STATISTICAL ANALYSISDescriptive sta

STATISTICAL ANALYSIS
Descriptive statistics and general linear model
methods including multivariate analysis of variance
and correlational calculations were used to analyze
the data. Frequencies and descriptive statistics were
used to evaluate responses to individual instrument
items. A series of 4 one-way MANOVA’s with
Bonferroni post hoc calculations were performed to
determine the effect of each independent variable on
the six dependent variables. Independent variables
were age, race, income and education, and dependent
variables (DV) were exercise knowledge, nutrition
knowledge, weight management knowledge,
exercise behavior, nutrition behavior, and weight
management behavior. Items from each variable were
summed to create the variable score. A higher score
indicated greater knowledge or behavioral compliance
for each variable.
Approximately 3% of data were missing from
the final data set. Because missing data points did not
appear conditional or systematic, missing data were
deemed missing at random (MAR) (Buhi, Goodson,
& Neilands, 2007; Allison, 2002). “Data that are
MAR are termed ignorable, because when this pattern
occurs, the analyst can ignore the reason(s) data
are missing and employ a missing data technique to
manage the problem” (Buhi, Goodson, & Neilands,
2007, p. 84). Missing data were replaced through
multiple imputation (MI) using NORM statistical
utility. MI corrects the lowered variance problem
created by mean substitution, and it allows analysts
to examine the variance to compute statistical significance
correctly (Switzer & Roth, 2002). With the
exception of MI, all analyses were performed with
PASW version 18.

ผลลัพธ์ (ไทย) 1:

STATISTICAL ANALYSISDescriptive statistics and general linear modelmethods including multivariate analysis of varianceand correlational calculations were used to analyzethe data. Frequencies and descriptive statistics wereused to evaluate responses to individual instrumentitems. A series of 4 one-way MANOVA’s withBonferroni post hoc calculations were performed todetermine the effect of each independent variable onthe six dependent variables. Independent variableswere age, race, income and education, and dependentvariables (DV) were exercise knowledge, nutritionknowledge, weight management knowledge,exercise behavior, nutrition behavior, and weightmanagement behavior. Items from each variable weresummed to create the variable score. A higher scoreindicated greater knowledge or behavioral compliancefor each variable.Approximately 3% of data were missing fromthe final data set. Because missing data points did notappear conditional or systematic, missing data weredeemed missing at random (MAR) (Buhi, Goodson,& Neilands, 2007; Allison, 2002). “Data that areMAR are termed ignorable, because when this patternoccurs, the analyst can ignore the reason(s) dataare missing and employ a missing data technique tomanage the problem” (Buhi, Goodson, & Neilands,2007, p. 84). Missing data were replaced throughmultiple imputation (MI) using NORM statisticalutility. MI corrects the lowered variance problemสร้างขึ้นทดแทนหมายถึง และยังช่วยให้นักวิเคราะห์ตรวจสอบผลต่างที่คำนวณค่านัยสำคัญทางสถิติถูกต้อง (Switzer และรอด 2002) ด้วยการข้อยกเว้นของ MI ดำเนินกับวิเคราะห์ทั้งหมดPASW รุ่น 18

ผลลัพธ์ (ไทย) 2:

สถิติการวิเคราะห์
สถิติเชิงพรรณนาทั่วไปและแบบจำลองเชิงเส้น
วิธีการรวมถึงการวิเคราะห์ความแปรปรวนหลายตัวแปร
และการคำนวณหาความสัมพันธ์ถูกนำมาใช้ในการวิเคราะห์
ข้อมูล ความถี่และสถิติเชิงพรรณนาถูก
ใช้ในการประเมินการตอบสนองต่อเครื่องดนตรีแต่ละ
รายการ ชุดของ 4 ทางเดียว MANOVA กับ
Bonferroni โพสต์การคำนวณเฉพาะกิจได้ดำเนินการเพื่อ
ตรวจสอบผลกระทบของแต่ละตัวแปรอิสระใน
หกตัวแปรตาม ตัวแปรอิสระ
เป็นอายุเชื้อชาติรายได้และการศึกษาและขึ้นอยู่กับ
ตัวแปร (DV) มีความรู้เกี่ยวกับการออกกำลังกายโภชนาการ
ความรู้น้ำหนักการจัดการความรู้,
พฤติกรรมการออกกำลังกายพฤติกรรมโภชนาการและน้ำหนัก
พฤติกรรมการจัดการ รายการจากแต่ละตัวแปรถูก
สรุปในการสร้างคะแนนตัวแปร คะแนนที่สูงขึ้น
ชี้ให้เห็นความรู้มากขึ้นหรือการปฏิบัติตามพฤติกรรม
สำหรับแต่ละตัวแปร.
ประมาณ 3% ของข้อมูลที่หายไปจาก
ข้อมูลชุดสุดท้าย เพราะหายไปจุดข้อมูลไม่
ปรากฏเงื่อนไขหรือระบบข้อมูลที่ขาดหายไปถูก
ถือว่าหายไปโดยการสุ่ม (MAR) (Buhi, Goodson,
และ Neilands 2007; แอลลิสัน, 2002) "ข้อมูลที่มี
MAR จะเรียกว่า ignorable เพราะเมื่อรูปแบบนี้
เกิดขึ้นนักวิเคราะห์สามารถละเลยเหตุผล (s) ข้อมูล
จะหายไปและใช้เทคนิคข้อมูลที่ขาดหายไปในการ
จัดการปัญหาที่เกิดขึ้น "(Buhi, Goodson และ Neilands,
2007, หน้า 84) ข้อมูลที่ขาดหายไปถูกแทนที่ผ่าน
การใส่ร้ายหลาย (MI) โดยใช้สถิติ NORM
ยูทิลิตี้ MI แก้ไขปัญหาความแปรปรวนลดลง
ทดแทนที่สร้างขึ้นโดยเฉลี่ยและจะช่วยให้นักวิเคราะห์
เพื่อตรวจสอบความแปรปรวนในการคำนวณนัยสำคัญทางสถิติ
อย่างถูกต้อง (สวิตเซอร์และ Roth, 2002) ด้วย
ข้อยกเว้นของ MI วิเคราะห์ทั้งหมดถูกดำเนินการกับ
รุ่น PASW 18

ผลลัพธ์ (ไทย) 3:

สถิติที่ใช้ในการวิเคราะห์ข้อมูลด้วยสถิติเชิงพรรณนาและวิธี

แบบเชิงเส้นทั่วไป รวมทั้งการวิเคราะห์หลายตัวแปรของความแปรปรวน
และการคำนวณเชิงสหสัมพันธ์ วิเคราะห์
ข้อมูล ความถี่และกลุ่มตัวอย่างที่ใช้ในการประเมินการตอบสนองต่อ

รายการเครื่องมือแต่ละ ชุดของ 4 One-way MANOVA บอนเฟอร์โรนีด้วย


Post hoc การคำนวณจำนวนศึกษาผลของตัวแปรอิสระ
6 ตัวแปรตาม . ตัวแปรอิสระ
อายุ เชื้อชาติ รายได้ และการศึกษา และตัวแปร
( DV ) คือ ความรู้ การออกกำลังกาย โภชนาการ
ความรู้การจัดการน้ำหนัก , พฤติกรรม , พฤติกรรมโภชนาการการออกกำลังกายและพฤติกรรมการจัดการน้ำหนัก

รายการจากแต่ละตัวแปรมี
สรุปสร้างตัวแปรคะแนน a
สูงกว่ามีความรู้มากกว่า หรือตามพฤติกรรมของแต่ละตัวแปร
.
ประมาณ 3 % ของข้อมูลที่หายไปจาก
สุดท้ายชุดข้อมูล เพราะขาดจุดข้อมูลไม่ได้
ปรากฏเงื่อนไข หรือระบบข้อมูลที่ขาดหายไปคือ
ถือว่าหายไปสุ่ม ( มี.ค. ) ( buhi กู๊ดสัน
, , & neilands , 2007 ; แอลลิสัน , 2002 ) " ข้อมูลที่
มี.ค. เป็น termed ignorable เพราะตอนนี้รูปแบบ
เกิดขึ้นนักวิเคราะห์จะไม่สนใจเหตุผล ( s ) ข้อมูล
หายไปและใช้เทคนิคข้อมูลขาดหายไป

จัดการปัญหา " ( buhi กู๊ดสัน & neilands
, , 2550 , หน้า 84 ) ข้อมูลขาดหายไปถูกแทนที่ด้วย
หลายส่วนบุคคล ( MI ) โดยใช้โปรแกรมทางสถิติ
ม มีแก้ไขปัญหาที่สร้างขึ้น โดยการลดความแปรปรวน

หมายถึง และมันช่วยให้นักวิเคราะห์การตรวจสอบความแปรปรวนทางสถิติได้อย่างถูกต้องคำนวณ
( สวิตเซอร์& Roth , 2002 ) ด้วยข้อยกเว้นของมิ
, การวิเคราะห์แสดงด้วย
pasw รุ่น 18