Diese Methode kann helfen, schlüsselhafte Fragen im bereichder sozialwissenschaftlicher Frage zur Psychologie des Lesens und der Sprachentwicklung zu beantworten. Diese Technik veranschaulicht, wie individuelle Differenzeigenschaften nebeneinander variieren und wie ein einzigartiger Effekt im Vergleich zu einem Effekt, der mit anderen Merkmalen geteilt wird, in sausen kann. Die Implikationen dieser Technik erstrecken sich auf die Sozialwissenschaften im weiteren Sinne.
Da es die Bilanzierung der Gemeinsamkeit von Prädiktoren ermöglicht, die uns helfen, überlappende Varianz zu verstehen. Um die Daten mit einer grafischen Benutzeroberfläche in die Software einzulesen, klicken Sie auf Datei und bewegen Sie den Mauszeiger über öffnen. Klicken Sie auf Daten, und suchen Sie die entsprechende Datendatei auf dem Computer.
Wenn der Dateityp nicht mit der Software mit einer grafischen Benutzeroberfläche übereinstimmt, klicken Sie auf Dateien des Typs, und wählen Sie das entsprechende Dateiformat aus. Klicken Sie dann auf Öffnen. Um die Gesamtvarianz basierend auf zwei unabhängigen Variablen zu erklären, klicken Sie auf Analysieren und bewegen Sie den Mauszeiger über die Regression, um linear auszuwählen.
Klicken Sie auf die abhängige Variable in der Variablenliste, gefolgt vom Pfeil neben dependent. Klicken Sie auf die beiden unabhängigen Variablen in der Variablenliste und klicken Sie auf den Pfeil neben der Unabhängigkeit. Klicken Sie auf okay und klicken Sie auf das Viewer-Fenster der Software.
Verwenden Sie die Maus, um zum Modellzusammenfassungsabschnitt zu scrollen und den Wert unter R-Quadrat aufzuzeichnen. Beschriften Sie dann diesen Wert insgesamt R quadriert. Um die Gesamtvarianz basierend auf der unabhängigen Variablen 1 zu erklären, wiederholen Sie die Gesamtabweichungserklärung mit der unabhängigen Variablen 1 nur in der Liste der unabhängigen Variablen und klicken Sie auf das Viewer-Fenster der Software.
Verwenden Sie dann die Maus, um zum Modellzusammenfassungsabschnitt zu scrollen, den Wert unter der quadratischen R-Spalte aufzuzeichnen und diesen Wert als unabhängige Variable ein R-Quadrat zu beschriften. Um die Gesamtvarianz basierend auf der unabhängigen Variable zwei zu erklären, wiederholen Sie die Gesamtabweichungserklärung mit der unabhängigen Variable zwei nur in der Liste der unabhängigen Variablen, und klicken Sie auf das Viewer-Fenster der Software. Verwenden Sie dann die Maus, um zum Modellzusammenfassungsabschnitt zu scrollen, den Wert unter der quadratischen R-Spalte aufzuzeichnen und diesen Wert als unabhängige Variable zwei R-Quadrate zu beschriften.
Um die eindeutigen, gemeinsamen und unerklärlichen Varianzkomponenten zu berechnen, öffnen Sie die Datenverwaltungssoftware, und geben Sie die gesamte unabhängige Variable R einR-Quadrat und die unabhängige Variable zwei R-Quadrate in die Zellen A1, B1 und C1 respektvoll ein. Geben Sie den Gesamtwert des R-Quadrats in A2 ein. Die unabhängige Variable ein R-Quadratwert in B2 und die unabhängige Variable zwei R-Quadratwerte in C2. Um die eindeutige Varianz von Variable 1 zu berechnen, geben Sie die Formel in D2 ein, und beschriften Sie diesen Wert als eindeutige Varianz der Variablen 1 in D1. Um die eindeutige Varianz von Variable 2 zu berechnen, geben Sie die Formel in E2 ein, und beschriften Sie den Wert als eindeutige Varianz der Variablen 2 in E1. Um die gemeinsame Varianz zwischen den Variablen eins und zwei zu berechnen, geben Sie die Formel in F2 ein, und beschriften Sie diesen Wert als verschiedene verschiedene Zwischenvariablen eins und zwei in F1. Um die unerklärliche Varianz zu berechnen, geben Sie die Formel in G2 ein, und beschriften Sie diesen Wert in G1 als unerklärliche Varianz. Um die eindeutige Varianz von Variable eins, die eindeutige Varianz der Variablen zwei, die gemeinsame Varianz zwischen den Variablen eins und zwei und die unerklärliche Varianz darzustellen, klicken und ziehen Sie die Mauszellen über D2, E2, F2 und G2, um die Daten hervorzuheben, und klicken Sie auf Einfügen, klicken Sie dann auf Diagramme, Kreisdiagramm und 2D-Kreisdiagramm. In dieser repräsentativen Studie über einzigartige und häufige Varianzen von Sprache und Dekodierung zur Vorhersage des Leseverständnisses machte die Regressionsanalyse für Schüler der ersten Klasse 60 % der Gesamtvarianz im Leseverständnis aus.
Wenn die Varianz in Grad eins in einzigartige und häufige Effekte zerlegt wurde, erklärte die Dekodierung eindeutig die 24% Varianz im Leseverständnis, und die Sprache erklärte eindeutig die 17% der Varianz. Die gemeinsame Varianz von Dekodierung und Sprache betrug 19%In Der siebten Klasse entfielen 53 % der Gesamtvarianz des Leseverständnisses auf die Regressionsanalyse. Mit Dekodierung eindeutig erklärt durch 7% der Varianz im Leseverständnis, und Sprache erklärt 28% der Varianz.
Die gemeinsame Varianz von Dekodierung und Sprache bei der Erklärung der Varianz im Leseverständnis betrug 18%in Grad 10, die Regressionsanalyse machte 61% der Gesamtvarianz im Leseverständnis aus. Da die Dekodierung eindeutig 6 % der Varianz ausmacht und die Sprache 42 % der Varianz eindeutig ausmacht. Die gemeinsame Varianz von Dekodierung und Sprache bei der Erklärung der Varianz im Leseverständnis betrug 13%Beim Versuch dieses Verfahrens ist es wichtig, sich daran zu erinnern, dass sich der Zerlegungsprozess von typischen Regressionsansätzen unterscheidet, indem die eindeutige Varianz getrennt berechnet wird, die jede unabhängige Variable erklärt.
Dieses Protokoll kann geändert werden, um zusätzliche Fragen darüber zu beantworten, ob sich die Anteile einzigartiger und gemeinsamer Varianzen je nach sozioökonomischem Status unterscheiden. Darüber hinaus können die beobachtbaren Variablen durch latente Variablen ersetzt werden, um Messfehler zu reduzieren. Die Menge der gemeinsamen Varianz, die Dekodierung und Sprache zusammen erklären, wenn man das Leseverständnis vorhersagt, insbesondere in den Elementarnoten, legt nahe, dass sich der Unterricht auf die Integration von Sprachkenntnissen auf Wortebene konzentrieren sollte.
