3. ResultsThe across-subject mean o

3. Results
The across-subject mean of each COP parameter, separately for
each task and time of day, is illustrated in Fig. 1. The graphs show
that all parameters consistently differed between tasks, but differences
between times of day are less obvious.
The Pearson correlations between COP parameters are listed in
Table 1, which shows that for each task and time of day, there was a
strong correlation between COP path length and COP velocity; a
strong correlation between COP confidence area, anterioreposterior
sway, and mediolateral sway; but a poor correlation between
the former two and the latter three parameters. Accordingly, factor
analyses of each task and time of day reduced the five parameters
to the same two factors, one representing path length and speed,
and the other representing variability and confidence area (see
Table 2). Although each factor analysis relies on only a small
number of participants, all 10 analyses yielded comparable outcomes
and were in line with the 10 correlation matrices of Table 1,
which supports their validity. From this we concluded that the
same factorial structure applies to all tasks and times of day, thus
allowing comparisons based on factor values rather than parameter
scores. Fig. 2 illustrates that the values of F1, but not those of F2,
differed consistently between times of day in all tasks. ANOVA of F1
yielded significance for time of day [F(1,34) ¼ 10.70; p < 0.01] and
task [GreenhouseeGeisser-corrected F(3,102) ¼ 86.23; p < 0.001],
but not for the interaction. ANOVA of F2 revealed significance only
for task [F(3,102) ¼ 35.77; p < 0.001].

ผลลัพธ์ (ไทย) 2:

3. ผลข้าม-เรื่องเฉลี่ยของแต่ละพารามิเตอร์ตำรวจแยกต่างหากสำหรับแต่ละงานและเวลาของวันจะแสดงในรูปที่ 1. กราฟแสดงให้เห็นว่าทุกพารามิเตอร์ที่แตกต่างระหว่างงานอย่างต่อเนื่องแต่ความแตกต่างระหว่างเวลาของวันที่เห็นได้ชัดน้อย. ความสัมพันธ์เพียร์สันระหว่างพารามิเตอร์ COP มีการระบุไว้ในตารางที่1 ซึ่งแสดงให้เห็นว่างานแต่ละงานและเวลาของวันมีความแข็งแกร่งความสัมพันธ์ระหว่างความยาวเส้นทาง COP และความเร็ว COP; สัมพันธ์ที่แข็งแกร่งระหว่าง COP พื้นที่ความเชื่อมั่น anterioreposterior แกว่งไปแกว่งมาและแกว่งไปแกว่งมา mediolateral; แต่ความสัมพันธ์ที่ไม่ดีระหว่างอดีตสองและหลังสามพารามิเตอร์ ดังนั้นปัจจัยการวิเคราะห์ของแต่ละงานและเวลาของวันลดลงห้าพารามิเตอร์เดียวกันสองปัจจัยหนึ่งที่เป็นตัวแทนของความยาวเส้นทางและความเร็วและอื่นๆ ที่เป็นตัวแทนของความแปรปรวนและพื้นที่ความเชื่อมั่น (ดูตารางที่2) แม้ว่าการวิเคราะห์แต่ละปัจจัยที่ต้องอาศัยเพียงขนาดเล็กจำนวนผู้เข้าร่วมทั้งหมด 10 ผลการวิเคราะห์ผลการเปรียบและมีความสอดคล้องกับการฝึกอบรม10 ความสัมพันธ์ของตารางที่ 1, ที่รองรับความถูกต้องของพวกเขา จากนี้เราสรุปว่าโครงสร้างปัจจัยเช่นเดียวกับงานทั้งหมดและเวลาของวันจึงช่วยให้การเปรียบเทียบตามค่าปัจจัยมากกว่าพารามิเตอร์คะแนน รูป 2 แสดงให้เห็นว่าค่านิยมของ F1 แต่ไม่ผู้ F2, แตกต่างกันอย่างต่อเนื่องระหว่างช่วงเวลาของวันในงานทั้งหมด วิเคราะห์ความแปรปรวนของ F1 ให้ผลอย่างมีนัยสำคัญสำหรับช่วงเวลาของวัน [F (1,34) ¼ 10.70; p <0.01] และงาน[GreenhouseeGeisser แก้ไข-F (3102) 86.23 ¼; p <0.001] แต่ไม่ได้สำหรับการทำงานร่วมกัน วิเคราะห์ความแปรปรวนของ F2 เปิดเผยความสำคัญเฉพาะสำหรับงาน[F (3102) 35.77 ¼; p <0.001]

ผลลัพธ์ (ไทย) 3:

3 . ผลลัพธ์
หมายถึงข้ามเรื่องของตำรวจที่แยกต่างหากสำหรับแต่ละพารามิเตอร์
งานแต่ละงานและเวลาของวัน จะแสดงในรูปที่ 1 กราฟแสดงพารามิเตอร์ทั้งหมดอย่างต่อเนื่อง
ที่แตกต่างกันระหว่างการ แต่ความแตกต่างระหว่างช่วงเวลาของวัน

สันชัดเจนน้อยลง ความสัมพันธ์ระหว่างพารามิเตอร์ของตำรวจอยู่ใน
ตารางที่ 1 ซึ่งแสดงให้เห็นว่าสำหรับงานแต่ละงานและเวลาของวัน มี
ความสัมพันธ์ระหว่างความยาวของเส้นทางตำรวจและความเร็วตำรวจ ;
ความสัมพันธ์ที่แข็งแกร่งระหว่างพื้นที่มั่นใจตำรวจ anterioreposterior
พลิ้วไหว และข้อเท้าพลิ้วไหว แต่ยากจน ความสัมพันธ์ระหว่าง
อดีตสองและหลังสามพารามิเตอร์ ดังนั้นปัจจัย
วิเคราะห์ของแต่ละงาน และเวลาของวันลดห้าพารามิเตอร์
กับสองปัจจัย หนึ่งที่เป็นตัวแทนของความยาวของเส้นทาง และความเร็ว
และอื่น ๆแทนของความเชื่อมั่นและพื้นที่ ( ดู
ตารางที่ 2 ) แม้ว่าแต่ละตัวประกอบอาศัยเพียงจํานวนน้อย
ของผู้เข้าร่วมทั้งหมด 10 การวิเคราะห์หาเปรียบผล
และสอดคล้องกับ 10 ความสัมพันธ์ของตารางเมทริกซ์ 1
ซึ่งสนับสนุนความถูกต้องของพวกเขา จากที่เราสรุปได้ว่าโครงสร้างแบบเดียวกันกับ
งานทั้งหมดและเวลาของวันจึง
ให้เปรียบเทียบตามค่าปัจจัยมากกว่าคะแนนค่า

รูปที่ 2 แสดงให้เห็นว่าค่าของ F1 ได้ แต่ไม่ใช่ของ F2 ,
) อย่างต่อเนื่องระหว่างช่วงเวลาของวันในงาน การวิเคราะห์ความแปรปรวนของ F1
ที่มีความสำคัญสำหรับเวลาของวัน [ f ( 1,34 ) ¼ 10.70 ; p < 0.01 ) และงานแก้ไข
greenhouseegeisser [ f ( 3102 ) ¼ 86.23 ; P < 0.001 ) ] ,
แต่ไม่สำหรับการปฏิสัมพันธ์การวิเคราะห์ความแปรปรวนของข้อมูลเฉพาะสำหรับงานระดับ F2
[ f ( 3102 ) ¼ 35.77 ; p < 0.001 )