資料分析<br>使用 SEM 測試了多個內定變數和因變數之間的假設結構關係。它被認為是一種適當的技術,通過良好擬合度統計測試假設模型與觀測資料的擬合(Byrne,2013 年)。在執行 SEM 之前,獲得 cov-ariance 和相關矩陣,以便更好地估計模型中變數之間的直接和間接影響(表 1)。<br>分析使用MPLUS 7.0進行。近似(RMSEA)的根均方誤差,與相關的90%置信區間、比較擬合指數(CFI)和標準化根均方殘差(SRMR)進行計算,以評估模型擬合(Byrne,2013)。對什麼是適合性的解釋因研究而異(馬什、豪和文,2004年)。在目前的研究中,RMSEA 小於或等於 .08,CFI 大於 .90 被認為是充分擬合的跡象(Byrne,2001 年)。手稿中還介紹了模型擬合的奇方統計 (#2)。但是,此測試對樣本大小很敏感,因此不用於確定模型擬合。<br>隨機分配物品到包裹時,採用感知移動技能能力(三個四件宗地)和PA(四件四件宗宗包裹)的享受,以減少估計的參數數量(圖1)。SEM 中專案包裹很常見,對參數估計和統計結論有重要影響(Bandalos & Finney,2001 年)。通過將兩個或多個項求和並使用結果總和作為基本分析單位是可取的,因為 SEM 中每個潛在變數中每個潛在變數的四個多項經常造成嚴重的模型擬合問題(Bandalos & Finney,2001 年)。
การแปล กรุณารอสักครู่..
