言語の一意と共通の効果を明らかにする読解力の分散の分解と復号化

この方法は、読解と言語開発の心理学に関する社会科学分野の重要な質問に答える助けになります。この手法は、個々の差異特性がどのように共変化し、他の特性と共有される効果と比較して、ユニークな効果がどのようにペール化するかを示しています。この技術の意味は、より広く社会科学に及びます。

それは私たちが重複する分散を理解するのに役立つ予測変数の共通性を考慮することができます。グラフィカルユーザーインターフェイスを使用してソフトウェアにデータを読み込むには、ファイルをクリックして、開いている上にマウスを置きます。[データ] をクリックし、コンピューター上の関連するデータ ファイルを見つけます。

ファイルの種類がグラフィカル ユーザー インターフェイスを持つソフトウェアと一致しない場合は、種類のファイルをクリックし、適切なファイル形式を選択します。次に、[開く] をクリックします。2 つの独立変数に基づく合計分散を説明するには、[分析] をクリックし、回帰の上にマウスを置いて線形を選択します。

変数リストで従属変数をクリックし、その後に従属変数の横にある矢印をクリックします。変数リスト内の 2 つの独立変数をクリックし、独立の横にある矢印をクリックします。[問題] をクリックし、ソフトウェアのビューア ウィンドウをクリックします。

マウスを使用してモデルの概要セクションまでスクロールし、R の正方形の下に値を記録します。次に、この値の合計 R を 2 乗とラベル付けします。独立変数1に基づく総分散を説明するには、独立変数リスト内の1つの独立変数で合計分散説明を繰り返し、ソフトウェアのビューアウィンドウをクリックします。

次に、マウスを使用してモデルの集計セクションまでスクロールし、R の 2 乗列の下に値を記録し、この値に独立変数 1 つの R 平方をラベル付けします。独立変数 2 に基づいて合計分散を説明するには、独立変数リスト内の独立変数 2 のみを使用して分散の合計説明を繰り返し、ソフトウェアのビューアー・ウィンドウをクリックします。次に、マウスを使用してモデルの集計セクションまでスクロールし、R の 2 乗列の下に値を記録し、この値に独立変数 2 つの R 2 乗のラベルを付けます。

一意、共通、および原因不明の分散成分を計算するには、データ管理ソフトウェアを開き、R2乗の独立変数 1 つの R 2 乗と独立変数 2 つの R をセル A1、B1、C1 に丁重に入力します。合計 R 二乗値を A2 に入力します。独立変数1 RはB2に2乗値、独立変数は2つのR二乗値をC2にした。変数 1 の一意分散を計算するには、式を D2 に入力し、この値を D1 の変数 1 の一意分散としてラベル付けします。変数 2 の一意分散を計算するには、E2 に式を入力し、E1 の変数 2 の一意分散として値にラベルを付けます。変数 1 と 2 の共通分散を計算するには、F2 に数式を入力し、F1 の変数 1 と 2 の間で共通の値としてラベルを付けます。原因不明の分散を計算するには、G2 に式を入力し、この値に原因不明の分散を G1 にラベル付けします。変数1の一意分散、変数2の一意分散、変数1と2の共通分散、および原因不明の分散をプロットするには、マウスセルをクリックしてD2、E2、F2、G2の上にドラッグしてデータをハイライト表示し、挿入をクリックしてからグラフ、円グラフ、2D円グラフをクリックします。この代表的な言語と共通の言語分散と読解を予測するためのデコードの研究では、1年生の成績の回帰分析は、読解の総分散の60%を占めた。

グレード1の分散がユニークで一般的な効果に分解されると、解読は読解の24%の分散を一意に説明し、言語は分散の17%をユニークに説明しました。デコードと言語の共通分散はグレード7では19%であったが、回帰分析は読解の総分散の53%を占めた。解読では、読解の差異の7%によって一意に説明され、言語は分散の28%を説明しました。

読解の差異を説明する際の解読と言語の共通分散は18%のグレード10では、回帰分析は読解理解における総分散の61%を占めた。分散の 6% を一意にデコードすると、分散の 42% を一意に考慮した言語です。読解の差異を説明する際のデコードと言語の共通の差異は13%でしたが、この手順を試みる際に、分解プロセスは、各独立変数が説明する一意の分散を個別に計算する典型的な回帰アプローチとは異なることを覚えておくことが重要です。

このプロトコルは、社会経済的地位によって一意の分散と共通分散の割合が異なるかどうかについての追加の質問に答えるために変更することができます。さらに、観察可能な変数を潜在的変数に置き換え、測定誤差を低減することができる。デコードと言語が読解を予測する際に説明する共通の差異の量は、特に小学校の成績では、命令が単語レベルでの言語知識の統合に焦点を当てるべきであることを示唆している。