Data analysisPreliminary data scree

Data analysis
Preliminary data screening was performed in accordance with procedures outlined by Tabachnick and Fidell (2007). Data were assessed for instances of missing values, outliers and violations required for assumptions of multivariate analysis. Descriptive statistics, scale reliabilities and differential stability were also calculated for intrinsic motivation. Pearson correlation and intra-class correlation coefficients (ICC) were calculated to evaluate concordance between coach-reported and player-reported hours of individual deliberate practice. Differential stability is similar to test-retest reliability and it provides an indication of whether an individual retains their relative position in relation to other individuals within a group over time. Evidence of differential stability can be established through assessing the standardized covariance coefficients between each group (Tabachnick & Fidell, 2007). Latent growth modeling (LGM) was used to study change in the constructs over time. LGM models combine elements of repeated measures multivariate analysis of variance, confirmatory factor analysis, and structural equation modeling to analyze changes in a construct over time. LGM models considers both the between-wave covariance matrix and the observed mean structure so that group growth parameters and individual variation in growth can be examined. The first step in the LGM analyses was to test for the presence of change in athletes' intrinsic motivation and hours of individual deliberate practice over the three assessments. The results of these growth models describe the mean trajectory for each variable. As we were interested in examining change over time between two factors (individual deliberate practice and intrinsic motivation), LGM with parallel process were used (Preacher, Wichman, MacCallum, & Briggs, 2008). A parallel process model contains two sets of intercepts (initial level) and slopes (change), one set for each repeated-measure variable. Parallel process modeling allows for the investigation of bidirectional influences of intercept and growth parameters from the two different domains. Cross-domain paths from intercept terms to slope terms test whether participants' starting point in one domain influences rate of change in the other domain. An additional feature of the parallel process model is that it permits the examination of the relationship between how two domains change over time (i.e., the covariance between the two slope terms). After a parallel process model was established, we examined the influence of gender at baseline (1 = male, 2 = female) in explaining significant variance in intercept and slope terms. Steps in model building followed established guidelines (see Muthén & Curran, 1997). For comparative purposes, we estimated a repeated measures using autoregressive cross-lagged path model (Martens &Haase, 2006) using the same participants and measures as were used in parallel process LGM. The key difference was that the LGM factors were not estimated, and change in the construct over time was modeled using the stability coefficients between time adjacent measures of intrinsic motivation and deliberate practice (e.g., Time 1 intrinsic motivation predicted T2 individual deliberate practice, and Time 2 intrinsic motivation predicted T3 individual deliberate practice). We used Amos 18.0 (SmallWaters Corp., Chicago IL) to test models.

ผลลัพธ์ (ไทย) 1:

การวิเคราะห์ข้อมูลPreliminary data screening was performed in accordance with procedures outlined by Tabachnick and Fidell (2007). Data were assessed for instances of missing values, outliers and violations required for assumptions of multivariate analysis. Descriptive statistics, scale reliabilities and differential stability were also calculated for intrinsic motivation. Pearson correlation and intra-class correlation coefficients (ICC) were calculated to evaluate concordance between coach-reported and player-reported hours of individual deliberate practice. Differential stability is similar to test-retest reliability and it provides an indication of whether an individual retains their relative position in relation to other individuals within a group over time. Evidence of differential stability can be established through assessing the standardized covariance coefficients between each group (Tabachnick & Fidell, 2007). Latent growth modeling (LGM) was used to study change in the constructs over time. LGM models combine elements of repeated measures multivariate analysis of variance, confirmatory factor analysis, and structural equation modeling to analyze changes in a construct over time. LGM models considers both the between-wave covariance matrix and the observed mean structure so that group growth parameters and individual variation in growth can be examined. The first step in the LGM analyses was to test for the presence of change in athletes' intrinsic motivation and hours of individual deliberate practice over the three assessments. The results of these growth models describe the mean trajectory for each variable. As we were interested in examining change over time between two factors (individual deliberate practice and intrinsic motivation), LGM with parallel process were used (Preacher, Wichman, MacCallum, & Briggs, 2008). A parallel process model contains two sets of intercepts (initial level) and slopes (change), one set for each repeated-measure variable. Parallel process modeling allows for the investigation of bidirectional influences of intercept and growth parameters from the two different domains. Cross-domain paths from intercept terms to slope terms test whether participants' starting point in one domain influences rate of change in the other domain. An additional feature of the parallel process model is that it permits the examination of the relationship between how two domains change over time (i.e., the covariance between the two slope terms). After a parallel process model was established, we examined the influence of gender at baseline (1 = male, 2 = female) in explaining significant variance in intercept and slope terms. Steps in model building followed established guidelines (see Muthén & Curran, 1997). For comparative purposes, we estimated a repeated measures using autoregressive cross-lagged path model (Martens &Haase, 2006) using the same participants and measures as were used in parallel process LGM. The key difference was that the LGM factors were not estimated, and change in the construct over time was modeled using the stability coefficients between time adjacent measures of intrinsic motivation and deliberate practice (e.g., Time 1 intrinsic motivation predicted T2 individual deliberate practice, and Time 2 intrinsic motivation predicted T3 individual deliberate practice). We used Amos 18.0 (SmallWaters Corp., Chicago IL) to test models.

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์ข้อมูล
การคัดกรองข้อมูลเบื้องต้นที่ได้ดำเนินการตามขั้นตอนที่ระบุไว้โดย Tabachnick และ Fidell (2007) ข้อมูลที่ได้รับการประเมินสำหรับกรณีของค่าที่ขาดหายไปค่าผิดปกติและการละเมิดที่จำเป็นสำหรับสมมติฐานของการวิเคราะห์หลายตัวแปร สถิติเชิงพรรณนา, ความเชื่อมั่นและความมั่นคงระดับที่แตกต่างกันจะถูกคำนวณสำหรับแรงจูงใจภายใน สหสัมพันธ์เพียร์สันและภายในระดับค่าสัมประสิทธิ์สหสัมพันธ์ (ICC) จะถูกคำนวณในการประเมินความสอดคล้องระหว่างชั่วโมงโค้ชรายงานและรายงานผู้เล่นของการปฏิบัติโดยเจตนาของแต่ละบุคคล ความมั่นคงที่แตกต่างกันมีความคล้ายคลึงกับความน่าเชื่อถือของการทดสอบซ้ำและให้ข้อบ่งชี้ว่าบุคคลที่ยังคงรักษาตำแหน่งญาติของพวกเขาในความสัมพันธ์กับคนอื่น ๆ ในกลุ่มเมื่อเวลาผ่านไป หลักฐานของความมั่นคงที่แตกต่างกันสามารถสร้างขึ้นผ่านการประเมินค่าสัมประสิทธิ์ความแปรปรวนมาตรฐานระหว่างแต่ละกลุ่ม (Tabachnick & Fidell 2007) การสร้างแบบจำลองการเจริญเติบโตแฝง (LGM) ถูกนำมาใช้ในการศึกษาการเปลี่ยนแปลงในโครงสร้างเมื่อเวลาผ่านไป รุ่น LGM รวมองค์ประกอบของการทำซ้ำมาตรการการวิเคราะห์หลายตัวแปรความแปรปรวนการวิเคราะห์องค์ประกอบเชิงยืนยันและการสร้างแบบจำลองสมการโครงสร้างการวิเคราะห์การเปลี่ยนแปลงในโครงสร้างเมื่อเวลาผ่านไป รุ่น LGM พิจารณาทั้งระหว่างคลื่นแปรปรวนเมทริกซ์และโครงสร้างค่าเฉลี่ยสังเกตเพื่อให้การเจริญเติบโตและการเปลี่ยนแปลงของกลุ่มบุคคลในการเจริญเติบโตสามารถตรวจสอบได้ ขั้นตอนแรกในการวิเคราะห์ LGM คือการทดสอบการปรากฏตัวของการเปลี่ยนแปลงในแรงจูงใจภายในนักกีฬาและชั่วโมงของการปฏิบัติโดยเจตนาของแต่ละคนในช่วงสามการประเมินผล ผลของรูปแบบการเจริญเติบโตเหล่านี้อธิบายวิถีเฉลี่ยสำหรับแต่ละตัวแปร ขณะที่เรามีความสนใจในการตรวจสอบการเปลี่ยนแปลงตลอดเวลาระหว่างสองปัจจัย (บุคคลปฏิบัติโดยเจตนาและแรงจูงใจที่แท้จริง) LGM กับกระบวนการคู่ขนานถูกนำมาใช้ (ปัญญาจารย์ Wichman, MacCallum และบริกส์ 2008) แบบจำลองกระบวนการขนานมีสองชุดดัก (ระดับเริ่มต้น) และความลาดชัน (เปลี่ยนแปลง) หนึ่งชุดสำหรับแต่ละตัวแปรซ้ำวัด การสร้างแบบจำลองกระบวนการขนานช่วยให้การตรวจสอบของอิทธิพลแบบสองทิศทางของพารามิเตอร์การสกัดกั้นและการเจริญเติบโตจากทั้งสองโดเมนที่ต่างกัน เส้นทางข้ามโดเมนจากเงื่อนไขขัดขวางถึงข้อตกลงความลาดชันทดสอบว่าจุดเริ่มต้นของผู้เข้าร่วมในหนึ่งที่มีอิทธิพลต่ออัตราโดเมนของการเปลี่ยนแปลงในโดเมนอื่น ๆ คุณสมบัติเพิ่มเติมของรูปแบบกระบวนการคู่ขนานก็คือว่ามันช่วยให้การตรวจสอบความสัมพันธ์ระหว่างสองโดเมนเปลี่ยนช่วงเวลา (เช่นความแปรปรวนระหว่างสองคำลาด) หลังจากที่รูปแบบกระบวนการขนานก่อตั้งขึ้นเราตรวจสอบอิทธิพลของเพศที่ baseline (1 = ชาย 2 = หญิง) ในการอธิบายความแปรปรวนอย่างมีนัยสำคัญในการสกัดกั้นและเงื่อนไขความลาดชัน ขั้นตอนในการสร้างรูปแบบการตามแนวทางที่กำหนด (ดูMuthénและเคอร์แร, 1997) สำหรับวัตถุประสงค์ในการเปรียบเทียบเราคาดวัดซ้ำโดยใช้ตัวแบบอัตเส้นทางข้ามรั้ง (Martens และฮาส, 2006) โดยผู้เข้าร่วมที่เหมือนกันและมาตรการเช่นเดียวกับที่ใช้ในกระบวนการขนาน LGM แตกต่างที่สำคัญคือการที่ปัจจัย LGM ไม่ได้คาดและการเปลี่ยนแปลงในโครงสร้างเมื่อเวลาผ่านไปเป็นรูปแบบโดยใช้ค่าสัมประสิทธิ์ความมั่นคงระหว่างเวลามาตรการที่อยู่ติดกันของแรงจูงใจภายในและการปฏิบัติโดยเจตนา (เช่นเวลา 1 แรงจูงใจภายในทำนายแต่ละ T2 ปฏิบัติโดยเจตนาและเวลา 2 แรงจูงใจภายในทำนาย T3 บุคคลปฏิบัติโดยเจตนา) เราใช้เอมัส 18.0 (SmallWaters คอร์ป, ชิคาโก IL) เพื่อทดสอบแบบจำลอง

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์ข้อมูลเบื้องต้นข้อมูลคัดกรอง
ในการปฏิบัติตามขั้นตอนที่ระบุไว้โดย tabachnick และ fidell ( 2007 ) ข้อมูลจะถูกประเมินสำหรับอินสแตนซ์ของหายค่าผิดปกติและการละเมิดที่จำเป็นสำหรับสมมติฐานของการวิเคราะห์ตัวแปรพหุ สถิติบรรยาย ขนาดและเสถียรภาพแบบดิฟยังคำนวณสำหรับแรงจูงใจภายในและค่าสัมประสิทธิ์สหสัมพันธ์ สัมประสิทธิ์สหสัมพันธ์ภายในชั้น ( ICC ) ได้ทำการคำนวณเพื่อประเมินความสอดคล้องระหว่างโค้ชและผู้เล่นรายงานรายงานชั่วโมงของการปฏิบัติการของแต่ละบุคคล มีความแตกต่างกันและมีความเชื่อถือได้นั้นบ่งชี้ว่าบุคคลมีตำแหน่งสัมพัทธ์ของพวกเขาในความสัมพันธ์กับบุคคลอื่นภายในกลุ่มตลอดเวลาหลักฐาน มีความมั่นคง สามารถสร้างความแตกต่างผ่านการประเมินมาตรฐานความแปรปรวนค่าสัมประสิทธิ์ระหว่างแต่ละกลุ่ม ( tabachnick & fidell , 2007 ) การสร้างแบบจำลองการเจริญเติบโตแฝง ( สาขาวิชา ) ถูกใช้เพื่อศึกษาการเปลี่ยนแปลงในโครงสร้างตลอดเวลา รุ่นสาขาวิชารวมองค์ประกอบของการวัดซ้ำหลายตัวแปรการวิเคราะห์ความแปรปรวนการวิเคราะห์องค์ประกอบเชิงยืนยันโมเดลสมการโครงสร้างและวิเคราะห์การเปลี่ยนแปลงในการสร้างช่วงเวลา รุ่นสาขาวิชาจะพิจารณาทั้งระหว่างคลื่นและสังเกตหมายถึงเมทริกซ์ความแปรปรวนร่วมโครงสร้างเพื่อให้กลุ่มเติบโตและการเปลี่ยนแปลงในแต่ละพารามิเตอร์การเจริญเติบโตสามารถตรวจสอบขั้นตอนแรกในสาขาวิชาการวิเคราะห์ทดสอบสำหรับสถานะของการเปลี่ยนแปลงและแรงจูงใจของนักกีฬาของแต่ละชั่วโมงการปฏิบัติโดยเจตนามากกว่าสามการประเมิน ผลลัพธ์ของแบบจำลองการเจริญเติบโตเหล่านี้อธิบายหมายถึงวิถีของแต่ละตัวแปร ที่เราสนใจในการเปลี่ยนช่วงเวลาระหว่างสองปัจจัย ( บุคคลในการปฏิบัติและแรงจูงใจภายใน )สาขาวิชา ด้วยกระบวนการแบบขนานที่ใช้ ( พระ wichman เมิ่กแคลเลิ่ม , , , &บริกส์ , 2008 ) กระบวนการแบบขนาน แบบที่มีสองชุดของ intercepts ( ระดับเบื้องต้น ) และลาด ( เปลี่ยน ) , ชุดวัดซ้ำสำหรับแต่ละตัวแปร การสร้างแบบจำลองขนานช่วยให้ตรวจสอบทิศทางอิทธิพลของพารามิเตอร์การดักจับและจากที่แตกต่างกันสองโดเมนเส้นทางข้ามโดเมนจากแง่สกัดกั้นเพื่อความลาดชันเงื่อนไขทดสอบว่าผู้เข้าร่วม ' จุดเริ่มต้นในหนึ่งโดเมนมีอิทธิพลต่ออัตราการเปลี่ยนแปลงในโดเมนอื่น ๆ คุณสมบัติเพิ่มเติมของกระบวนการแบบขนานคือว่ามันช่วยให้การตรวจสอบความสัมพันธ์ระหว่างวิธีการสองโดเมนเวลาเปลี่ยน ( เช่น ความแปรปรวนระหว่างสองชันเงื่อนไข )หลังจากกระบวนการแบบขนานรุ่นก่อตั้ง เราตรวจสอบอิทธิพลของเพศที่ baseline ( 1 = ชาย , 2 = หญิง ) ในการอธิบายความแปรปรวนในสกัดกั้นและเงื่อนไขความชัน ขั้นตอนในการสร้างโมเดลตามแนวทางที่กำหนด ( ดูมุธé n &เคอร์แรน , 1997 ) เปรียบเทียบ เราคาดว่ามาตรการใช้ซ้ำตัวเองข้ามรูปแบบเส้นทาง ( มาร์เทน&ฮาสย้อนหลัง ,2006 ) โดยผู้เข้าร่วมเดียวกันและมาตรการที่ใช้ในสาขาวิชากระบวนการแบบขนาน ความแตกต่างที่สำคัญคือว่าปัจจัยสาขาวิชาไม่ประมาณและการเปลี่ยนแปลงในช่วงเวลาเป็นแบบจำลองการสร้างเสถียรภาพค่าสัมประสิทธิ์ระหว่างมาตรการเวลาที่อยู่ติดกันและแรงจูงใจในการปฏิบัติ ( เช่นเวลา 1 แรงจูงใจภายในทำนาย T2 การปฏิบัติโดยเจตนาของบุคคลและเวลา 2 แรงจูงใจภายในทำนาย T3 การปฏิบัติโดยเจตนาบุคคล ) เราใช้เอมอส 18.0 ( smallwaters คอร์ป , ชิคาโกอิลลินอยส์ ) เพื่อทดสอบโมเดล