Although the longitudinal model als

Although the longitudinal model also fitted the data very well
(χ2(9) = 8.29 (p = 0.50), RMSEA = 0.00 (0.00–0.03), CFI = 1.00, and
SRMR=0.02), the interaction effect of anger and negative emotion regulation
strategies on cyberbullying behavior was not significant
(β = −0.02, p = 0.94). Negatively regulating anger did not result in
an increase in cyberbullying behavior over a longer period of time.
In order to visualize the effect found at wave 1 and 2, the interaction
analysis was repeated in SPSS, this time only with anger, negative emotion regulation, and cyberbullying behavior (i.e., without the other variables of the Cyclic Process Model; victimization and media exposure).
Fig. 2 visualizes the interaction effect at wave 1 (with wave 2 having
similar results). As can be seen, the effect of anger on cyberbullying
is higher for those individuals high in negative emotion regulation than
for those individuals low in negative emotion regulation. Note that
when testing the interaction effect in SPSS, the effect was also significant
at wave 3 (t=3.79, p b 0.001, b(SEb)=0.06 (0.02), β=0.12). Apparently,
when not controlling for victimization and media exposure,
using negative emotion regulation resulted in a stronger effect of
anger on cyberbullying behavior.

ผลลัพธ์ (ไทย) 2:

แม้ว่ารูปแบบยาวยังติดตั้งข้อมูลได้เป็นอย่างดี
(χ2 (9) = 8.29 (p = 0.50) RMSEA = 0.00 (0.00-0.03) CFI = 1.00 และ
SRMR = 0.02) ผลการทำงานร่วมกันของความโกรธและอารมณ์ความรู้สึกเชิงลบ การควบคุม
กลยุทธ์ที่มีต่อพฤติกรรมการกลั่นแกล้งทางอินเทอร์เน็ตไม่ได้อย่างมีนัยสำคัญ
(β = -0.02, p = 0.94) ในเชิงลบการควบคุมความโกรธไม่ได้ผลใน
การเพิ่มขึ้นของพฤติกรรมการกลั่นแกล้งทางอินเทอร์เน็ตในระยะเวลานานของเวลา.
เพื่อให้เห็นภาพผลกระทบที่พบได้ที่คลื่นลูกที่ 1 และ 2 มีปฏิสัมพันธ์
วิเคราะห์ซ้ำในโปรแกรม SPSS เวลานี้เท่านั้นที่มีความโกรธการควบคุมอารมณ์เชิงลบ และพฤติกรรมการกลั่นแกล้งทางอินเทอร์เน็ต (เช่นโดยไม่มีตัวแปรอื่น ๆ ของกระบวนการวงจรแบบ; ตกเป็นเหยื่อและเปิดรับสื่อ).
รูป 2 แสดงภาพผลการทำงานร่วมกันที่คลื่น 1 (มี 2 คลื่นมี
ผลที่คล้ายกัน) ที่สามารถเห็นผลของความโกรธในการกลั่นแกล้งทางอินเทอร์เน็ต
เป็นที่สูงขึ้นสำหรับบุคคลผู้ที่สูงในการควบคุมอารมณ์เชิงลบมากกว่า
สำหรับบุคคลผู้ที่ต่ำในการควบคุมอารมณ์เชิงลบ โปรดทราบว่า
เมื่อการทดสอบผลการทำงานร่วมกันในโปรแกรม SPSS ผลที่ออกมาก็เป็นอย่างมีนัยสำคัญ
ที่คลื่น 3 (t = 3.79, PB 0.001, B (SEB) = 0.06 (0.02) β = 0.12) เห็นได้ชัดว่า
เมื่อไม่ตกเป็นเหยื่อของการควบคุมและการเปิดรับข่าวสาร
โดยใช้การควบคุมอารมณ์เชิงลบส่งผลให้เกิดผลกระทบที่แข็งแกร่งของ
ความโกรธที่มีต่อพฤติกรรมการกลั่นแกล้งทางอินเทอร์เน็ต

ผลลัพธ์ (ไทย) 3:

แม้ว่ารูปแบบระยะยาวยังติดตั้งข้อมูลได้ดีมาก( χ 2 ( 9 ) = 8.29 ( P = 0.50 ) , RMSEA = 0.00 0.00 ( 0.03 ) , CFI = 1.00 , และsrmr = 0.02 ) , ปฏิสัมพันธ์ของความโกรธและการควบคุมอารมณ์ในทางลบกลยุทธ์เกี่ยวกับ cyberbullying พฤติกรรมไม่แตกต่างกัน( บีตา = − 0.02 , p = 0.94 ) ในการควบคุมความโกรธ ไม่ได้ส่งผลในการเพิ่มขึ้นของ cyberbullying พฤติกรรมมากกว่าระยะเวลานานของเวลาเพื่อให้เห็นภาพผลกระทบที่พบในคลื่น 1 และ 2 , ปฏิสัมพันธ์การวิเคราะห์ซ้ำ ในโปรแกรมนี้เวลาที่มีความโกรธ การควบคุมอารมณ์เชิงลบและ cyberbullying พฤติกรรม ( เช่น ไม่มีตัวแปรอื่น ๆของกระบวนการเป็นแบบโกงและการเปิดรับสื่อมวลชน )รูปที่ 2 visualizes ปฏิสัมพันธ์ที่คลื่น 1 กับ 2 คลื่นมีผลที่คล้ายกัน ) สามารถเห็นผลของความโกรธใน cyberbullying ,ที่สูงขึ้นสำหรับบุคคลผู้ที่มีการควบคุมอารมณ์เชิงลบมากกว่าสำหรับบุคคลผู้ที่มีการควบคุมอารมณ์เชิงลบ หมายเหตุเมื่อการทดสอบปฏิสัมพันธ์ใน SPSS ผลก็สำคัญที่คลื่น 3 ( t = 3.79 , P B = B ( SEB ) = 0.06 ( 0.02 ) บีตา = 0.12 ) เห็นได้ชัดว่าเมื่อไม่พบเหยื่อและสื่อแสงโดยใช้การควบคุมอารมณ์เชิงลบส่งผลให้แข็งแกร่ง ผลของความโกรธกับ cyberbullying พฤติกรรม