免費開始練習
司法三等申論題 114年 [心理測驗員] 心理及教育統計學

第 一 題

📖 題組:
二、迴歸是一個被用來描述變項間預測關係的統計方法,一般分為簡單迴歸與多元迴歸,請回答下列問題: (一)請比較簡單迴歸與多元迴歸之差異。(5 分) (二)在多元迴歸中,每一個預測變項的標準化迴歸係數,為何常會小於該預測變項與效標變項之間的一般相關係數?(10 分) (三)試列出兩種可能會導致迴歸程序變得不正確的情境。(10 分)
📝 此題為申論題,共 3 小題

小題 (一)

(一)請比較簡單迴歸與多元迴歸之差異。(5 分)

思路引導 VIP

看到此題,應立即聯想到「預測變項(自變項)的數量」是兩者最核心的差異。接著可從模型方程式、分析目的(解釋變異與控制其他變項)及空間幾何意義等方面進行具體對照,以確保拿到完整分數。

🤖
AI 詳解
AI 專屬家教

【破題】簡單迴歸與多元迴歸同為探討變項間預測關係的統計方法,兩者最主要差異在於「預測變項(自變項)的數量」不同。 【論述】 一、預測變項數量:

小題 (二)

(二)在多元迴歸中,每一個預測變項的標準化迴歸係數,為何常會小於該預測變項與效標變項之間的一般相關係數?(10 分)

思路引導 VIP

看到此題應立即聯想到多元迴歸中的「共變/重疊變異」與「淨貢獻」概念。核心思路在於解釋一般相關係數(零階相關)包含了與其他預測變項重疊的解釋力,而標準化迴歸係數代表的是排除其他變項後的「獨立貢獻」,因現實中預測變項間通常存在相關,導致剝除重疊變異後的迴歸係數常較小。

🤖
AI 詳解
AI 專屬家教

【破題】在多元迴歸中,預測變項的標準化迴歸係數($\beta$)常小於其與效標變項的一般相關係數($r$),核心原因在於「預測變項之間存在相關(共變)」,導致對效標變項的解釋變異產生重疊。 【論述】 一、一般相關係數($r$)與總解釋力

小題 (三)

(三)試列出兩種可能會導致迴歸程序變得不正確的情境。(10 分)

思路引導 VIP

看到此題,應立刻聯想「線性迴歸的基本假設(LINE)」以及「影響資料品質的極端狀況」。作答時,挑選兩種最常見且破壞力最大的情境(如多元共線性、存在極端值或違反線性假設),先給出專有名詞,再具體說明其對迴歸係數估計、標準誤或模型解釋造成的負面影響。

🤖
AI 詳解
AI 專屬家教

【破題】迴歸分析的準確性建立在滿足特定統計假設與資料品質之上,若違反統計前提或資料存在嚴重瑕疵,將導致推論結果無效或產生誤導。 【論述】 以下列出兩種常導致迴歸程序變得不正確(估計偏差或推論錯誤)之情境:

升級 VIP 解鎖