2.4. Data analysisIn order to accou

2.4. Data analysis
In order to account for the nested structure in the data, analyses are based on hierarchical linear modeling (HLM).

Subjective stress, sCort, sAA, and items on music listening (music episode (yes/no), perceived valence, perceived arousal, reasons for music listening) were considered level-1 variables. In analyses concerning the relationship between music episode and sCort, time of day has been added as predictor (UC = −0.45, t(363) = −16.57, p ≤ 0.001).

ผลลัพธ์ (ไทย) 1:

2.4 วิเคราะห์ข้อมูลการบัญชีสำหรับโครงสร้างซ้อนกันในข้อมูล วิเคราะห์จะขึ้นอยู่กับการสร้างแบบจำลองเชิงลำดับชั้น (HLM) ความเครียดตามอัตวิสัย sCort กระดาษสา และรายการบนฟังเพลง (เพลงตอน (ใช่/ไม่ใช่), มองเห็นเวเลนซ์ เร้าอารมณ์ การรับรู้เหตุผลสำหรับฟังเพลง) ก็ถือว่าตัวแปรระดับ 1 ในการวิเคราะห์เกี่ยวกับความสัมพันธ์ระหว่างดนตรีตอน sCort ได้มีการเพิ่มเวลาเป็น predictor (UC = −0.45, t(363) = −16.57, p ≤ 0.001)

ผลลัพธ์ (ไทย) 2:

2.4 การวิเคราะห์ข้อมูลเพื่อที่จะบัญชีสำหรับโครงสร้างที่ซ้อนกันในข้อมูลการวิเคราะห์จะขึ้นอยู่กับการสร้างแบบจำลองเชิงเส้นลำดับชั้น (HLM). ความเครียดอัตนัย sCort, สมาคมนักวิเคราะห์หลักทรัพย์และรายการเกี่ยวกับการฟังเพลง (เพลงตอน (ใช่ / ไม่ใช่) การรับรู้ความจุการรับรู้ เร้าอารมณ์เหตุผลในการฟังเพลง) ได้รับการพิจารณาระดับ 1 ตัวแปร ในการวิเคราะห์เกี่ยวกับความสัมพันธ์ระหว่างตอนที่เพลงและ sCort ที่เวลาของวันได้ถูกเพิ่มเป็นปัจจัยบ่งชี้ (UC = -0.45, เสื้อ (363) = -16.57 พี≤ 0.001)

ผลลัพธ์ (ไทย) 3:

2.4 . การวิเคราะห์ข้อมูล
เพื่อบัญชีสำหรับโครงสร้างซ้อนในข้อมูล วิเคราะห์ตามแบบจำลองเชิงลำดับชั้น ( HLM ) .

อัตนัย ความเครียด scort , SAA , และรายการเพลงฟัง ( ตอนเพลง ( ใช่ / ไม่ใช่ ) ของความจุ การตื่นตัว สาเหตุฟังเพลง ) ถือว่าเป็น 1 ตัวแปร . ในการศึกษาเกี่ยวกับความสัมพันธ์ระหว่างดนตรีและ scort ตอน ,เวลาของวันได้รับการเพิ่ม ( UC ) = − 0.45 , T ( 363 ) = − 16.57 , p ≤ 0.001 )