham khảo, để chuẩn bị cho kì thi sắp diễn ra.

50 câu hỏi 60 phút

Bắt đầu thi

Câu hỏi liên quan

Câu 14:

Quan hệ hồi qui là:

Lời giải:

Đáp án đúng: C

Quan hệ hồi quy là một bước tiến xa hơn so với phân tích tương quan. Nó không chỉ cho biết liệu có mối quan hệ giữa các biến hay không mà còn cho phép chúng ta dự đoán giá trị của một biến (biến phụ thuộc) dựa trên giá trị của biến khác (biến độc lập). Vì vậy, đáp án đúng là phương án 3.

Câu 15:

Để SPSS tính khoảng tin cậy cho hệ số hồi quy, ta:

Lời giải:

Đáp án đúng: C

Để SPSS (Statistical Package for the Social Sciences) tính toán khoảng tin cậy cho hệ số hồi quy, chúng ta cần tích vào "Confidence intervals". Khoảng tin cậy cung cấp một phạm vi giá trị mà trong đó, với một độ tin cậy nhất định (ví dụ: 95%), giá trị thực của hệ số hồi quy được kỳ vọng sẽ nằm trong đó. Các lựa chọn khác không liên quan trực tiếp đến việc tính toán khoảng tin cậy này. Estimates cho phép hiển thị các ước lượng hệ số, Covariance Matrix hiển thị ma trận hiệp phương sai của các ước lượng hệ số, và Risk thường liên quan đến các phân tích khác, không phải hồi quy tuyến tính đơn thuần.

Câu 16:

Thông thường, chạy hồi qui tuyến tinh đơn giản, ta:

Lời giải:

Đáp án đúng: D

Trong hồi quy tuyến tính đơn giản, khi thực hiện phân tích, chúng ta thường quan tâm đến:

a) Estimates: Ước lượng các hệ số hồi quy (intercept và slope) để xây dựng phương trình hồi quy.

b) Model fit: Đánh giá mức độ phù hợp của mô hình với dữ liệu, thường được đo bằng R-squared.

c) Confidence intervals: Khoảng tin cậy cho các hệ số hồi quy, giúp đánh giá độ chính xác của các ước lượng.

Vì cả ba lựa chọn a, b và c đều quan trọng trong hồi quy tuyến tính đơn giản, nên đáp án đúng là cả a, b, c đều đúng.

Câu 17:

Chạy hồi qui tuyến tính đa biến, ta cần thực hiện thêm các thao tác:

Lời giải:

Đáp án đúng: D

Trong hồi quy tuyến tính đa biến, để kiểm tra và đảm bảo tính phù hợp của mô hình, chúng ta cần thực hiện các thao tác sau:

a) Click option, chọn Exclude cases pairwise: Thao tác này giúp xử lý các trường hợp dữ liệu bị thiếu (missing data) một cách phù hợp, đảm bảo rằng các hệ số hồi quy được ước lượng dựa trên dữ liệu có sẵn cho từng cặp biến.

b) Click Plots, chọn ZRESID chuyển vào Y, chọn ZPRED chuyển vào X. kích chọn Normal probability plot: Thao tác này giúp kiểm tra các giả định của mô hình hồi quy, đặc biệt là tính tuyến tính, tính độc lập của sai số, và tính chuẩn của sai số. ZRESID (Residuals đã chuẩn hóa) và ZPRED (Giá trị dự đoán đã chuẩn hóa) được sử dụng để vẽ đồ thị phần dư, và Normal probability plot được sử dụng để kiểm tra tính chuẩn của sai số.

c) Chọn Mahalanobis và Cook’s trong phần Distance: Các thống kê Mahalanobis và Cook's Distance giúp xác định các điểm dữ liệu ngoại lai (outliers) có ảnh hưởng lớn đến mô hình hồi quy.

Do đó, cả a, b và c đều là các thao tác cần thiết khi chạy hồi quy tuyến tính đa biến.

Câu 18:

Để mô tả một biến định lượng liên tục không có phân phối chuẩn, ta dùng giá trị nào sau đây để mô tả?

Lời giải:

Đáp án đúng: A

Câu hỏi yêu cầu chọn giá trị mô tả biến định lượng liên tục không có phân phối chuẩn. - Trung bình và độ lệch chuẩn thường được sử dụng để mô tả các biến có phân phối chuẩn (hoặc gần chuẩn). Khi dữ liệu không tuân theo phân phối chuẩn, trung bình có thể bị ảnh hưởng bởi các giá trị ngoại lệ và độ lệch chuẩn không còn là một thước đo phù hợp để đo độ phân tán. - Trung vị là giá trị chia dữ liệu thành hai nửa bằng nhau, không bị ảnh hưởng bởi các giá trị ngoại lệ, do đó phù hợp để mô tả dữ liệu không có phân phối chuẩn. - Khoảng (ví dụ: khoảng tứ phân vị IQR) cho biết sự phân tán của dữ liệu xung quanh trung vị, cũng không bị ảnh hưởng bởi các giá trị ngoại lệ. Vì vậy, "Trung vị và khoảng" là lựa chọn tốt nhất để mô tả một biến định lượng liên tục không có phân phối chuẩn.

Câu 19:

Các nguyên tắc để có biểu đồ tốt là gì?

Lời giải: