After estimation, using criteria li

After estimation, using criteria listed in Table 4, researchers evaluated fit
indices to assess the model’s adequacy. When the authors judged a model as
adequate, they introduced the best predictor of TDS at the next hierarchical
level. If the model did not fit the data adequately, modification indices and
theory guided the addition and removal of paths or variables. The researchers
evaluated modification indices first for the classroom level of analysis,
followed by the school level, and finally by the district level. As suggested by
Rowe and Hill (1998) and by Hox (2002), multilevel modeling stopped when
adding a new variable did not improve model fit (i.e., if the chi-square of the
model with the new predictor variable was larger than the model without
the variable).

ผลลัพธ์ (ไทย) 1:

หลังจากการประมาณการ โดยใช้เกณฑ์ที่แสดงในตาราง 4 นักวิจัยประเมินพอดีดัชนีการประเมินแบบจำลองเพียงพอ เมื่อผู้เขียนตัดสินแบบเป็นเพียงพอ จะนำจำนวนประตูที่ดีที่สุดของ TDS ที่ถัดไปตามลำดับชั้นระดับ ถ้าแบบไม่พอดีข้อมูลเพียงพอ ปรับเปลี่ยนดัชนี และทฤษฎีตัวเพิ่มและลบตัวแปรเส้นทาง นักวิจัยปรับเปลี่ยนค่าดัชนีแรกสำหรับระดับห้องเรียนวิเคราะห์ตามโรงเรียนระดับ และสุดท้ายระดับอำเภอ แนะนำโดยเป็นRowe และฮิลล์ (1998) โดย Hox (2002), โมเดลหลายหยุดเมื่อเพิ่มตัวแปรใหม่ได้ไม่ปรับปรุงให้พอดีกับรูปแบบ (เช่น ถ้า chi-square ของแบบจำลอง มีตัวแปร predictor ใหม่มีขนาดใหญ่กว่าแบบไม่มีตัวแปร)

ผลลัพธ์ (ไทย) 2:

หลังจากการประเมินโดยใช้เกณฑ์ที่ระบุไว้ในตารางที่ 4 นักวิจัยประเมินพอดี
ดัชนีเพื่อประเมินความเพียงพอของแบบจำลอง เมื่อผู้เขียนเป็นรูปแบบการตัดสิน
เพียงพอที่พวกเขาเปิดตัวทำนายที่ดีที่สุดของ TDS ในลำดับชั้นถัดไปที่
ระดับ หากรูปแบบไม่เหมาะกับข้อมูลที่เพียงพอดัชนีปรับเปลี่ยนและ
ทฤษฎีแนะนำนอกจากนี้และการกำจัดของเส้นทางหรือตัวแปร นักวิจัย
ประเมินดัชนีการปรับเปลี่ยนครั้งแรกสำหรับระดับชั้นของการวิเคราะห์
ตามด้วยระดับโรงเรียนและในที่สุดโดยระดับอำเภอ ที่แนะนำโดย
Rowe และฮิลล์ (1998) และโดยการ Hox (2002), การสร้างแบบจำลองหลายหยุดเมื่อ
เพิ่มตัวแปรใหม่ไม่ได้ปรับปรุงรูปแบบพอดี (เช่นถ้าไคสแควร์ของ
รุ่นที่มีตัวแปรทำนายใหม่มีขนาดใหญ่กว่ารุ่น โดยไม่ต้องมี
ตัวแปร)