노인의 신체 이미지에 대한 심리사회적 개입 검증: 실험적 디자인

이 실험적인 내정간섭은 노인의 신체 만족을 검사합니다. 목표는 다른 일반적인 프로그램과 특정 개입을 비교하고 50 세 이상의 사람들의 신체 만족도를 개선하기위해 더 효과적인 결정입니다.

이 실험은 중재 전후의 신체 만족도를 검토하고 실험 및 비실험적 그룹을 비교하여 노인의 신체 만족도 프로그램에 참여하는 긍정적인 결과를 평가합니다. 이러한 실험적 혼합 설계를 통해 종족 비교 및 기타 변수에 의한 조작 효과로부터 처리 효과를 분리할 수 있다. 이것은 행동 과학에 있는 인과 관계를 결정하고 심리 치료 내정간섭이 실제적이고 단단한 개선을 생성하는지 평가하기위한 가장 효과적인 방법론입니다.

먼저 통계 소프트웨어를 열고 파일 메뉴로 이동하여 새 메뉴를 선택하고 데이터 아이콘을 클릭합니다. 변수 보기를 열고 원고의 표 에 나열된 각 변수에 대한 통계 변수를 만듭니다. 데이터 보기를 열고 각 참가자에 대한 신체 모양 설문지 또는 BSQ 테스트의 사전 및 게시물 측정값의 데이터를 입력합니다.

마찬가지로 인구 통계 학적 및 기여 설문지의 데이터를 입력합니다. 데이터를 작성한 후 계산 변수를 변환하고 팝업 메뉴에서 대상 변수 간격에 숫자를 할당한 다음 형식 및 레이블 메뉴에서 사전 처리 변수를 선택하고 숫자 표현식 간격으로 이동하고 계산기의 빼기 아이콘을 클릭합니다. 형식 및 레이블 메뉴에서 처리 후 변수를 선택하고 다시 숫자 식 간격으로 이동합니다.

마지막으로 OK'탭을 탭하여 사전 및 사후 BSQ 측정의 차이로 변수를 만듭니다. 데이터의 디지털화 후, 분석 메뉴의 스케일에서 신뢰성 분석을 선택하고 실험에 사용된 BSQ 측정을 신뢰성 분석 대화 상자로 이동하여 신뢰성을 살펴보십시오. 통계를 클릭하고 클래스 내 상관 관계 계수를 선택한 다음 양방향 혼합 및 일관성 옵션을 클릭합니다.

마지막으로 OK'icon을 클릭하여 원하는 출력을 생성합니다. 분석 메뉴 및 설명 통계를 선택한 다음 주파수를 클릭하여 설명 분석을 실행합니다. 출력 후 설명 통계 및 설명 을 분석합니다.

정량적 변수의 설명 통계를 지정하려면 메인 메뉴에서 파일을 분할하고 팝업 메뉴에서 분석할 범주 변수를 선택합니다. 그룹별로 출력을 구성하고 두 가지 조건에 참여하기 전과 후에 수집된 본문 이미지 데이터에 대한 학생의 T-테스트를 수행하고, 메뉴를 분석하고, 비교 수단을 선택하고, 쌍을 이루는 샘플 T-test 대화 상자에서 BSQ 전처리 및 BSQ 사후 처리를 변수 1과 2로 설정하여 그룹별로 출력을 구성하고 OK.To 클릭합니다. 각 범주 변수에 따라 쌍을 이루는 샘플 학생의 T-테스트를 지정하고, 메인 메뉴에서 분할 파일을 선택하고 팝업 상자에서 분석할 범주변수를 선택합니다.

그런 다음 탭을 클릭하여 그룹별로 출력을 구성하고 OK를 누른다. 각 명목 변수에 대해 이 프로세스를 반복합니다. 각 프로그램의 효과를 보려면 분석 메뉴에서 비교 수단을 선택하여 ANOVA가 한 가지 방식으로 ANOVA 대화 상자에 액세스하는 방법을 수행합니다. 상자에는 변수 BSQ 사전 및 사후 처리 및 종속 목록에서의 사전 포스트 차이뿐만 아니라 실험 상태 변수를 계수로 넣는다.

반복 측정 ANOVA 분석을 보려면 분석 메뉴에서 일반 선형 모델로 이동하십시오. 반복 측정 대화 상자에서 제목 계수 이름에 이름을 할당합니다. 그런 다음 측정값 이름에 레벨 과 BSQ의 수로 두 가지를 넣습니다.

마지막으로 정의를 클릭하여 변수 선택 상자로 전환합니다. 팝업 메뉴 내에서 피사체의 변수와 모든 사회 인구 통계 변수 를 코바레로 선택합니다. 마지막으로 모델을 클릭하고 전체 계수를 선택합니다.

옵션으로 이동하여 효과 크기의 추정을 선택합니다. 프로세스를 반복하여 사용자 지정 용어를 빌드하고 아이콘을 사용하여 변수 조건을 모든 사회인구 변수와 결합합니다. 대표적인 분석에서는 참가자등록 전후의 실험 및 대조군의 효과 크기와 쌍이 있는 샘플 테스트와 함께 두 순간의 차이를 보여줬다.

쌍을 이루는 샘플 테스트의 출력은 제어 조건의 결과와 비교하여 IMAGINA 프로그램의 참가자에서 신체 이미지가 현저한 개선이 있음을 보여주었습니다. ANOVA가 사전 조건과 사후 조건 간의 비 중요한 평균 차이를 밝혀 테스트 설계가 견고하다는 결론을 내린 한 가지 방법으로 그룹 간 효과를 분석했습니다. 또한 사전 게시물 차이에서 BSQ의 상당한 개선, BSQ 테스트의 좋은 성능을 표시.

다변량 테스트에서 의 결과는 통계적으로 유의한 상호 상호 작용 효과를 입증하였다. IMAGINA 신체 만족도 프로그램의 효과를 가리킵니다. 성별, 결혼 여부 및 연도의 계절과 같은 변수를 개입하는 효과는 신체 만족도 차이로 분석되었습니다.

남성 과목은 여성보다 외모에 더 만족하는 것으로 관찰되었다. 그러나, 개입 전후 BSQ의 측정사이의 차이는 IMAGINA 프로그램에 참여한 후 남녀 모두에 대해 통계적으로 유의했다. 관계 내에서 참가자, 전 및 후 치료 조건에서 그들의 외모에 더 불행 한 것으로 나타났습니다.

그러나 이것은 또한 IMAGINA에 참여하는 동안 그들의 바디 만족도를 더 크게 향상시켰습니다. 올해의 계절은 대조군에 있는 개별에 있는 개별에 현저하게 영향을 미치지 않았습니다, 그러나 실험단에 있는 그(것)들에 영향을 미쳤습니다. 개선은 실험 조건에서 시골 개인에 보다 대도시 개인에 대 한 더 높았다.

이 프로토콜에서 가장 중요한 단계는 실험 및 제어 조건에서 동일한 실험 조건을 복제하여 처리에 의해 생성된 효과를 격리하는 것입니다.