| TEST di autovalutazione |
| TEST di autovalutazione |
| 1 | La regressione lineare multipla: | ||
| A) | Considera più regressioni lineari semplici | ||
| B) | È la somma dei risultati di più regressioni lineari semplici | ||
| C) | Considera che una variabile qualitativa abbia effetto su un’altra variabile qualitativa | ||
| D) | Considera che una variabile quantitativa abbia effetto su un’altra variabile quantitativa | ||
| 2 | Coefficiente di regressione parziale: | ||
| A) | È quel coefficiente della regressioen non ancora conclusa | ||
| B) | È il coefficiente di uno dei regressori | ||
| C) | È il coefficiente standardizzato singolo | ||
| D) | È il coefficiente di determinazione singolo | ||
| 3 | Coefficienti di regressione standardizzati: | ||
| A) | Risentono dell'unità di misura e perciò vanno armonizzati | ||
| B) | Risentono dell'unità di misura e perciò vanno calcolati | ||
| C) | Sono adimensionali | ||
| D) | Risentono dell'unità di misura e perciò vanno rapportati all'errore standard medio | ||
| 4 | Multicollinearità: | ||
| A) | Tendenza delle variabili indipendenti a variare assieme | ||
| B) | Tendenza delle variabili dipendenti a variare assieme | ||
| C) | Tendenza delle variabili dipendenti a variare assieme alla variabile indipendente | ||
| D) | Tendenza della variabile dipendente a non variare assieme alle variabili indipendenti | ||
| 5 | L'indice di tolleranza: | ||
| A) | Indica l'adattabilità del modello | ||
| B) | Indica la bontà del modello | ||
| C) | Indica se vi è o meno collinearità tra variabili dipendenti | ||
| D) | Indica se vi è o meno collinearità tra variabili indipendenti | ||
| 6 | Il coefficiente di determinazione R quadro: | ||
| A) | Cresce quando si inseriscono nuove variabili indipendenti | ||
| B) | Cresce quando si inseriscono nuove variabili dipendenti | ||
| C) | Diminuisce quando si inseriscono nuove variabili indipendenti | ||
| D) | Diminuisce quando si inseriscono nuove variabili indipendenti | ||
| 7 | Per stabilire la significatività del modello di regressione lineare si usa: | ||
| A) | Un'analisi della incidenza complessiva dei regressori | ||
| B) | Un'analisi della omogeneità dei regressori | ||
| C) | Un'analisi della varianza F | ||
| D) | Un'analisi della variabilità F | ||
| 8 | Forward selection: | ||
| A) | Ogni variabile entra solo se si rifiuta l'ipotesi nulla | ||
| B) | Ogni variabile entra solo se si accetta l'ipotesi nulla | ||
| C) | Ogni variabile entra solo se si rifiuta l'altra | ||
| D) | Ogni variabile entra solo se F >1 | ||
| 9 | Backward elimination: | ||
| A) | Metodo di accettazione delle variabili inserite sequenzialmente | ||
| B) | Metodo di esclusione sequenziale delle variabili | ||
| C) | Metodo automatico di inclusione delle variabili | ||
| D) | Metodo automatico di verifica delle variabili | ||
| 10 | Stepwise: | ||
| A) | Partendo da un modello parziale si procede per passi e di volta in volta si elimina una variabile che contribuisce al modello e si include una variabile che non contribuisce al modello | ||
| B) | Partendo da un modello completo si procede per aggiungere una variabile significativa e si elimina una variabile il cui coefficiente non è significativo. | ||
| C) | Partendo da un modello parziale si procede per passi e di volta in volta si aggiunge una variabile che contribuisce in maniera significativa al miglioramento del modello o si elimina una variabile il cui coefficiente non è significativo. | ||
| D) | Partendo da un modello completo si procede per aggiungere una variabile significativa significativa al miglioramento del modello | ||