Multivarijantne metode II.

dio
17. Opiite jednostavnu (simple) regresijsku analizu (svrha, nain izraunavanja, i
interpretacija najbitnijih rezultata )?
Utvruje se linearna povezanost izmeu jedne nezavisne (prediktorske) i jedne zavisne
(kriterijske) varijable.
Formula je:
Y=bo+b1X+e Tj. kriterijska varijabla=regresijski koeficijent 0 + regresijski koeficijent 1 x
prediktorska varijabla + rezidualna vrijednost entiteta.
1.Prvo treba odabrati funkciju tj model koji najbolje objanjava relaciju dviju varijabli!
Najjednostavniji nain je empirijski pristup koji se zasniva na zakonu velikih brojeva,
odnosno potreban je grafiki prikaz(korelacijski dijagram)(NA OSI X NEZAVISNA
VARIJABLA, NA OSI Y ZAVISNA VARIJABLA), a prema rasporedu toaka istraiva
donosi odluku koju funkciju e odabrati!
2.Regresijski koeficijent omoguuje prognoziranje rezultata entiteta u kriterijskoj varijabli na
temelju rezultata u prediktorskoj varijabli, putem formule Y`=bo+b1X
Regresijski koeficijenti se utvruju metodom najmanjih kavdrata uz uvjet da je suma kvadrata
rezidual a minimalna
Regresijski koeficijent bo- predstavlja odsjeak na osi zavisne varijable y, ukoliko je
vrijednost na osi x=0
Regresijski koeficijent b1-predstavlja nagib pravca, tj pokazuje koliko se u prosjeku linearno
mijenja vrijednost zavisne varijable za jedinini porast vrijednosti nezavisne x varijable.
3.Rezidualne vrijednosti se dobiju formulom e=y-y`
Varijanca rezidualnih rezultata se izraunava tako da se rezidualna suma podijeli stupnjevima
slobode df=n-2 a drugi korijen iz varijance rezidualnih vrijednosti je standardna pogreka
prognoze.
4.Standardna pogreka prognozeje drugi korijen iz varijance rezidualnih vrijednosti tj.
predstavlja disperziju rezultata u odnosu na regresijsku funkciju kao aritmetiku sredinu, tj.
ona je mjera reprezentatativnosti regresijskog modela. korijen iz suma rss na kvadrat kroz
df=n-2
5.Treba izraunati stupanj povezanosti(tj koeficjent korelacije) dviju varijabli koji je
predstavljen u obliku regresijskog pravca
, a mogue ga je izracunati pomou prognozirane(pss) rezidualne(rss) i totalne sume(tss)
kvadrata.
r=pss/tss
=tss-rss/tss

=1-rss/tss
Koeficijent korelacije izmeu kriterijske i prediktorske varijable izraava veliinu njihove
linearne povezanosti. Kada je koeficijent korelacije 0 onda povezanosti nema, tj prediktorska
ne utjee na kriterijsku, a kada je koeficijent 1 onda prediktorska skroz utjee na kriterijsku.
Kvadrat koeficjenta korelacije naziva se koeficijent determinacije,a predstavlja proporciju
varijance kriterijske varijable koju je mogue objasniti putem prediktorske varijable, odnosno
mera doprinosa nezavisne varijable pri prognoziranju zavisne.
18. Opiite viestruku (multiplu) regresijsku analizu (svrha, nain izraunavanja, i
interpretacija najbitnijih rezultata )?
Utvruje se linearna povezanost izmeu dviju ili vie nezavisnih (prediktorskih) i jedne
zavisne (kriterijske) varijable, putem formule yi=b0+b1x1+b1x2+...+bmxim+ei
Zavisna varijabla=regresijski koeicijent+rezultat entiteta u prediktorskoj+rezidualna
vrijednost entiteta
1.Regresijski koeficijenti omoguuju prognoziranje rezultata entiteta u kriterijskoj varijabli na
temelju rezultata u prediktorskoj varijabli.
Regresijski koeficijent b0- predstavlja prognozirani rezultat u zavisnoj varijabli Y ako su
rezultati u svim nezavisnim varijablama X jednaki 0
Regresijski koeficijent b1-pokazuje koliko se u prosjeku linearno mijenja vrijednost zavisne
varijable y za jedinini porast vrijednosti odgovarajue nezavisne varijable, uz uvjet da su
vrijednosti ostalih nezavisnih varijabli konstantne.
AKO SE KRITERIJSKA I PREDIKTORSKA VARIJABLA PRETHODNO
STANDARDIZIRAJU DOBIJE SE :
ki=1zi1 + 2zi2+....+ mzim + e
2. Standardizirani regresijski koeficijenti su relativni koeficijenti utjecaja, a predstavljaju
veliinu promjena zavisne varijable izraene u djelovima standardne devijacije za jedinini
porast standardizirane vrijednosti odgovarajue nezavisne varijable uz uvjet da su vrijednosti
preostalih nezavisnih varijabli konstantne. Oni predstavljaju relativan doprinos svake
nezavisne vrijable prognozi zavisne pa se smatraju i i koeficijentima utjecaja.
3. Rezidualni vektor se dobije oduzimanjem prognoziranih rezultata entiteata od izmjerenih.
4. Standardna pogreka prognoze je drugi korijen iz varijance rezidualnih vrijendosti.
korijen iz suma rss na kvadrat kroz df=n-(m+1) ona predstavlja mjeru doprinosa regresijskog
modela
5.Statistika znaajnost svakog pojedinog regresijskog koeficijenta se testira putem
studentove t-distribucije, Kritina t vrijednost se ocita iz tablice za pogreku p i broja
stupnjeva slobode df=n-m-1, t-vrijednost se izraunava da s regresijski koeficijent podijeli sa
standardnom pogrekom prognoze

Mogue je za svaki regresijski koeficijent postaviti hipotezu:

Nulta Ho hipoteza-uz pogreku ne moemo tvrditi da je utjecaj prediktora na kriterijsku
varijablu statistiki znaajan
Alternativna H1 hipoteza-utjecaj prediktora na kriterijsku varijablu je statistiki znaajan uz
pogreku.
6. Koeficijent multiple korelacije je korelacija izmeu kriterijske varijable i varijable
prognoziranih rezultata, a izraava veliinu linearne povezanosti skupa prediktorskih varijabli
s kriterijem. Koeficijent multiple korelacije se kree u intervalu od 0 do 1 pri emu 0
oznaava potpunu nezavisnost a 1 potpunu zavisnost kriterijske varijable o skupu
prediktorskih varijabli. dakle multipla korelacija pokazuje kolika je vrijednost svih nezavisnih
varijabli pri predvianju neke zavisne varijable.
Kvadrat koeficijenta multiple korelacije je koeficijent multiple determinacije a predstavlja
proporciju varijance kriterijske varijable koju je mogue objasniti putem prediktorskih
varijabli.
Statisticka znaajnost se testira putem snedecorove F-distribucije,izraunata F vrijednost se
usporeuje s kritinom F vrijednosti koja se oita iz tablice pri tome je mogue postaviti :
Ako je F izraunata manja od kritine Ho:p=0 Uz pogreku p ne moemo tvrditi da je
povezanost izmeu skupa prediktora i kriterijske varijable statistiki znaajna
H1:p0=(razliito)0 Uz pogreku p moemo tvrditi da je povezanost izmeu skupa prediktora s
kriterijem statistiki znaajan
19. to je faktorska analiza? to su manifestne varijable? to su latentne dimenzije?
Zaetnikom se smatra Charles Edward Spearman, koji je postavio je temelje dvofaktorske
teorije inteligencije
Eksplorativna(utvruju se faktori u nekom prostoru manifestnih varijabli kada ni broj ni
struktura faktora nisu poznati u naprijed) Faktorska analiza je zajedniko ime za skup metoda
kojoj je cilj kondenzacija veeg broja manifestnih varijabli meu kojima postoji povezanost,
dobiti manji broj latentnih dimenzija (faktora) koje su izvor te povezanosti. Odnos izmeu
manifestnih varijabli i faktora moze se izraziti u oblik jednadbe: zij=aj1fi1+aj2fi2+...+ajkfik
+ujeij,
Manifestne varijable su obiljeja koja se mogu izravno mjeriti postojeim mjernim
instrumentima.
Latentne dimenzije su varijable koja nisu izravno mjerljiva postojeim mjernim
instrumentima, ve se izraunavaju kao linearna kombinacija manifestnih varijabli.
20. Opiite fazu ekstrakcije glavnih komponenata ( od matrice manifestnih varijabli do
matrice glavnih komponentni) komponentnog modela faktorske analize?
Metodom glavnih komponenata se iz skupa manifestnih varijabli na temelju nereducirane
korelacijske matrice izraunaju latentne dimenzije koje su meusobno linearno nezavisne i
nazivaju se glavne komponente.

Glavne komponentne su linearne kombinacije manifestnih varijabli izraunate na nain da 1

glavna komponenta opisuje maksimalan mogu dio ukupne varijance manifestnih varijabli, a
da drugakao i svaka slijedea objanjava maksimalan mogu dio preostale varijance
manifestnih varijabli.
GK SE IZRAUNAVAJAU NA SLIJEDECI NACIN :D
*operacijom Z=BcV-1 se izrauna matrica standardiziranih podataka(Z)
*operacijom R=ZTZn-1 izrauna se matrica korelacija manifestnh varijabli (R) u ijoj su
glavnoj dijagonali jedinice,odnosno varijance standardiziranih varijabli, a ukupna varijanca je
jednaka m broju manifestnih varijabli.
*operacijom spektralne dekompozicije R=XXT dobije se matrica svojstvenih vektora(X) i
svojstvenih vrijednosti ()
Matrica svojstvenih vrijednost je dijagonalna matrica za koju vrijedi da je zbroj svojstvenih
vrijednosti jednak ukupnoj varijanci standardiziranih varijabli, te da se svojstvene vrijednosti
niu od najvee prema najmanjoj.
Matrica svojstvenih vektora je kvadratna matrica reda mxm za koju vrijedi da je
XTX=XXT=I tj da su vektori matrice linearno nezavisni,a u ijim su stupcima ponderi za za
izraunavanje glavnih komponenata iz standardiziranih varijabli.
*operacijom K=ZX izrauna se matrica glavnih komponenata (K)
Matrica glavnih komponenata je matrica reda nxm koju ine rezultati n ispitanika u linearno
m nezavisnim(ortogonalnih) glavnim komponentama. Ukupna varijanca standardiziranih
rezultata podjeljena je tako da prva glavna komponenta objanjava najvei dio ukupne
varijance, druga glavna komponenta najvei preostali dio i tako dalje.
21. Opiite fazu redukcije glavnih komponenata (kriterije za odabir znaajnog broja
glavnih komponentni) komponentnog modela faktorske analize?
Osnovni cilj faktorske analize je kondenzacija veeg broja manifestnih varijabli na manji broj
latentnih dimenzija, potrebno je reducirati broj glavnih komponenti.
Vri se putem nekoliko kriterija:
GK(gutman kajzer) kriterij-broj glavnih komponenti odreuje preko njihove varijance
odnosno preko svojstvenih vrijednosti korelacijske matrice, glavna komponenta je znaajna
ako je njena varijanca vea ili jednaka 1. Prema Vesni Luar ovaj model daje maksimalan
broj interpretabilnih komponenata te da se ne ponaa konzistentno u svim sluajevima sto
dovodi do hiperfaktorizacije(daje vise faktora nego li ih stvarno postoji)
PB(talec i momirovica) kriterij-prema ovom kriteriju odabiru se glavne komponentne
dovoljne za objanjenje ukupne zajednike varijance manifestnih varijabli,broj znaajnih
glavnih komponenti jednak je broju svojstvenih vrijednosti poredanih po veliini, iji zbroj
ne prelazi sumu kvadrata multiple korelacije(predstavlja zajedniki dio varijance svake
varijable s preostalima iz promatranog skupa).

Scree-test(katel)- grafiki kriterij, odnosno grafiki prikaz svojstvenih vrijednosti korelacijske

matrice. Na scree plotu se odredi toka nakon koje se svojstvene vrijednosti smanjuju u sladu
s blagim linearnim trendom. Znaajnima se smatraju sve prethodne glavne komponente.
Varijancu svake manifestne varijable mogue je dekomponirati na komunalitet i unikvitet.
s2=1=h2-u2
Komunalitet je dio varijance manifestne varijable koji je mogue objasniti sa znaajnim
glavnim komponentama.
Unikvitet je dio varijance manifestne varijable koji nije mogue objasniti sa znaajnim
glavnim komponentama sa m-k preostalih glavnim komponentama.
22. Opiite fazu rotacije glavnih komponenata u okviru komponentnog modela
faktorske analize?
Pravi uvid u strukturu meusobnih odnosa manifestnih varijabli esto nije mogue stei
putem glavnih komponenata.U takvim se sluajevima koriste transformacije glavnih
komponenata(rotacije) ija je svrha postizanje jednostavne faktorske strukture.
Razlikujemo dvije vrste rotacija. Ortogonalne koje za uvjet imaju zadravanje njihove
linearne nezavisnosti i neortogonalne (kosokutne) koje nemaju za uvjet zadravanje linearne
nezavisnosti.
Interpretacija faktora nakon rotacije vri se putem matrice strukture(F), matrice sklopa(A) i
matrice korelacije meu faktorima(M).
Matrica strukture ine je korelacije manifestne varijable s faktorima. To su ortogonalne
projekcije manifestnih varijabli na faktore)
Matrica sklopa ine je paralelne projekcije manifestnih varijabli na faktore.(esto jasnije
pokazuju koje varijable odreuju pojedine faktore nego matrica strukture.
Matrice strukture i matrice sklopa bit e slinije to su korelacije meu faktorima manje. Ako
su faktori potpuno nezavisni, obje e matrice biti jednake.
23. Opiite kanoniku analizu (svrha, nain izraunavanja, i interpretacija najbitnijih
rezultata
To je metoda za utvrivanje relacija izmeu dvaju skupova varijabli. Moe se koristiti i za
utvrivanje utjecaja skupa prediktorskih varijabli na skup kriterijskih.
Iz dva skupa manifestnih varijabli se na temelju matrice korelacije i matrice kroskorelacije
izrauna onoliko parofa kanonikih faktora koliko je varijabli u manjem skupu. Svaki se par
sastoji od kanonikog faktora prvog skupa i kanoninog faktora drugog skupa. Prvi par se
izrauna na nain da objanjava to je mogue vie zajednikog varijabiliteta, tj da faktori
prvog i drugog skupa, prvog para budu u to je mogue veoj korelaciji. Svaki sljedei par na
isti nain treba objanjavati to je mogue vie preostalog varijabiliteta. To se postie uz uvjet
potpune linearne nezavisnosti. Vrijedi pravilo da je korelacijska povezanost prvog para vea
ili jednaka povezanosti narednog para.

Koeficijent kanonike korelacije (Rc) je mjera povezanosti kanonikih faktora unutar jednog
para a kree se izmeu 0 i 1.
Statistika znaajnost kanonikih korelacija testira se bartlettovim testom putem x2 ("hi" kvadrat) distribucije. I to se radi od prvog para do posljednjeg, i ako se utvrdi da u nekom
paru korelacija nije statistiki znaajna tada to nee biti ni u jednom sljedeem paru.
Interpretacija kanonikih faktora se vri putem matrice strukture kanonikih faktora. A ine je
korelacije manifestnih varijabli prvog skupa s kanonikim faktorima prvog skupa
24. Opiite diskriminacijksu analizu (svrha, izraunavanje i interpretacija najbitnijih
rezultata
Njome se utvruje statistika znaajnost razlike izmeu centroida dvije ili vie grupa
ispitanika te doprinosi pojedinih varijabli razlikovanju meu grupama.
Diskriminacijske funckije su linearne kombinacije manifestnih varijabli koje se izraunavaju
uz uvijet da se centroidi grupa entiteta na njima to je mogue vie razlikuju i uz uvijet da su
meusobno potpuno linearno nezavisne.
Matricu diskriminacijske funkcije ine rezultati entiteta diskriminacijskih funckija.
Koeficijent kanonike diskriminacije ( PAZI!!! Nije isto to i koeficijent kanonike
korelacije!) je mjera diskriminacijske moi odgovarajue diskriminacijske funkcije a
predstavlja korelaciju diskriminacijske funkcije sa selektorskom varijablom odnosno
varijablom koja odreuje pripadnost entiteta grupama. Kree se u intervalu od 0 do 1.. to je
koeficijent vei to diskriminacijska funckija bolje razlikuje grupe entiteta.
Statistika znaajnost diskriminacijske funckije testira se od prve do posljednje, utvrdi li se da
neka nije znaajna, onda ni jedna idua nee biti. Vri se putem x2 ( "HI" - kvadrat )
distribucije.
Doprinost pojedinih manifestnih varijabli razlikovanju centroida grupa odreuje se na temelju
matrice strukture diskriminacijske funkcije.
Matrica strukture diskriminacijske funckije ine korelacije manifestnih varijabli s
diskriminacijskim funckijama.
25. Definirajte osnovne kineziometrijske pojmove ( kineziometrija, mjerenje, objekt
mjerenja, predmet mjerenja, mjerioc )?
Kineziometrija- znanstvena disciplina koja prouava probleme mjerenja u kineziologiji,
odnosno probleme konstrukcije, evaluacije i primjene mjernih istrumenata za procjenu
kineziolokih fenomena
Mjerenje- je postupak kojim se entitetima pridruuju brojevi ili oznake sukladno razvijenosti
mjernog svojstva,odnosno predmeta mjerenja. Postoji indirektno i direktno mjerenje. u
direktnom mjerenju predmet mjerenja i mjerna jedinica imaju ista svojstva a u indirektnom
obrnuto.
Objekt mjerenja- je entitet ija se svojstva utvruju mjerenjem(osobe sportske ekipe,ps
dogaaji...)

Predmet mjerenja- je svojstvo objekta mjerenja ija se razvijenost mjeri(motor i funkc.

sposob.)
predmeti mjerenja u kineziologiju su najee latnentni
Mjeritelj- osoba kolovana za provoenje mjerenja. Da bi se utjecaj mjerenja sveo na
najmanju moguu mjeru, nuno je potovati standardizirani postupak mjerenja.
-objektivnost se postie tako da vise mjerioca dobije jednake razultate
Standardizirani postupak mjerenja je precizan opis uvjeta i postupaka u kojima se provodi
mjerenje nekim mjernim instrumentom te naina bodovanja i vrednovanja dobivenih rezultata
26. Navedite i opiite mjerne skale?
Razlikujemo kvalitativne i kvantitativne mjerne skale.
Kvalitativne su nominalne i ordinalne, a kvantitativne su intervalne i omjerne.
Nominalne - Nemaju kontinuitet i kvantitativna svojstva. Objekte mjerenja je mogue svrstati
u dvije ili vie disjunktivne kategorije ravnopravnih vrijednosti. Kategorije su definirane
jednoznano tako da svaki objekt moe pripadati samo jednoj kategoriji.
Ordinalne - Skala rangova, a rangovi se odreuju prema razvijenosti svojstva mjerenja.
Mogue je utvrditi da li je neki objekt mjerenja bolji od drugog, ali nije mogue utvrditi tonu
razliku meu njima
Intervalna - Ima kontinuitet i kvantitativna svojstva. Prema rezultatima na intervalnoj skali
mogue je utvrditi da li je neki element mjerenja bolji od drugog i i kolika je razlika izmeu
njih, ali nije mogue utvrditi koliko je puta bolji od drugog jer ne postoji nulta vrijednost.
Nulta vrijednost ne predstavlja apsolutno odsustvo mjerenog svojstva.
Omjerna skala - Ima kontinuitet i kvantitativna svojstva ,a nulta vrijednost predstavlja
apsolutno odsustvo mjerenog svojstva.
Mogue je utvrditi jeli jedan predmet mjerenja bolji od drugog, kolika je razlika meu njima i
za koliko puta je jedan bolji od drugog jer postoji nulta vrijednost.
27. to je mjerni instrument? Nabrojite vrste mjernih instrumenata koje koristimo u
kineziologiji. to je kompozitni mjerni instrument?
Mjerni instrument je operator pomou kojeg se vri mjerenje a kojeg ine tehnika oprema
potrebna za mjerenje, jedan ili vie mjeritelja i standardizirani postupak mjerenja.
Test tipa: papir-olovka-su svi mjerni instrumenti koji informacije o svojstvima objekta
mjerenja prikupljaju putem pisanog materijala, raznim anketama i upitnicima. Potpuno su
objektivni ( utvrivanje kogitivnih i konativnih obiljeja, stavova, socijalnog statusa...
Test tipa: aparatura za mjerenje- koriste se jedno ili vie tehnikih pomagala kao sredstvo
prikupljanja informacija (spiroergometar, elektromiografski testovi...)manje objektivan jer
rezultati ovise o obuenosti mjerioca.

Test tipa: primjena motorikog zadatka- mjerenje efikasnosti motorike aktivnosti koja u
poznatoj mjeri aktivira odreene motorike sposobnosti objekta mjerenja (test agilnosti,
fleksibilnosti, brzine...)za takav tip testa potrebno je precizno definirat uvijete pomagala i
nain njihova koritenja.
Test tipa: subjektivna procjena mjeritelja- podrazumjeva procjenu razvijenosti svojstva
objekta mjerenja od strane jednog ili vie kompetetnih mjeritelja(gimnastika, klizanju na ledu,
skokovi u vodu...)
Kompozitni mjerni instrument-se sastoji od tri ili vie estica koje mogu biti pitanja/zadaci,
uzastopna mjerenja...., a daljnje obrade provode se na kondenziranim rezultatima.
28. Navedite i kratko opiite faze konstrukcije mjernog instrumenta?
Definirnje predmeta mjerenja-jasno odreenje svojstva entiteta koje elimo mjeriti. Potrebno
je utvrditi dali je svojstvo manifestno ili latentno. Ako je latentna konstruiramo mjerni
instrument kojim emo indirektno mjeriti pomou njenih manifestacija .
Odabir odgovarajueg tipa mjernog instrumenta-vri se ovisno o predmetu mjerenja,
objektima, raspoloivim mjeriteljima, vremenu, materijalnim i financijskim uvjetima. Testovi
papir olovka,aparatura za mjerenje, primjena motorikog zadatka i subjektivna procjena.
Izbor podraajnih situacija-definiranje koji emo test koristiti,valja prouiti u kojim se
situacijama manifestira predmet mjerenja.Kvaliteta mjernog instrumenta ovisi bit e
determinirana izborom estica kojim se aktivira predmet mjerenja.Pri izboru cestica treba
voditi brigu o sljedecem:
*estice moraju biti kratko i jasno definirane
*svaka estica mora biti povezana s predmetom mjerenja
*estice moraju biti prilagoene ciljanoj populaciji ispitanika
*estice moraju varirati po teini i sloenosti
Standardizacija mjernog postupka-Podrazumjeva precizan opis svih postupaka i uvjeta u
kojima se provodi mjerenje te naina bodovanja i vrednovanja dobivenih rezultata.St. mj.
postupa podrazumijeva:
*naziv i ifru mjernog instrumenta
*tehniki opis,odnosno konstrukcijske karakteristike
*opis postupaka mjerenja
*uputa o ispitaniku
*nain odreivanja rezultata ispitanika.
Utvrivanje metrijskh karakteristika-nakon konstrukcije utvrrujemo njegove metrijske
karakteristike Pouzdanost, valjanost, homogenost, objektivnost, osjetljivost. 29. Definirajte

metrijsku karakteristiku pouzdanost i opiite metode za utvrivanje pouzdanosti pod

klasinim modelom mjerenja?
29.Definirajte metrijsku karakteristiku - pouzdanost i opiite metode za utvrivanje
pouzdanosti pod klasinim modelom mjerenja ?
Pouzdanost je metrijska karakteristika nezavisnosti mjerenja od nesistematskih/sluajnih
pogreaka.
Metode utvrivanja pouzdanosti su:
Test-retest metoda-podrazumjeva primjenu mjernog instrumenta na jednoj grupi u 2 navrata.
Koeficijentom pouzdanosti smatra se korelacija izmeu oba mjerenja. Period izmeu mjerenja
mora biti dovoljno dug da se spitanik oporavi a dovoljno kratak da se mjereno svojstvo ne
promjeni.
Tau-ekvivalentna metoda- primjena dva ista instrumenta mjerenja, koji su slini po sadraju,
broju i obliku zadatka na istoj grupi ispitanika. Koeficijent pouzdanosti je korelacija rezultata
oba testova.
Metoda interne konzistencije-utvruje pouzdanost kompozitnih mjernih instrumenata, a
temelji se na pretpostavci da su sve estice meusobno paralelni testovi.
Kondenzacija rezultata je izraunavanje ukupnog rezultata ispitanika na temelju rezultata u
esticama testa.
Jednostavnom linearnom kombinacijom originalni rezultati-Cronbachov koef. Pouz.
Jednostavnom linearnom kombinacijom stand. rez.- Sperman-brownov koef. Pouz.
Prvom glavnom komponentom kaiser-Caffreyev koef. Pouz.
30. Definirajte metrijsku karakteristiku objektivnost i opiite nain utvrivanja
objektivnosti pod klasinim modelom mjerenja?
Objektivnost je mjerna karakteristika kojom se odreuje nezavisnost rezultata mjerenja od
mjeritelja. Koeficijent se kree od 0 do 1.
Postupak utvrivanja objektivnosti nekog mjerenja u kojem sudjeluje vei broj mjeritelja
identian jee metodi interne konzistencije za utvrivanje pouzdanosti kompozitnih mjernih
instrumenata, pri emu su estice mjerenja mjeritelji /suci.
Objektivnost mjernog instrumenta zavisi o:
Znanju i iskustvu mjeritelja
Nzavisnosti mjeritelja od okolnih faktora
Jednostavnosti mjerenja
Jednostavnosti pravila i kriterija ocjenjivanja
Jednoznanost pravila i kriterija

Tehnolokoj potpori mjeritelja

31. Definirajte metrijsku karakteristiku homogenost i opiite nain utvrivanja
homogenosti?
Mjerna karakteristikaa kompozitnih mjernih instrumenata koja pokazuje koliko rezultati
ispitanika u svim esticama zavise od istog predmeta mjerenja. Koeficijent se kree od 0 do 1,
a utvruje se izraunavanjem prosjene korelacije meu esticama.
32. Definirajte metrijsku karakteristiku osjetljivost i opiite nain utvrivanja
osjetljivosti.
Mjerna karakteristika koja pokazuje koliko uspjeno mjerni instrument razlikuje ispitanika po
predmetu mjerenja. Osjetljivost se procjenjuje na temelju mjera disperzije i oblika distribucije
rezultata. Simetrina distribucija, negativna distribucija i pozitivna distribucija.
33. to je dijagnostika valjanost i na koji nain se utvruje?
Je metrijska karaktersitika koja pokazuje koliko stvarni predmet mjerenja odgovara ciljanom
predmetu mjerenja. Dijagnostiku valjanost je prema nainu utvrivanja mogue podijeliti na
apriornu valjanost i faktorsku valjanost.
Utvruje se:
Korelacijom rezultata testa s rezultatom testa za kojeg je utvrena visoka faktorska valjanost
za procjenu ciljanog predmeta mjerenja
Korelacijom testa s prvom glavnom komponentnom izraunatom na temelju rezultata tri ili
vie testova za koje je utvrena visoka faktorska valjanost za procjenu ciljanog predmeta
mjerenja.
Korelacijom testa s faktorom koji predstavlja ciljani predmet mjerenja, a koji je utvren
faktorskom analizom u koju su osim testova za procjenu ciljanog predmeta mjerenja ukljueni
i testovi drugih predmeta mjerenja.
34. to je pragmatika (prognostika) valjanost i na koji nain se ona utvruje?
Metrijska karaktersitika koja pokazuje s kolikom se sigurnou moe predvidjeti uspjenost u
nekoj praktinoj aktivnosti na temelju rezultata u jednom ili vie testova.
Utvruje se:
Jednim testom za jednodimenzionalni kvantitativni kriterij -metodom korelacije ili regresijske
analize
Skupom testova za jednodimenzionalni kvantitativni kriterij- metodom viestruke kriterijske
analize
Skupom testova za viedimenzionalni kvantitativni kriterij-metodom kanonike analize
Jednim testom za jednodimenzionalni kvalitativni kriterij-metodom t-testa
Skupom testova za jednodimenzionalni kvalitativni kriterij-metodom diskriminacijske analize