Khi phân tích tương quan, tại sao cần xem cả đồ thị và hệ số r?

Hệ số tương quan nên được sử dụng khi nào?

• Khi dữ liệu là định tính

• Khi phân tích mức độ chặt chẽ của mối liên hệ

• Khi muốn kiểm định tính nhân quả

• Khi muốn xác định mối quan hệ tuyến tính giữa hai biến

Đâu là những yếu tố cần cân trọng khi giải thích r?

• R luôn xác định được chiều tác động

• Giá trị r không thể hiện quan hệ nhân quả

• R có thể bị ảnh hưởng bởi yếu tố ngẫu nhiên

• R có đơn vị đo lường cụ thể

Một tương quan chặt có thể là giả khi:

• A. Một biến có giá trị âm

• B. Hai biến không có mối liên hệ thực sự

• C. Mẫu dữ liệu quá nhỏ hoặc ngẫu nhiên

• D. Các biến phụ thuộc lẫn nhau

Những mức độ ý nghĩa thống kê khi phân tích r bao gồm:

• B. Hai sao: p < 0.01

• D. Một sao: p < 0.05

• A. Bốn sao: p < 0.0001

• C. Không có sao nếu p > 0.1

Mô hình hồi quy tuyến tính đa biến khác hồi quy đơn biến ở điểm nào?

• Có nhiều biến phụ thuộc

• Không có biến phụ thuộc

• Có nhiều biến độc lập

• Không cần kiểm tra tương quan

Giá trị R-squared gần 1 cho thấy:

• Mô hình không phù hợp

• Sai số dự đoán lớn

• Không có ý nghĩa thống kê

• Mô hình giải thích tốt biến phụ thuộc

Trong mô hình hồi quy, hệ số hồi quy β thể hiện:

• Độ chênh lệch trung bình

• Sai số mô hình

• Biến ngẫu nhiên của mô hình

• Ảnh hưởng của biến độc lập lên biến phụ thuộc

Đặc điểm của hồi quy tuyến tính là: (chọn 2)

• Dùng trong mọi loại dữ liệu định tính

• Mô tả mối quan hệ tuyến tính giữa các biến

• Luôn yêu cầu biến độc lập phải là số nguyên

• Có thể sử dụng để dự đoán giá trị tương lai

Trong phân tích dữ liệu, hồi quy có thể được dùng để:

• Dự báo xu hướng giá

• Phân loại khách hàng

• Mã hóa dữ liệu

• Xác định ảnh hưởng giữa các biến