分解阅读理解中的方差以揭示语言与解码能力的独特及共同效应

该方法有助于回答社会科学领域中关于阅读心理与语言发展的关键问题。该技术阐明了个体差异特征如何共同变化，以及某一独特效应与其它特征共有的效应相比可能显得微不足道。该技术的影响可进一步延伸至更广泛的社会科学领域。

因为它可以考虑预测变量的共性，帮助我们理解重叠的方差。要使用图形用户界面将数据读入软件，请点击“文件”，然后将鼠标悬停在“打开”上。点击“数据”，并在计算机上找到相关的数据文件。

如果文件类型与具有图形用户界面的软件不一致，请单击“文件类型”，然后选择相应的文件格式，再单击“打开”。为了基于两个自变量解释总方差，请单击“分析”，将鼠标悬停在“回归”上，然后选择“线性”。

在变量列表中单击因变量，然后单击因变量旁边的箭头。在变量列表中单击两个自变量，然后单击自变量旁边的箭头。单击“确定”，然后单击软件的查看窗口。

使用鼠标滚动至模型摘要部分，记录 R 平方下方的数值，并将该值标记为总 R 平方。为解释基于自变量一的总方差，请仅将自变量一保留在自变量列表中，重复进行总方差解释，并单击软件的查看窗口。

然后使用鼠标滚动至模型汇总部分，记录 R 方列下的数值，并将该数值标记为自变量一的 R 方。为了基于自变量二解释总方差，请在自变量列表中仅保留自变量二，重复进行总方差解释分析，并点击软件的查看窗口。然后使用鼠标滚动至模型汇总部分，记录 R 方列下的数值，并将该数值标记为自变量二的 R 方。

为了计算独特的、共同的以及未解释的方差成分，请打开数据管理软件，将总R平方、自变量一的R平方和自变量二的R平方分别输入到单元格A1、B1和C1中。将总R平方值输入到A2，自变量一的R平方值输入到B2，自变量二的R平方值输入到C2。为计算变量一的独特方差，在D2中输入公式，并在D1中将该值标记为“变量一的独特方差”。为计算变量二的独特方差，在E2中输入公式，并在E1中将该值标记为“变量二的独特方差”。为计算变量一与变量二之间的共同方差，在F2中输入公式，并在F1中将该值标记为“变量一与变量二之间的共同方差”。为计算未解释的方差，在G2中输入公式，并在G1中将该值标记为“未解释方差”。为绘制变量一的独特方差、变量二的独特方差、变量一与变量二之间的共同方差以及未解释方差的图表，请用鼠标点击并拖动选中D2、E2、F2和G2单元格以高亮显示数据，然后点击“插入”，再点击“图表”、“饼图”和“二维饼图”。在此项关于语言能力和解码能力对阅读理解预测中独特方差与共同方差的代表性研究中，针对一年级学生的回归分析解释了阅读理解总方差的60%。

当对一年级的成绩差异进行分解为独特效应和共同效应时，解码能力独自解释了阅读理解差异的24%，语言能力独自解释了17%的差异。解码能力和语言能力的共同差异为19%。在七年级，回归分析解释了阅读理解总差异的53%。其中解码能力独自解释了阅读理解差异的7%，语言能力解释了28%的差异。

解码能力和语言能力在解释阅读理解变异量方面的共同贡献为18%。在十年级，回归分析解释了阅读理解总变异量的61%。其中，解码能力独立解释了6%的变异量，语言能力独立解释了42%的变异量。解码能力和语言能力在解释阅读理解变异量方面的共同变异量为13%。在实施该分析过程时，需注意：此分解方法不同于通常的回归分析方法——后者通过分别计算每个自变量独立解释的变异量。

该方案可进行修改，以进一步探究独特方差和共同方差的比例是否因社会经济地位而异。此外，可观测变量可用潜变量替代，以减少测量误差。解码能力和语言能力在预测阅读理解水平时共同解释的共同方差量，尤其是在小学阶段，表明教学应着重于词汇层面语言知识的整合。