o identify the unique predictors of

o identify the unique predictors of resilience when compared
with all other participants, we examined the same variables used in
the preceding analysis in a hierarchical multivariate logistic re-
gression. ORs and 95% CIs for each level of each variable for each
model in the analysis are presented in Table 3.
Demographic variables. With demographic variables entered
together on the first step of the analysis, significant effects were
observed for gender, age, and race/ethnicity. These variables also
remained significant when other variables were added to the mod-
els. In addition, education, which was not initially significant
(Model 1), entered as a significant predictor of resilience when
resources (Model 3) and life stressors (Model 4) were added. In the
final model, women were less than half as likely (OR
0.43) to
be resilient as men; people 65 years of age or older were more than
3 times more likely (OR
3.11) to be resilient as were people
between 18 and 24 years of age; Asians were close to 3 times as
likely (OR
2.78) to be resilient as Whites; and, somewhat

ผลลัพธ์ (ไทย) 1:

o ระบุ predictors เฉพาะของความยืดหยุ่นเมื่อเทียบกับผู้เรียนอื่น ๆ ทั้งหมด เราตรวจสอบตัวแปรเดียวกับที่ใช้ในการวิเคราะห์ก่อนหน้าในลำดับตัวแปรพหุโลจิสติกใหม่แบบgression CIs มีและ 95% สำหรับแต่ละระดับของแต่ละตัวแปรในแต่ละแบบจำลองในการวิเคราะห์จะแสดงในตาราง 3ตัวแปรทางประชากร มีประชากรตัวแปรที่ป้อนร่วมกันในขั้นตอนแรกของการวิเคราะห์ ผลกระทบอย่างมีนัยสำคัญได้สังเกตเพศ อายุ และการแข่งขัน/เชื้อชาติ ตัวแปรเหล่านี้ยังยังคงสำคัญเมื่อมีเพิ่มตัวแปรอื่น ๆ การ mod-แล้ง นอกจากนี้ การศึกษา ไม่สำคัญเริ่มต้น(รุ่น 1), ป้อนเป็นจำนวนประตูสำคัญของความยืดหยุ่นเมื่อมีเพิ่มทรัพยากร (รุ่น 3) และชีวิตลด (รุ่น 4) ในรุ่นสุดท้าย ผู้หญิงมีน้อยกว่าครึ่งหนึ่งเป็นไปได้ (หรือ 0.43) การมีความยืดหยุ่นเป็นผู้ชาย คน 65 ปี ขึ้นไปได้มากกว่า3 ครั้งขึ้น (หรือ 3.11) มีความยืดหยุ่นเป็นคนระหว่าง 18 และ 24 ปี เอเชียอยู่ใกล้ 3 ครั้งเป็นแนวโน้ม (หรือ 2.78) มีความยืดหยุ่นเป็นขาว และ ค่อนข้าง

ผลลัพธ์ (ไทย) 2:

o ระบุทำนายที่เป็นเอกลักษณ์ของความยืดหยุ่นเมื่อเทียบ
กับผู้เข้าร่วมอื่น ๆ ทั้งหมดที่เราตรวจสอบตัวแปรเดียวกับที่ใช้ใน
การวิเคราะห์ก่อนหน้านี้ในอีกหลายตัวแปรลำดับชั้นโลจิสติก
gression ORs และ CIS 95% สำหรับแต่ละระดับของแต่ละตัวแปรสำหรับแต่ละ
รูปแบบในการวิเคราะห์ถูกแสดงไว้ในตารางที่ 3.
ตัวแปรทางประชากร ด้วยลักษณะทางประชากรเข้ามา
ร่วมกันในขั้นตอนแรกของการวิเคราะห์ผลกระทบอย่างมีนัยสำคัญที่ถูก
ตั้งข้อสังเกตสำหรับเพศอายุและเชื้อชาติ / ตัวแปรเหล่านี้ยัง
คงอยู่อย่างมีนัยสำคัญเมื่อตัวแปรอื่น ๆ ที่ถูกเพิ่มเข้าเรียบร้อย
Els นอกจากนี้การศึกษาซึ่งไม่ได้มีนัยสำคัญในขั้นต้น
(รุ่นที่ 1) ป้อนเป็นปัจจัยบ่งชี้ที่สำคัญของความยืดหยุ่นเมื่อ
ทรัพยากร (รุ่น 3) และความเครียดชีวิต (รุ่น 4) มีการเพิ่ม ใน
รุ่นสุดท้าย, ผู้หญิงมีน้อยกว่าครึ่งหนึ่งเป็นโอกาส (OR 0.43?) ที่จะ
ต้องมีความยืดหยุ่นเป็นผู้ชาย; คนที่ 65 ปีหรืออายุมากกว่า
3 ครั้งมีแนวโน้มที่ (OR 3.11?) ที่จะมีความยืดหยุ่นเช่นเดียวกับคนที่
มีอายุระหว่าง 18 ถึง 24 ปีบริบูรณ์ ชาวเอเชียได้ใกล้เคียงกับครั้งที่ 3 เป็น
แนวโน้ม (OR 2.78?) ที่จะมีความยืดหยุ่นในขณะที่คนผิวขาว; และค่อนข้าง

ผลลัพธ์ (ไทย) 3:

โอ ระบุปัจจัยเฉพาะของความยืดหยุ่นเมื่อเทียบ
กับคนอื่น ๆ ทั้งหมด เราตรวจสอบเดียวกัน ตัวแปรที่ใช้ในการวิเคราะห์ในลำดับก่อนหน้านี้

gression multivariate logistic Re - . ประตู และ 95% CIS สำหรับระดับของตัวแปรแต่ละตัวแต่ละคน
รูปแบบในการวิเคราะห์จะแสดงใน ตารางที่ 3
ประชากร . กับปัจจัยป้อน
ร่วมกัน ในขั้นตอนแรกของการวิเคราะห์ผลทางสถิติ (
) เพศ อายุ เชื้อชาติ / ชาติพันธุ์ ตัวแปรเหล่านี้ยัง
ยังคงสำคัญเมื่อตัวแปรอื่น ๆมีการเพิ่ม mod -
ELS . นอกจากนี้ การศึกษาซึ่งไม่ได้เริ่มต้นอย่างมีนัยสำคัญ
( รุ่น 1 ) เข้ามาเป็นสำคัญทำนายของความยืดหยุ่นเมื่อ
RESOURCES ( รุ่น 3 ) และความเครียดในชีวิต ( รุ่นที่ 4 ) มีการเพิ่ม ใน
รุ่นสุดท้าย ผู้หญิงกว่าครึ่งเป็นโอกาส ( หรือ
0.43 )

ต้องยืดหยุ่น เหมือนคน คน 65 ปีหรืออายุมากกว่า มากกว่า
3 ครั้งมีโอกาส ( หรือ
3.11 ) จะยืดหยุ่นเป็นคน
ระหว่าง 18 และ 24 ปี ชาวเอเชียเกือบ 3 เท่า
โอกาส ( หรือ
2.78 ) จะยืดหยุ่น เช่น ไข่ขาว และ ค่อนข้าง