Engagement in physical activity. Ph

Engagement in physical activity. Physical activity was measured by a modified version of a previously described scale (Ford, Nonnemaker, & Wirth, 2008), containing a range of self-report questions similar to those validated in other studies examining physical activity (Anderson et al., 1998 and Heath et al., 1994). In Wave 1 and 2, three items that assessed frequency of participation in the following activities during the past 7 days: (1) rollerblading, roller-skating, skateboarding, and bicycling; (2) playing an active sport, such as baseball, softball, basketball, soccer, swimming, or football; and (3) doing exercise, such as jogging, walking, karate, jumping rope, gymnastics, or dancing. Responses range from 0 (not at all) to 3 (5 or more times). Wave 3 and 4 included five slightly modified questions regarding participation in the following activities during the past 7 days: (1) bicycling, skateboarding, hiking, hunting, or doing yard work; (2) rollerblading, roller-skating, downhill skiing, snowboarding, playing racquet sports, or doing aerobics; (3) strenuous team sports such as playing football, soccer, basketball, lacrosse, rugby, field hockey, or ice hockey; (4) individual sports such as running, wrestling, swimming, cross country skiing, cycle racing, or martial arts; (5) participating in gymnastics, weight lifting, or strength training; (6) golfing, fishing or bowling, or playing softball or baseball; and (7) walking for exercise. Responses range from 0 (not at all) to 7 (7 or more times). In Waves 3 and 4, participants reported the frequency of the activities from Waves 1 and 2, plus additional activities that are developmentally relevant to young adults (e.g., weight lifting). Without including these additional developmentally relevant activities in Waves 3 and 4, frequency of physical activity during these waves may have appeared erroneously low, as emerging adults likely engage in different forms of physical activity compared to adolescents (e.g., strength training vs. skateboarding). Further, in order to avoid reporting inaccurately overestimated levels of physical activity in emerging adults as a result of the supplementary activities, a scaled sum of the frequency of engagement in physical activity was created ( Gordon-Larsen, Nelson, & Popkin, 2004). The total sum of physical activity reported in Wave 3 and 4 was scaled to make it comparable to that of Waves 1 and 2. This was achieved by dividing by the sum of all activities listed in the items presented at Wave 3 and 4 and then multiplying by the sum of all activities listed in the items presented at Wave 1 and 2 ( Gordon-Larsen et al., 2004). Higher scores indicated greater frequency of engagement in physical activity.

Gender. The gender variable was constructed from the Wave 1 in-home interview. Gender was dummy coded so that 0 = female and 1 = male.

Covariates. Similar to previous studies (e.g., Birkeland et al., 2009, Jerstad et al., 2010, McPhie and Rawana, 2012 and Raudsepp and Neissaar, 2012), body mass index (BMI) and socioeconomic (SES) status were included as covariates, as their influence was not of primary interest in the present study. BMI was calculated by dividing the participant's self-reported weight (in pounds) by squared height (in inches) and then multiplying by 703 (Centers for Disease Control and Prevention, 2003). SES was estimated using parent reported average household income. In the current sample, baseline SES was significantly, negatively associated with baseline depressive symptoms and significantly, positively associated with engagement in physical activity, whereas baseline BMI was not significantly associated with either baseline depressive symptoms or baseline physical activity levels.

Data analysis
In addition to descriptive statistics, latent growth curve modeling (LGCM) was used to achieve the chief study objectives. All analyses were carried out using AMOS version 19 and SPSS version 19.

First, a normative growth trajectory was constructed by using data at the four time-points to estimate an unconditional growth model (UGM) for depressive symptoms. The factor loadings for the four measures of depressive symptoms were fixed to 1 on the intercept factor to signify that the intercept is invariant across time. Since it was expected that there would be a non-linear growth curve of depressive symptoms, the factor loadings relating the four measures of depressive symptoms to the slope factor were freely estimated in order to more flexibly capture the shape of the growth curve over the four time points (Bollen & Curran, 2006). In this case, only the first (fixed to 0) and the last (fixed to 1) factor loadings were constrained. In the final model, the freely estimated factor loadings for the second and third factors were 0.108 and 1.243, respectively.

After constructing the UGM, a subsequent multivariate latent conditional model involving explanatory variables was estimated by adding in the time-varying predictor (i.e., physical activity). The growth in the time-varying predictor itself was modeled before assessing the effect of the time-varying predictor on growth in depressive symptoms (Bollen & Curran, 2006). To address the first study objective, the latent intercept and latent slope factor were estimated for depressive symptoms as well as engagement in physical activity using a freed-factor loading approach. Next, in order to model the observed variability in the intercept and slope of the depressive symptoms trajectory, the depressive symptom latent growth factor was regressed on the intercept and slope of engagement in physical activity. Lastly, in order to address the second and third goals of the study, the main effect and interaction of gender, a multigroup structural equation modeling (SEM) approach was used.

Model fit was assessed using three fit indices: root-mean-square error of approximation (RMSEA), comparative fit index (CFI), and Tucker–Lewis index (TLI; Hu and Bentler, 1999 and MacCallum and Austin, 2000). Missing data in the present study was handled using the full information strategy, which involves estimating model parameters using all available information, irrespective of whether that information comes from cases with incomplete data (Preacher, 2010).

ผลลัพธ์ (ไทย) 1:

หมั้นในกิจกรรมทางกายภาพ กิจกรรมทางกายภาพถูกวัด โดยปรับเปลี่ยนของมาตราส่วนที่อธิบายไว้ก่อนหน้านี้ (ฟอร์ด Nonnemaker, & Wirth, 2008) ประกอบด้วยหลากหลายคำถามรายงานตนเองคล้ายกับผู้ตรวจสอบในการศึกษาอื่น ๆ ตรวจสอบกิจกรรมทางกายภาพ (แอนเดอร์สันและ al., 1998 และฮีธ et al., 1994) ในคลื่น 1 และ 2, 3 รายการที่ประเมินความถี่ของการมีส่วนร่วมในกิจกรรมต่อไปนี้ในระหว่างวัน 7 ที่ผ่านมา: เล่นโรลเลอร์เบลด (1) สเก็ต สเก็ตบอร์ด และ เกาะ (2) เล่นกีฬาใช้งานอยู่ เช่นเบสบอล ซอฟต์บอล บาสเกตบอล ฟุตบอล ว่ายน้ำ ฟุตบอล และ (3) ทำการออกกำลังกาย วิ่ง เดิน คาราเต้ กระโดดเชือก ยิมนาสติก หรือเต้นรำ ตอบการช่วงตั้งแต่ 0 (ไม่เลย) ถึง 3 (ครั้งที่ 5 ขึ้นไป) คลื่น 3 และ 4 รวมห้าคำถามเล็กน้อยแก้ไขเกี่ยวกับการมีส่วนร่วมในกิจกรรมต่อไปนี้ในระหว่างวัน 7 ที่ผ่านมา: (1) เกาะ สเก็ตบอร์ด เดินป่า ล่าสัตว์ หรือทำงานบ้าน (2) เล่นโรลเลอร์เบลด สเก็ต ลานสกี สโนว์บอร์ด เล่นกีฬาไม้ หรือทำแอโรบิค (3) ต้องทีมกีฬาเช่นการเล่นฟุตบอล ฟุตบอล บาสเกตบอล lacrosse รักบี้ ฮอกกี้ หรือ ฮอกกี้น้ำแข็ง (4) แต่ละกีฬาเช่นวิ่ง มวยปล้ำ ว่ายน้ำ สกี รอบการแข่ง หรือ ศิลปะ (5) เข้าร่วมในยิมนาสติก ยกน้ำหนัก หรือ ฝึกความแข็งแรง (6) กอล์ฟ ตกปลาโบว์ลิ่ง หรือเล่นซอฟต์บอลหรือเบสบอล และเดินออกกำลังกาย (7) ตอบการช่วงตั้งแต่ 0 (ไม่เลย) ถึง 7 (ครั้งที่ 7 ขึ้นไป) ในคลื่น 3 และ 4 ผู้เข้าร่วมรายงานความถี่ของกิจกรรมจากคลื่น 1 และ 2 บวกเพิ่มเติมกิจกรรมที่เกี่ยวข้อง developmentally กับผู้ใหญ่ (เช่น ยกน้ำหนัก) โดยไม่รวมกิจกรรมที่เกี่ยวข้อง developmentally เหล่านี้เพิ่มเติมในคลื่น 3 และ 4 ความถี่ของกิจกรรมทางกายภาพระหว่างคลื่นเหล่านี้อาจมีปรากฏผลต่ำ เป็นผู้ใหญ่มีแนวโน้มที่เกิดขึ้นมีส่วนร่วมในกิจกรรมทางกายภาพเมื่อเทียบกับวัยรุ่น (เช่น ความแข็งแรงฝึกอบรมเทียบกับสเก็ตบอร์ด) ในรูปแบบต่าง ๆ เพิ่มเติม การหลีกเลี่ยงการรายงานอย่างไม่ถูกต้อง overestimated ระดับกิจกรรมทางกายภาพในผู้ใหญ่เกิดจากกิจกรรมส่งเสริมการขาย ปรับสัดส่วนได้ผลรวมของความถี่ของหมั้นในกิจกรรมทางกายภาพที่สร้าง (Larsen Gordon เนลสัน & Popkin, 2004) ผลรวมของกิจกรรมทางกายภาพในคลื่น 3 และ 4 ถูกปรับเพื่อทำให้เปรียบเทียบได้กับคลื่น 1 และ 2 นี้สำเร็จ โดยหารด้วยผลรวมของกิจกรรมทั้งหมดที่แสดงในรายการแสดงที่คลื่น 3 และ 4 แล้ว คูณ ด้วยผลรวมของกิจกรรมทั้งหมดที่แสดงในรายการแสดงที่ Wave 1 และ 2 (Gordon Larsen et al., 2004) คะแนนสูงแสดงความถี่ที่มากขึ้นของหมั้นในกิจกรรมทางกายภาพเพศ ตัวแปรเพศถูกสร้างขึ้นจากการสัมภาษณ์ in-home คลื่น 1 เพศเป็นหุ่นที่มีกำหนดให้ 0 =หญิงและ 1 =เพศชายCovariates คล้ายกับการศึกษาก่อนหน้า (เช่น Birkeland et al. ปี 2009, Jerstad et al., 2010, McPhie และ Rawana, 2012 และ Raudsepp และ Neissaar, 2012), ดัชนีมวลกาย (BMI) และสถานะ (SES) ประชากรมีเป็น covariates เป็นอิทธิพลที่น่าสนใจหลักในการศึกษาปัจจุบันไม่ มีคำนวณ BMI โดยแบ่งน้ำหนักการรายงานด้วยตนเองของผู้เรียน (ในหน่วยปอนด์) ด้วยความสูงยกกำลังสอง (เป็นนิ้ว) แล้ว คูณ ด้วย 703 (ศูนย์ควบคุมและป้องกันโรคและการป้องกัน 2003) SES ถูกประเมินโดยใช้หลักรายงานรายได้ครัวเรือน ในตัวอย่างปัจจุบัน พื้นฐาน SES ถูกมาก ส่งที่เกี่ยวข้องกับอาการ depressive พื้นฐาน และอย่างมีนัยสำคัญ บวกเกี่ยวข้องกับความผูกพันในกิจกรรมทางกายภาพ ขณะที่พื้นฐาน BMI ไม่เกี่ยวข้องอย่างมากกับอาการ depressive พื้นฐานหรือระดับกิจกรรมทางกายภาพพื้นฐานการวิเคราะห์ข้อมูลนอกจากสถิติพรรณนา เส้นโค้งการเติบโตที่แฝงอยู่ที่โมเดล (LGCM) ถูกใช้เพื่อให้บรรลุวัตถุประสงค์การศึกษาประธาน วิเคราะห์ทั้งหมดถูกดำเนินโดยใช้โรงแรมอมอสโครุ่น 19 และโปรแกรมรุ่น 19ครั้งแรก วิถี normative เติบโตถูกสร้างขึ้น โดยใช้ข้อมูลที่สี่เวลาคะแนนการประเมินแบบจำลองการเจริญเติบโตโดยไม่มีเงื่อนไข (จัดขึ้นในมหาวิทยาลัย) สำหรับอาการ depressive Loadings ปัจจัยสำหรับมาตรการ 4 อาการ depressive ได้คงเป็น 1 ในตัวจุดตัดแกนให้มีความหมายว่า จุดตัดแกนที่เป็นบล็อกได้ตลอดเวลา เนื่องจากมันถูกคาดว่าจะมีเส้นโค้งการเติบโตไม่ใช่เชิงเส้น depressive อาการ loadings ปัจจัยที่เกี่ยวข้องมาตรการ 4 อาการ depressive การคูณลาดถูกประเมินอิสระเพื่อขึ้นตำแหน่งจับภาพรูปร่างของเส้นโค้งการเจริญเติบโตมากกว่าเวลาสี่จุด (Bollen & Curran, 2006) ในกรณีนี้ แรกเท่านั้น (คงเป็น 0) และสุดท้าย (คง 1) คูณ loadings ถูกจำกัด ในรุ่นสุดท้าย loadings ปัจจัยประเมินอิสระสำหรับปัจจัยสอง และสามขึ้น 0.108 และ 1.243 ตามลำดับหลังจากสร้างจัดขึ้นในมหาวิทยาลัย ลำดับตัวแปรพหุแฝงอยู่ตามเงื่อนไขแบบเกี่ยวข้องกับตัวแปรอธิบายถูกประเมิน โดยเพิ่มในจำนวนประตูที่เวลาแตกต่างกัน (เช่น กิจกรรมทางกายภาพ) การเจริญเติบโตในที่เวลาแตกต่างกันจำนวนประตูตัวเองถูกจำลองก่อนประเมินผลของจำนวนประตูที่เวลาแตกต่างกันในอาการ depressive (Bollen & Curran, 2006) เพื่อวัตถุประสงค์การศึกษาแรก จุดตัดแกนที่แฝงอยู่และปัจจัยแฝงอยู่ลาดได้ประเมินอาการ depressive เป็นหมั้นในกิจกรรมทางกายภาพที่ใช้วิธีการโหลดตัวรอด ถัดไป เพื่อรูปแบบความแปรผันพบในจุดตัดแกนและความชันของวิถี depressive อาการ อาการ depressive แฝงอยู่เจริญเติบโตปัจจัยถูกหาจุดตัดแกนและความชันของหมั้นในกิจกรรมทางกายภาพ สุดท้าย การสอง และสามเป้าหมายของการศึกษา ผลหลัก และโต้ตอบของเพศ สมการโครงสร้าง multigroup โมเดล (SEM) วิธีใช้แบบจำลองที่เหมาะสมถูกประเมินโดยใช้ดัชนีสามพอดี: ผิดพลาดรากค่าเฉลี่ยกำลังสองของประมาณ (RMSEA), เปรียบเทียบให้พอดีกับดัชนี (CFI), และดัชนีทักเกอร์ลูวิส (TLI หู และ Bentler, 1999 และ MacCallum และ Austin, 2000) ไม่มีข้อมูลในการศึกษาปัจจุบันถูกจัดการโดยใช้กลยุทธ์ข้อมูลเต็ม ซึ่งเกี่ยวข้องกับการประมาณพารามิเตอร์แบบจำลองโดยใช้ข้อมูลทั้งหมดพร้อมใช้งาน ไม่ว่าข้อมูลนั้นมาจากกรณีที่มีข้อมูลไม่สมบูรณ์ (ตั้งพระ 2010)

ผลลัพธ์ (ไทย) 2:

หมั้นในการออกกำลังกาย การออกกำลังกายโดยวัดจากรุ่นที่ปรับเปลี่ยนขนาดอธิบายไว้ก่อนหน้า (ฟอร์ด Nonnemaker และเวิร์ ธ , 2008) ที่มีช่วงของคำถามตัวเองรายงานคล้ายกับผู้ที่ผ่านการตรวจสอบในการศึกษาอื่น ๆ ตรวจสอบการออกกำลังกาย (Anderson et al., 1998 และ ป่า et al., 1994) ในคลื่นลูกที่ 1 และ 2, สามรายการที่ประเมินความถี่ของการมีส่วนร่วมในกิจกรรมดังต่อไปนี้ช่วงที่ผ่านมา 7 วัน (1) โรลเลอร์, โรลเลอร์สเก็ต, สเก็ตบอร์ดและจักรยาน; (2) การเล่นกีฬาที่ใช้งานเช่นเบสบอล, ซอฟท์บอล, บาสเกตบอล, ฟุตบอล, ว่ายน้ำหรือฟุตบอล; และ (3) การออกกำลังกายเช่นวิ่ง, เดิน, คาราเต้, กระโดดเชือก, ยิมนาสติกหรือการเต้นรำ ช่วงตอบสนองจาก 0 (ไม่ได้เลย) ถึง 3 (5 ครั้งหรือมากกว่า) คลื่นลูกที่ 3 และ 4 รวมห้าคำถามแก้ไขเล็กน้อยเกี่ยวกับการมีส่วนร่วมในกิจกรรมดังต่อไปนี้ช่วงที่ผ่านมา 7 วัน (1) ขี่จักรยาน, สเก็ตบอร์ด, เดินป่าการล่าสัตว์หรือทำทำงานหลา; (2) โรลเลอร์, โรลเลอร์สเก็ต, สกี Downhill สโนว์บอร์ด, เล่นกีฬาเทนนิสหรือทำแอโรบิก; (3) ทีมกีฬาที่มีพลังเช่นการเล่นฟุตบอล, ฟุตบอล, บาสเกตบอล, รักบี้, ฮอกกี้หรือฮ็อกกี้น้ำแข็ง; (4) กีฬาประเภทบุคคลเช่นวิ่ง, มวยปล้ำ, ว่ายน้ำ, เล่นสกีข้ามประเทศแข่งจักรยานหรือศิลปะการต่อสู้; (5) มีส่วนร่วมในยิมนาสติก, ยกน้ำหนักหรือการฝึกอบรมความแข็งแรง; (6) การเล่นกอล์ฟตกปลาหรือโบว์ลิ่งหรือเล่นซอฟท์บอลหรือเบสบอล; และ (7) เดินสำหรับการออกกำลังกาย ช่วงตอบสนองจาก 0 (ไม่ได้เลย) ถึง 7 (7 ครั้งหรือมากกว่า) ในคลื่น 3 และ 4 เข้าร่วมรายงานความถี่ของกิจกรรมจากคลื่นที่ 1 และ 2 รวมทั้งกิจกรรมเพิ่มเติมที่เกี่ยวข้องกับการพัฒนาคนหนุ่มสาว (เช่นการยกน้ำหนัก) โดยไม่รวมเหล่านี้เพิ่มเติมกิจกรรมที่เกี่ยวข้องในการพัฒนาคลื่น 3 และ 4, ความถี่ของการออกกำลังกายในช่วงคลื่นเหล่านี้อาจจะปรากฏความผิดพลาดต่ำเป็นผู้ใหญ่ที่เกิดขึ้นน่าจะมีส่วนร่วมในรูปแบบที่แตกต่างกันของการออกกำลังกายเมื่อเทียบกับวัยรุ่น (เช่นการฝึกความแข็งแรงเมื่อเทียบกับสเก็ตบอร์ด) นอกจากนี้เพื่อหลีกเลี่ยงการรายงานระดับเกินไม่ถูกต้องของการออกกำลังกายในผู้ใหญ่ที่เกิดขึ้นเป็นผลมาจากกิจกรรมเสริม, ผลรวมปรับขนาดของความถี่ของการมีส่วนร่วมในการออกกำลังกายที่ถูกสร้างขึ้น (กอร์ดอนเสน, เนลสันและ Popkin, 2004) ผลรวมของกิจกรรมการรายงานในคลื่นลูกที่ 3 และ 4 เป็นสัดส่วนที่จะทำให้ทางกายภาพมันเปรียบได้กับคลื่นที่ 1 และ 2 นี้ก็ประสบความสำเร็จโดยหารด้วยผลรวมของกิจกรรมทั้งหมดที่ระบุไว้ในรายการที่นำเสนอในที่คลื่นลูกที่ 3 และ 4 แล้วคูณ โดยผลรวมของกิจกรรมทั้งหมดที่ระบุไว้ในรายการที่นำเสนอในที่คลื่นลูกที่ 1 และ 2 (กอร์ดอนเสน et al., 2004) คะแนนที่สูงกว่าที่ระบุความถี่มากขึ้นของการมีส่วนร่วมในกิจกรรมทางกายภาพ. เพศ ตัวแปรเพศที่ถูกสร้างขึ้นมาจากคลื่นลูกที่ 1 ให้สัมภาษณ์ในบ้าน เพศเป็นรหัสเพื่อให้หุ่น 0 = หญิงและชาย 1 =. ตัวแปร คล้ายกับการศึกษาก่อนหน้า (เช่น Birkeland et al., 2009, Jerstad et al., 2010, McPhie และ Rawana 2012 และ Raudsepp และ Neissaar, 2012) ดัชนีมวลกาย (BMI) และทางสังคมและเศรษฐกิจ (SES) สถานะได้รวมเป็นตัวแปร ขณะที่อิทธิพลของพวกเขาก็ไม่ได้สนใจหลักในการศึกษาครั้งนี้ BMI ที่คำนวณโดยการหารน้ำหนักตนเองรายงานของผู้เข้าร่วม (ในปอนด์) โดยความสูงยกกำลังสอง (นิ้ว) แล้วคูณด้วย 703 (ศูนย์ควบคุมและป้องกันโรค, 2003) SES เป็นที่คาดกันโดยใช้แม่รายงานค่าเฉลี่ยรายได้ของครัวเรือน ในตัวอย่างปัจจุบันพื้นฐาน SES อย่างมีนัยสำคัญที่เกี่ยวข้องในเชิงลบที่มีอาการซึมเศร้าและพื้นฐานอย่างมีนัยสำคัญที่เกี่ยวข้องในเชิงบวกกับการมีส่วนร่วมในการออกกำลังกายในขณะที่พื้นฐานค่าดัชนีมวลกายไม่ได้เกี่ยวข้องอย่างมีนัยสำคัญที่มีทั้งอาการซึมเศร้าพื้นฐานหรือพื้นฐานระดับการออกกำลังกาย. การวิเคราะห์ข้อมูลนอกจาก สถิติเชิงพรรณนาแบบจำลองอัตราการเจริญเติบโตที่แฝง (LGCM) ถูกนำมาใช้เพื่อให้บรรลุวัตถุประสงค์ของการศึกษาหัวหน้า ทั้งหมดการวิเคราะห์ได้ดำเนินการโดยใช้รุ่น AMOS 19 และรุ่น 19 SPSS. แรกวิถีการเจริญเติบโตกฎเกณฑ์ที่ถูกสร้างขึ้นโดยใช้ข้อมูลในเวลาสี่จุดในการประมาณการเติบโตแบบไม่มีเงื่อนไข (UGM) สำหรับอาการซึมเศร้า น้ำหนักองค์ประกอบสำหรับสี่มาตรการของอาการซึมเศร้าได้รับการแก้ไขให้เป็น 1 ในปัจจัยที่ขัดขวางการมีความหมายว่าตัดเป็นค่าคงที่ข้ามเวลา เพราะมันเป็นที่คาดว่าจะมีอัตราการเจริญเติบโตที่ไม่ใช่เชิงเส้นของอาการซึมเศร้าน้ำหนักองค์ประกอบที่เกี่ยวข้องกับสี่มาตรการของอาการซึมเศร้าปัจจัยความลาดชันประมาณได้อย่างอิสระเพื่อให้ความยืดหยุ่นมากขึ้นจับภาพรูปร่างของอัตราการเจริญเติบโตในช่วงสี่ จุดเวลา (Bollen และเคอร์แร 2006) ในกรณีนี้เพียงครั้งแรก (คงที่ 0) และครั้งสุดท้าย (คงที่ 1) น้ำหนักองค์ประกอบที่ถูก จำกัด ในรูปแบบสุดท้ายที่น้ำหนักองค์ประกอบประมาณได้อย่างอิสระสำหรับปัจจัยที่สองและสามเป็น 0.108 และ 1.243 ตามลำดับ. หลังจากสร้าง UGM, รูปแบบที่มีเงื่อนไขตามมาหลายตัวแปรแฝงที่เกี่ยวข้องกับตัวแปรอธิบายเป็นที่คาดกันโดยการเพิ่มในการทำนายเวลาที่แตกต่าง (เช่น การออกกำลังกาย) การเจริญเติบโตในการทำนายเวลาที่แตกต่างตัวเองเป็นรูปแบบก่อนที่จะประเมินผลกระทบของการทำนายเวลาที่แตกต่างในการเจริญเติบโตในอาการซึมเศร้า (Bollen และเคอร์แร 2006) ที่อยู่ที่วัตถุประสงค์การศึกษาครั้งแรกที่ขัดขวางแฝงและแฟชันแฝงประมาณสำหรับอาการซึมเศร้าเช่นเดียวกับการมีส่วนร่วมในการออกกำลังกายโดยใช้วิธีการโหลดอิสระปัจจัย ต่อไปเพื่อที่จะจำลองความแปรปรวนตั้งข้อสังเกตในการสกัดกั้นและความลาดเอียงของวิถีอาการซึมเศร้าอาการซึมเศร้าปัจจัยการเจริญเติบโตที่แฝงถูกถดถอยในการสกัดกั้นและความลาดเอียงของการมีส่วนร่วมในกิจกรรมทางกาย สุดท้ายเพื่อที่อยู่ในเป้าหมายที่สองและสามของการศึกษาผลกระทบหลักและการมีปฏิสัมพันธ์ของเพศ, การสร้างแบบจำลองสมการโครงสร้างพหุ (SEM) วิธีการที่ถูกนำมาใช้. พอดีรุ่นได้รับการประเมินโดยใช้สามดัชนีพอดี: ข้อผิดพลาดรากเฉลี่ยตาราง ของการประมาณ (RMSEA) ดัชนีพอดีเปรียบเทียบ (CFI) และดัชนีทักเคอร์ลูอิส (TLI; Hu และ Bentler 1999 และ MacCallum และออสติน, 2000) ข้อมูลที่ขาดหายไปในการศึกษาครั้งนี้ได้รับการจัดการโดยใช้กลยุทธ์ข้อมูลทั้งหมดที่เกี่ยวข้องกับการประมาณค่าพารามิเตอร์แบบโดยใช้ข้อมูลที่มีอยู่ทั้งหมดโดยไม่คำนึงถึงไม่ว่าจะเป็นข้อมูลที่มาจากกรณีที่มีข้อมูลที่ไม่สมบูรณ์ (ปัญญาจารย์, 2010)

ผลลัพธ์ (ไทย) 3:

มีส่วนร่วมในกิจกรรมทางกาย กิจกรรมทางกายซึ่งเป็นรุ่นที่แก้ไขของอธิบายไว้ก่อนหน้านี้มาตราส่วน ( ฟอร์ด nonnemaker &เวิร์ท , 2008 ) , มีช่วงของ 5 คำถามคล้ายกับผู้ที่ตรวจสอบในการศึกษาอื่น ๆ การตรวจสอบกิจกรรมทางกาย ( Anderson et al . , 1998 และ Heath et al . , 1994 ) ในคลื่น 1 และ 2สามรายการที่ประเมินความถี่ของการมีส่วนร่วมในกิจกรรมต่อไปในช่วงที่ผ่านมา 7 วัน ( 1 ) เล่นสเก็ต , สเก็ตลูกกลิ้ง , สเก็ตบอร์ดและจักรยาน ( 2 ) เล่นเป็นกีฬาที่ใช้งานเช่นเบสบอล , ซอฟท์บอล , บาสเกตบอล , ฟุตบอล , ว่ายน้ำ , ฟุตบอล และ ( 3 ) ออกกำลังกาย เช่น วิ่งจ๊อกกิ้ง เดิน , คาราเต้ , เชือกกระโดด , ยิมนาสติก , หรือเต้นรำการตอบสนองในช่วงตั้งแต่ 0 ( ไม่ทั้งหมด ) 3 ( 5 ครั้ง ) คลื่น 3 และ 4 รวมห้าการแก้ไขเล็กน้อย คำถามเกี่ยวกับการมีส่วนร่วมในกิจกรรมต่อไปในช่วงที่ผ่านมา 7 วัน ( 1 ) จักรยาน , สเก็ตบอร์ด , เดินป่า ล่าสัตว์ หรือทำสวน ( 2 ) เล่นสเก็ตลูกกลิ้งเล่นสเก็ตแล่นสกี , สโนว์บอร์ด , เล่นไปเล่นกีฬา หรือเต้นแอโรบิก ;( 3 ) ทีมที่ยากเย็นแสนเข็ญในกีฬาเช่นฟุตบอล , ฟุตบอล , บาสเกตบอล , ลาครอส , รักบี้ , ฮอกกี้ , ฮอกกี้น้ำแข็ง ; ( 4 ) กีฬาบุคคล เช่น วิ่ง มวยปล้ํา ว่ายข้ามประเทศสกี , แข่งจักรยาน หรือศิลปะการต่อสู้ และ ( 5 ) การมีส่วนร่วมในยิมนาสติก , ยกน้ำหนัก , หรือความแรงของการฝึกอบรม ( 6 ) การเล่นกอล์ฟ , ตกปลา หรือโยนโบว์ลิ่ง หรือ เล่นซอฟท์บอลและเบสบอล และ ( 7 ) เดินสำหรับการออกกำลังกายการตอบสนองในช่วงตั้งแต่ 0 ( ไม่ทั้งหมด ) 7 ( 7 ครั้ง ) ในคลื่น 3 และ 4 เข้าร่วมรายงานความถี่ของกิจกรรมจากคลื่น 1 และ 2 รวมทั้งกิจกรรมเพิ่มเติมที่จะได้รับที่เกี่ยวข้องกับผู้ใหญ่ เช่น การยกน้ำหนัก ) โดยไม่รวมเหล่านี้ได้รับเพิ่มเติมกับกิจกรรมที่เกี่ยวข้องในคลื่น 3 และ 4ความถี่ของการออกกำลังกายในช่วงคลื่นนี้อาจปรากฎขึ้นต่ำผิด เป็นผู้ใหญ่ที่เกิดขึ้นใหม่อาจมีส่วนร่วมในรูปแบบของกิจกรรมทางกายภาพเมื่อเทียบกับเด็กวัยรุ่น เช่น การฝึกความแข็งแรงและสเก็ตบอร์ด ) เพิ่มเติม เพื่อหลีกเลี่ยงการรายงานไม่ถูกต้องประเมินค่า ระดับของกิจกรรมทางกายในผู้ใหญ่ที่เกิดขึ้นเป็นผลของกิจกรรมเพิ่มเติมปรับผลรวมของความถี่ของการมีส่วนร่วมในกิจกรรมทางกายภาพที่ถูกสร้างขึ้น ( กอร์ดอน ลาร์เซน เนลสัน&พ็อปคิ้น , 2547 ) ผลรวมของกิจกรรมทางกายที่รายงานในคลื่น 3 และ 4 ถูกลดขนาดเพื่อให้เทียบเท่ากับที่ของคลื่นที่ 1 และ 2นี้ได้โดยหารด้วยผลรวมของกิจกรรมทั้งหมดที่จดทะเบียนในรายการที่นำเสนอในคลื่น 3 และ 4 แล้วคูณด้วยจำนวนของกิจกรรมทั้งหมดที่จดทะเบียนในรายการที่นำเสนอที่คลื่น 1 และ 2 ( กอร์ดอน ลาร์เซน et al . , 2004 ) แสดงความถี่ของคะแนนสูงมากขึ้นมีส่วนร่วมในกิจกรรมทางกายภาพ .

เพศ เพศเป็นตัวแปรที่สร้างจากคลื่น 1 ในสัมภาษณ์ที่บ้านเพศเป็นหุ่นรหัสเพื่อที่หญิงและชาย 1 = 0 =

ความรู้ . คล้ายคลึงกับการศึกษาก่อนหน้านี้ ( เช่น เบิร์กเลินด์ et al . , 2009 , jerstad et al . , 2010 , mcphie และ rawana 2012 และ raudsepp และ neissaar , 2012 ) , ดัชนีมวลร่างกาย ( BMI ) และสังคม ( SES ) สถานะถูกรวมเป็นความรู้ เช่น อิทธิพลของพวกเขาก็ไม่ได้สนใจหลักในการศึกษาปัจจุบัน