Regression: Online-Quiz für Gesundheitsmanagement-Studierende

Question 1

Welche der folgenden Aussagen beschreibt am besten die lineare Regression?

Accepted Answer

Alle der oben genannten.

Answer

Eine statistische Methode, die lineare Beziehungen zwischen Variablen untersucht.

Answer

Ein Verfahren zur Schätzung von Parametern einer Grundgesamtheit.

Answer

Ein Werkzeug zur Prognose kontinuierlicher Ergebnisse.

Question 2

Was misst der Korrelationskoeffizient in der linearen Regression?

Accepted Answer

Die Stärke und Richtung des linearen Zusammenhangs zwischen zwei Variablen.

Answer

Das Bestimmtheitsmaß der Regression.

Answer

Die statistische Signifikanz der Regression.

Answer

Die Anzahl der Datenpunkte in einer Stichprobe.

Question 3

Welche Aussage interpretiert ein Bestimmtheitsmaß von 0,8 korrekt?

Accepted Answer

80 % der Variation in der abhängigen Variable werden durch die unabhängige Variable erklärt.

Answer

80 % der Datenpunkte liegen auf der Regressionslinie.

Answer

Die Regression ist statistisch signifikant.

Answer

Der Korrelationskoeffizient beträgt 0,8.

Question 4

Welche Gleichung stellt die Regressionslinie dar?

Accepted Answer

y = α + βx

Answer

y = β + αx

Answer

r² = y² - x²

Answer

p < 0,05

Question 5

Welche Faktoren können die Stärke des linearen Zusammenhangs beeinflussen?

Accepted Answer

Alle der oben genannten.

Answer

Ausreißer in den Daten.

Answer

Nichtlineare Beziehungen.

Answer

Messfehler.

Question 6

Welche diagnostische Technik kann die Gültigkeit einer linearen Regression überprüfen?

Accepted Answer

Residuenanalyse.

Answer

Korrelationstest.

Answer

Signifikanztest.

Answer

Bestimmtheitsmaßanalyse.

Question 7

Was ist der Unterschied zwischen statistischer und praktischer Signifikanz?

Accepted Answer

Statistische Signifikanz bezieht sich auf den p-Wert, praktische Signifikanz auf die Größe des Effekts.

Answer

Praktische Signifikanz bezieht sich auf den p-Wert, statistische Signifikanz auf die Größe des Effekts.

Answer

Statistische Signifikanz bedeutet, dass praktische Signifikanz vorhanden ist.

Answer

Praktische Signifikanz bedeutet, dass statistische Signifikanz vorhanden ist.

Question 8

Welchen Zweck haben Dummy-Variablen in der linearen Regression?

Accepted Answer

Kategorische Variablen zu modellieren.

Answer

Nichtlineare Beziehungen zu erfassen.

Answer

Ausreißer in den Daten zu identifizieren.

Answer

Die Vorhersagegenauigkeit zu verbessern.

Question 9

Welche Aussage zur linearen Regression ist richtig?

Accepted Answer

Die Steigung der Regressionslinie zeigt, wie sich die abhängige Variable ändert, wenn sich die unabhängige Variable um eins erhöht.

Accepted Answer

Der Bestimmtheitskoeffizient (R²) zeigt, wie viel Variation in der abhängigen Variablen durch die unabhängige Variable erklärt wird.

Answer

Die lineare Regression kann nur eine abhängige Variable vorhersagen.

Answer

Lineare Regression ist nur bei normalverteilten Daten anwendbar.

Question 10

Welcher Variablentyp ist als abhängige Variable in einer Regressionsanalyse zulässig?

Accepted Answer

Kontinuierlich

Answer

Kategorial

Answer

Rangskaliert

Answer

Nominal

Question 11

Mittels welcher Teststatistik wird die Signifikanz der Regressionsgleichung geprüft?

Accepted Answer

F-Test

Answer

t-Test

Answer

Chi-Quadrat-Test

Answer

Kolmogorov-Smirnow-Test

Question 12

Was beschreibt das Bestimmtheitsmaß?

Accepted Answer

Grad der Erklärung der Daten durch die Regressionslinie.

Answer

Signifikanz der Regressionsgleichung.

Answer

Steigung der Regressionslinie.

Answer

Fehlerterm der Regressionsgleichung.

Question 13

Welcher Regressionsmodelltyp eignet sich für die Modellierung nichtlinearer Zusammenhänge?

Accepted Answer

Nichtlineare Regression

Answer

Lineare Regression

Answer

Multiple Regression

Answer

Logistische Regression

Question 14

Was ist das Ziel einer Residuenanalyse?

Accepted Answer

Alle genannten Ziele.

Answer

Identifizierung von Ausreißern und einflussreichen Beobachtungen.

Answer

Bewertung der Normalverteilung der Residuen.

Answer

Berechnung von Konfidenzintervallen für Regressionskoeffizienten.

Question 15

Welche Annahme ist eine Voraussetzung für die Regressionsanalyse?

Accepted Answer

Alle genannten Annahmen.

Answer

Normalverteilung der Residuen.

Answer

Zufällige Stichprobenziehung.

Answer

Unkorreliertheit der unabhängigen Variablen.

Question 16

Wie lautet die allgemeine mathematische Form einer linearen Regressionsgleichung?

Accepted Answer

y = a + bx

Answer

y = a + bx + c

Answer

y = a * b * x

Answer

y = a / b * x

Question 17

Welche Software wird häufig für Regressionsanalysen eingesetzt?

Accepted Answer

Alle genannten Softwareprogramme.

Answer

SPSS

Answer

Excel

Answer

Stata

Question 18

Die primäre Zielsetzung der Regressionsanalyse besteht darin, ein Modell zu erstellen, das eine abhängige Variable anhand welcher Faktoren vorhersagt?

Accepted Answer

Unabhängige Variablen

Answer

Zufällige Variablen

Answer

Störvariablen

Answer

Kontrollvariablen

Question 19

Welche der folgenden Variablentypen ist in einer Regressionsanalyse die abhängige Variable?

Accepted Answer

Eine Variable, deren Werte durch die unabhängigen Variablen beeinflusst werden

Answer

Eine Variable, die die Werte der unabhängigen Variablen beeinflusst

Answer

Eine Variable, die die abhängige Variable beeinflusst

Answer

Eine Variable, deren Werte sich unabhängig von anderen Variablen ändern

Question 20

Welcher statistische Test wird verwendet, um zu überprüfen, ob der Regressionskoeffizient statistisch signifikant von Null abweicht?

Accepted Answer

t-Test

Answer

F-Test

Answer

Chi-Quadrat-Test

Answer

U-Test

Question 21

In der Regressionsanalyse ist die abhängige Variable diejenige, die:

Accepted Answer

vorhergesagt werden soll

Answer

die höchste Korrelation zur unabhängigen Variable aufweist

Answer

den größten Einfluss auf die unabhängige Variable hat

Answer

zur Vorhersage der abhängigen Variable verwendet wird

Question 22

Das Ziel der Regressionsanalyse ist es:

Accepted Answer

ein Modell zu erstellen, das die abhängige Variable anhand der unabhängigen Variablen vorhersagt

Answer

Hypothesen über Zusammenhänge zu testen

Answer

Korrelationen zwischen Variablen zu ermitteln

Question 23

Welche Annahmen müssen für eine gültige Regressionsanalyse erfüllt sein?

Accepted Answer

Linearität, Normalverteilung der Residuen, Homoskedastizität

Answer

Homoskedastizität, Normalverteilung der abhängigen Variablen, Autokorrelation

Answer

Normalverteilung der unabhängigen Variablen, Unabhängigkeit der Variablen, Multikollinearität

Question 24

Welches Maß gibt den Anteil der Varianz der abhängigen Variablen an, der durch die unabhängigen Variablen erklärt wird?

Accepted Answer

Bestimmtheitsmaß (R-Quadrat)

Answer

F-Statistik

Answer

Standardfehler der Schätzung

Question 25

Die Steigung einer Regressionsgeraden zeigt an:

Accepted Answer

die durchschnittliche Änderung der abhängigen Variablen pro Einheit der unabhängigen Variable

Answer

den Wert der abhängigen Variablen, wenn die unabhängige Variable Null ist

Answer

den Zusammenhang zwischen den Variablen

Question 26

Welcher Test wird verwendet, um die Signifikanz eines Regressionsmodells zu prüfen?

Accepted Answer

F-Test

Answer

t-Test

Answer

Chi-Quadrat-Test

Answer

Kolmogorov-Smirnov-Test

Question 27

Was ist Multikollinearität?

Accepted Answer

Eine hohe Korrelation zwischen zwei oder mehr unabhängigen Variablen

Answer

Eine hohe Korrelation zwischen der abhängigen und einer unabhängigen Variable

Answer

Eine niedrige Korrelation zwischen den Variablen

Question 28

Was ist der Unterschied zwischen einfacher und multipler Regression?

Accepted Answer

Einfache Regression umfasst eine abhängige und eine unabhängige Variable, während multiple Regression eine abhängige und mehrere unabhängige Variablen umfasst

Answer

Einfache Regression kann Vorhersagen treffen, während multiple Regression nur Zusammenhänge aufzeigt

Answer

Einfache Regression verwendet lineare Modelle, während multiple Regression nichtlineare Modelle verwendet

Question 29

Welche Aussage über p-Werte ist richtig?

Accepted Answer

Ein kleiner p-Wert weist auf eine statistisch signifikante Beziehung hin

Answer

Ein p-Wert von 0,05 ist immer statistisch signifikant

Answer

Ein großer p-Wert weist auf eine starke Korrelation hin

Question 30

Welches der folgenden Szenarien eignet sich am besten für die Anwendung einer linearen Regressionsanalyse?

Accepted Answer

Vorhersage des Blutdrucks von Patienten anhand ihres Alters und BMI.

Answer

Bestimmung der häufigsten Blutgruppe in einer Bevölkerungsgruppe.

Answer

Vergleich der durchschnittlichen Körpergröße von Männern und Frauen.

Answer

Untersuchung der Zufriedenheit von Patienten mit einem neuen Medikament.

Question 31

Was ist der Unterschied zwischen einer einfachen und einer multiplen linearen Regression?

Accepted Answer

Eine einfache lineare Regression verwendet eine unabhängige Variable, um die abhängige Variable vorherzusagen, während eine multiple lineare Regression mehrere unabhängige Variablen verwendet.

Answer

Eine einfache lineare Regression ist immer präziser als eine multiple lineare Regression.

Answer

Eine einfache lineare Regression analysiert kategoriale Daten, während eine multiple lineare Regression kontinuierliche Daten analysiert.

Answer

Eine einfache lineare Regression wird für Zeitreihendaten verwendet, während eine multiple lineare Regression für Querschnittsdaten verwendet wird.

Question 32

Was repräsentiert der Regressionskoeffizient (b) in einem linearen Regressionsmodell?

Accepted Answer

Die Veränderung der abhängigen Variable bei einer Änderung der unabhängigen Variable um eine Einheit.

Answer

Die Wahrscheinlichkeit, dass die Nullhypothese zutrifft.

Answer

Den Grad der Streuung der Datenpunkte um die Regressionsgerade.

Answer

Die Stärke des Zusammenhangs zwischen zwei Variablen.

Question 33

Was bedeutet ein Bestimmtheitsmaß (R-Quadrat) von 0,8 in einem linearen Regressionsmodell?

Accepted Answer

80% der Varianz der abhängigen Variable wird durch die unabhängige Variable erklärt.

Answer

Der Korrelationskoeffizient zwischen der abhängigen und der unabhängigen Variable beträgt 0,8.

Answer

Die Wahrscheinlichkeit, dass die Nullhypothese zutrifft, beträgt 80%.

Answer

Das Regressionsmodell erklärt 80% der beobachteten Daten.

Question 34

Welche der folgenden Annahmen ist NICHT erforderlich für eine lineare Regression?

Accepted Answer

Die unabhängige Variable muss normalverteilt sein.

Answer

Unabhängigkeit der Residuen.

Answer

Homoskedastizität der Residuen.

Answer

Linearer Zusammenhang zwischen abhängiger und unabhängiger Variable.

Question 35

Was ist ein Residuum in der Regressionsanalyse?

Accepted Answer

Die Differenz zwischen dem beobachteten Wert der abhängigen Variable und dem vom Modell vorhergesagten Wert.

Answer

Der Wert der unabhängigen Variable, wenn die abhängige Variable null ist.

Answer

Die Summe der quadrierten Abweichungen zwischen den beobachteten und den vorhergesagten Werten.

Answer

Der Wert der abhängigen Variable, wenn die unabhängige Variable null ist.

Question 36

Wofür wird ein Residuenplot in der Regressionsanalyse verwendet?

Accepted Answer

Zur Überprüfung der Annahmen der linearen Regression, insbesondere der Homoskedastizität und der Unabhängigkeit der Residuen.

Answer

Zur Bestimmung der Signifikanz der Regressionskoeffizienten.

Answer

Zur Berechnung des Bestimmtheitsmaßes.

Answer

Zur Visualisierung des linearen Zusammenhangs zwischen abhängiger und unabhängiger Variable.

Question 37

Wie kann man mit Multikollinearität in einem Regressionsmodell umgehen?

Accepted Answer

Durch Entfernen einer der hochkorrelierten unabhängigen Variablen oder durch die Verwendung einer anderen Regressionstechnik wie der Ridge-Regression.

Answer

Durch Transformation der abhängigen Variable.

Answer

Durch Ignorieren des Problems, da es keinen Einfluss auf die Ergebnisse hat.

Answer

Durch Erhöhung der Stichprobengröße.

Question 38

Was ist der Unterschied zwischen Korrelation und Regression?

Accepted Answer

Korrelation misst die Stärke und Richtung des linearen Zusammenhangs zwischen zwei Variablen, während Regression ein Modell erstellt, um eine Variable anhand der anderen vorherzusagen.

Answer

Korrelation ist ein kausaler Zusammenhang, während Regression ein assoziativer Zusammenhang ist.

Answer

Korrelation ist eine statistische Technik, während Regression eine mathematische Technik ist.

Answer

Korrelation analysiert kategoriale Daten, während Regression kontinuierliche Daten analysiert.

Question 39

Welche der folgenden Aussagen beschreibt am besten die Hauptaufgabe der Regressionsanalyse?

Accepted Answer

Vorhersage einer abhängigen Variablen auf Basis einer oder mehrerer unabhängiger Variablen.

Answer

Identifizierung von Kausalbeziehungen zwischen Variablen.

Answer

Beschreibung der Stärke des Zusammenhangs zwischen Variablen.

Question 40

Welche der folgenden Variablen kann in einer Regressionsanalyse als abhängige Variable verwendet werden?

Accepted Answer

Anzahl der Krankenhausaufenthalte pro Jahr in einer bestimmten Region.

Answer

Diagnose der Patienten.

Answer

Alter der Patienten.

Question 41

Welches der folgenden Regressionsmodelle ist am besten geeignet, um den linearen Zusammenhang zwischen zwei Variablen zu untersuchen?

Accepted Answer

Lineare Regression.

Answer

Multiple Regression.

Answer

Nichtlineare Regression.

Answer

Logistische Regression.

Question 42

Was ist der R-Quadrat-Wert in einer Regressionsanalyse?

Accepted Answer

Der Anteil der Varianz der abhängigen Variablen, der durch die unabhängigen Variablen erklärt wird.

Answer

Die Wahrscheinlichkeit, dass das Modell korrekt ist.

Answer

Die Steigung der Regressionsgeraden.

Question 43

Welche der folgenden Aussagen trifft auf ein signifikantes p-Wert in einer Regressionsanalyse zu?

Accepted Answer

Die Nullhypothese, dass kein Zusammenhang zwischen den Variablen besteht, wird verworfen.

Answer

Die unabhängigen Variablen haben keinen Einfluss auf die abhängige Variable.

Answer

Das Modell ist perfekt geeignet, um die abhängige Variable vorherzusagen.

Question 44

Welche der folgenden Variablen könnte in einer Regressionsanalyse, die den Zusammenhang zwischen Stress und Krankheit untersucht, als unabhängige Variable fungieren?

Accepted Answer

Stresslevel.

Answer

Krankheitsdauer.

Answer

Arztbesuche pro Jahr.

Answer

Anzahl der Krankheitstage.

Question 45

Welche der folgenden Aussagen beschreibt den Unterschied zwischen einfacher und multipler Regression?

Accepted Answer

Einfache Regression untersucht den Zusammenhang zwischen einer abhängigen und einer unabhängigen Variablen, während multiple Regression den Zusammenhang zwischen einer abhängigen und mehreren unabhängigen Variablen untersucht.

Answer

Einfache Regression ist für kategoriale Variablen geeignet, multiple Regression für kontinuierliche Variablen.

Question 46

Wie kann man die Güte eines Regressionsmodells beurteilen?

Accepted Answer

Durch die Betrachtung des R-Quadrat-Wertes, des p-Wertes und der Residuenanalyse.

Answer

Nur durch die Betrachtung des p-Wertes.

Answer

Nur durch die Betrachtung des R-Quadrat-Wertes.

Question 47

Welches der folgenden ist das Hauptziel der Regressionsanalyse?

Accepted Answer

Ein Modell zu erstellen, das die abhängige Variable anhand der unabhängigen Variablen vorhersagt.

Answer

Die Beziehung zwischen den Variablen zu visualisieren.

Answer

Die unabhängigen Variablen zu identifizieren.

Question 48

Welche der folgenden Kenngrößen gibt Auskunft über die Stärke des Zusammenhangs zwischen der abhängigen und den unabhängigen Variablen?

Accepted Answer

Bestimmtheitsmaß (R-Quadrat)

Answer

Varianz

Answer

Standardabweichung

Answer

Mittelwert

Question 49

Welche der folgenden Aussagen zur multiplen Regressionsanalyse ist korrekt?

Accepted Answer

Sie ermöglicht die Untersuchung des Zusammenhangs zwischen einer abhängigen Variablen und mehreren unabhängigen Variablen.

Answer

Sie erfordert immer eine lineare Beziehung zwischen den Variablen.

Question 50

Welches der folgenden Modelle ist ein Beispiel für ein lineares Regressionsmodell?

Accepted Answer

y = a + bx

Answer

y = a + bx^2

Answer

y = a * log(x)

Answer

y = a * e^(bx)

Question 51

Welche der folgenden Techniken kann verwendet werden, um die Überanpassung (Overfitting) eines Regressionsmodells zu vermeiden?

Accepted Answer

Kreuzvalidierung

Answer

Transformation der Variablen

Answer

Verringerung der Stichprobengröße

Answer

Hinzufügen weiterer unabhängiger Variablen

Question 52

Welcher der folgenden Begriffe beschreibt die Differenz zwischen dem beobachteten und dem vorhergesagten Wert der abhängigen Variablen?

Accepted Answer

Residual

Answer

Regressionskoeffizient

Answer

Standardfehler

Answer

Bestimmtheitsmaß

Question 53

Welche der folgenden Annahmen liegt der kleinsten Quadrate-Schätzung in der Regressionsanalyse zugrunde?

Accepted Answer

Die Summe der quadrierten Residuen ist minimal.

Answer

Die unabhängigen Variablen sind unkorreliert.

Answer

Die Residuen sind normalverteilt.

Question 54

Welche der folgenden Aussagen zur Regressionsanalyse ist falsch?

Accepted Answer

Sie kann die Kausalität zwischen Variablen nachweisen.

Answer

Sie kann verwendet werden, um die Stärke des Zusammenhangs zu messen.

Answer

Sie kann verwendet werden, um Vorhersagen zu treffen.

Question 55

Welche der folgenden Aussagen trifft auf die Regressionsanalyse zu?

Accepted Answer

Sie untersucht den Zusammenhang zwischen einer abhängigen und einer oder mehreren unabhängigen Variablen.

Answer

Sie ist ein Verfahren zur Beschreibung von Daten.

Question 56

Was ist das Ziel eines Regressionsmodells?

Accepted Answer

Die abhängige Variable anhand der unabhängigen Variablen vorherzusagen.

Answer

Die Daten zu visualisieren.

Answer

Die unabhängigen Variablen zu identifizieren.

Question 57

Welche der folgenden Variablen ist in einer Regressionsgleichung die abhängige Variable?

Accepted Answer

Die Variable, die vorhergesagt wird.

Answer

Die Variable, die zur Vorhersage verwendet wird.

Answer

Die Variable, die die meisten Datenpunkte enthält.

Answer

Die Variable, die das Modell am besten erklärt.

Question 58

Welches Maß gibt die Stärke des Zusammenhangs zwischen den Variablen in einer Regressionsanalyse an?

Accepted Answer

Korrelationskoeffizient

Answer

Standardfehler der Schätzung

Answer

p-Wert

Answer

Determinationskoeffizient

Question 59

Welche der folgenden Annahmen muss für eine gültige Regressionsanalyse erfüllt sein?

Accepted Answer

Linearität des Zusammenhangs

Answer

Normalverteilung der Residuen

Answer

Unabhängigkeit der Beobachtungen

Answer

Homoskedastizität der Residuen

Question 60

Wie wird der Standardfehler der Schätzung berechnet?

Accepted Answer

Als Standardabweichung der Residuen geteilt durch die Quadratwurzel der Anzahl der Beobachtungen.

Answer

Als Standardabweichung der abhängigen Variablen geteilt durch die Anzahl der Beobachtungen.

Answer

Als Korrelationskoeffizient geteilt durch die Anzahl der Beobachtungen.

Question 61

Welche der folgenden Aussagen trifft auf die Interpretation des p-Werts in einer Regressionsanalyse zu?

Accepted Answer

Er gibt die Wahrscheinlichkeit an, dass die beobachteten Ergebnisse zufällig entstanden sind.

Answer

Er gibt die Vorhersagegenauigkeit des Modells an.

Answer

Er gibt die Stärke des Zusammenhangs zwischen den Variablen an.

Question 62

Welche der folgenden Techniken kann verwendet werden, um Multikollinearität in einem Regressionsmodell zu erkennen?

Accepted Answer

Varianzinflationsfaktor (VIF).

Answer

Residuenanalyse.

Answer

F-Test für das Gesamtmodell.

Answer

T-Test für einzelne Koeffizienten.

Question 63

Was ist der Zweck einer logarithmischen Transformation in einer Regressionsanalyse?

Accepted Answer

Um eine lineare Beziehung zwischen Variablen herzustellen, die nicht linear sind.

Answer

Um die Varianz der Daten zu reduzieren.

Answer

Um die Normalverteilung der Daten zu verbessern.

Question 64

Welche der folgenden Aussagen trifft auf die Verwendung von Dummy-Variablen in einer Regressionsanalyse zu?

Accepted Answer

Sie ermöglichen die Einbeziehung kategorialer Variablen in das Modell.

Answer

Sie erhöhen die Vorhersagegenauigkeit des Modells.

Answer

Sie werden verwendet, um Multikollinearität zu reduzieren.