In Study 1, we analyzed a data set

In Study 1, we analyzed a data set that has been used by previous
studies on anger and PTSD (Feeny et al., 2000; Zoellner et al., 1999).
We decided to reanalyze the data set, as the analysis promised to
extend previous studies and advance knowledge on the relation between
anger and PTSD in several ways. First, we investigated reciprocal
effects between the variables, whereas previous studies had only
tested whether anger predicts PTSD symptoms. Second, we tested
models based on multiple repeated assessments, increasing the reliability
of the estimates. Third, we tested models that took into account
the autoregression of constructs (done by Feeny et al., 2000, but not
by Zoellner et al., 1999). Fourth, we took advantage of the full sample
by using a maximum-likelihood procedure to deal with missing data,
providing less biased and more reliable results than tests using conventional
missing data methods such as listwise or pairwise deletion
(cf. Schafer & Graham, 2002). Fifth, structural equation modeling
allowed us to control for random measurement error (by analyzing the
constructs as latent variables) and nonrandom measurement error (by
accounting for variance related to specific indicators and occasions).

ผลลัพธ์ (ไทย) 1:

ในการศึกษา 1 เราวิเคราะห์ชุดข้อมูลที่ใช้ โดยก่อนหน้านี้การศึกษาความโกรธและพล็อต (Feeny et al. 2000 Zoellner et al. 1999)เราตัดสินใจที่จะ reanalyze ชุดข้อมูล วิเคราะห์สัญญาว่า จะขยายการศึกษาก่อนหน้านี้ และล่วงรู้ในความสัมพันธ์ระหว่างความโกรธและพล็อตในหลายวิธี ครั้งแรก เราตรวจสอบซึ่งกันและผลระหว่างตัวแปร ในขณะที่การศึกษาก่อนหน้านี้มีเพียงทดสอบว่าความโกรธทำนายอาการพล็อต ที่สอง เราทดสอบแบบจำลองที่อิงหลายประเมินซ้ำ เพิ่มความน่าเชื่อถือของการประเมิน ที่สาม เราทดสอบรุ่นที่เอาเข้าบัญชีautoregression ของโครงสร้าง (ทำโดย Feeny et al. 2000 แต่ไม่โดย Zoellner et al. 1999) สี่ เราเอาประโยชน์ของตัวอย่างเต็มโดยใช้กระบวนการโอกาสสูงสุดในการจัดการกับข้อมูลที่หายไปให้ผลลัพธ์น้อยลำเอียง และเชื่อถือได้มากขึ้นกว่าการทดสอบที่ใช้ทั่วไปวิธีการข้อมูลขาดหายไปเช่นการลบ listwise หรือแพร์ไวส์(cf. Schafer และเกรแฮม 2002) โมเดลสมการโครงสร้าง ห้าทำให้เราควบคุมสำหรับข้อผิดพลาดแบบสุ่มวัด (โดยการวิเคราะห์การสร้างเป็นตัวแปรแฝง) และข้อผิดพลาดการวัด nonrandom (โดยบัญชีสำหรับผลต่างที่เกี่ยวข้องกับตัวชี้วัดที่เฉพาะเจาะจงและโอกาส)

ผลลัพธ์ (ไทย) 2:

ในการศึกษาครั้งที่ 1 เราวิเคราะห์ชุดข้อมูลที่ได้รับมาใช้โดยก่อนหน้านี้
การศึกษาเกี่ยวกับความโกรธและพล็อต (Feeny et al, 2000;.. Zoellner, et al, 1999).
เราตัดสินใจที่จะ reanalyze ชุดข้อมูล, การวิเคราะห์สัญญาว่าจะ
ขยาย การศึกษาก่อนหน้าและความรู้ล่วงหน้าถึงความสัมพันธ์ระหว่าง
ความโกรธและพล็อตในหลายวิธี ครั้งแรกที่เราตรวจสอบซึ่งกันและกัน
ผลกระทบระหว่างตัวแปรในขณะที่การศึกษาก่อนหน้าได้เพียง
การทดสอบไม่ว่าจะเป็นความโกรธคาดการณ์อาการ PTSD ประการที่สองเราได้ทดสอบ
รุ่นขึ้นอยู่กับการประเมินหลาย ๆ เพิ่มขึ้นความน่าเชื่อถือ
ของการประมาณการ ประการที่สามเราทดสอบรูปแบบที่เอาเข้าบัญชี
autoregression ของโครงสร้าง (การกระทำโดย Feeny et al., 2000 แต่ไม่ได้
โดย Zoellner et al., 1999) ประการที่สี่เราเอาประโยชน์ของกลุ่มตัวอย่างเต็มรูปแบบ
โดยใช้กระบวนการโอกาสสูงสุดในการจัดการกับข้อมูลที่ขาดหายไป
ให้ผลลัพธ์น้อยลำเอียงและความน่าเชื่อถือกว่าการทดสอบโดยใช้แบบเดิม
วิธีการข้อมูลที่ขาดหายเช่น listwise หรือลบคู่
(cf Schafer & เกรแฮม, 2002 ) ประการที่ห้าการสร้างแบบจำลองสมการโครงสร้าง
ที่ได้รับอนุญาตให้เราสามารถควบคุมสำหรับวัดความผิดพลาดแบบสุ่ม (โดยการวิเคราะห์
โครงสร้างเป็นตัวแปรแฝง) และวัดความผิดพลาด nonrandom (โดย
คิดเป็นความแปรปรวนที่เกี่ยวข้องกับตัวชี้วัดที่เฉพาะเจาะจงและโอกาส)

ผลลัพธ์ (ไทย) 3:

การศึกษาที่ 1 เราวิเคราะห์ชุดข้อมูลที่ถูกใช้ โดยก่อนหน้านี้การศึกษาความโกรธและ PTSD ( feeny et al . , 2000 ; โซลเนอร์ et al . , 1999 )เราตัดสินใจที่จะ reanalyze ชุดข้อมูล , การวิเคราะห์สัญญาขยายการศึกษาและความรู้ล่วงหน้าเกี่ยวกับความสัมพันธ์ระหว่างความโกรธและ PTSD ได้หลายวิธี ครั้งแรกที่เราตรวจสอบซึ่งกันและกันอิทธิพลระหว่างตัวแปร ในขณะที่การศึกษาก่อนหน้านี้ได้เท่านั้นทดสอบว่า ความโกรธ คาดการณ์ภาวะอาการ ประการที่สอง เราทดสอบหลายรุ่นขึ้นอยู่กับการประเมินซ้ำ เพิ่มความน่าเชื่อถือของประมาณการ 3 รุ่นที่เราทดสอบเอาเข้าบัญชีโดยการถดถอยอัตตะของโครงสร้าง ( ทำโดย feeny et al . , 2000 , แต่ไม่โดยโซลเนอร์ et al . , 1999 ) ประการที่สี่ เราเอาประโยชน์จากตัวอย่างเต็มโดยใช้วิธีความควรจะเป็นสูงสุดที่จะจัดการกับข้อมูลที่ขาดหายไปลำเอียงให้น้อยลงและผลเชื่อถือได้มากกว่าแบบทดสอบโดยใช้วิธีการข้อมูลที่หายไปเช่น listwise หรือคู่ลบ( CF . เชเฟอร์ & เกรแฮม , 2002 ) 5 , โมเดลสมการโครงสร้างให้เราสามารถควบคุมความคลาดเคลื่อนแบบสุ่ม ( โดยการวิเคราะห์โครงสร้างและตัวแปรแฝง ) และความคลาดเคลื่อน nonrandom ( โดยการบัญชีสำหรับความแปรปรวนที่เกี่ยวข้องกับตัวชี้วัดที่เฉพาะเจาะจงและครั้ง )