6. Results6.1. Analytical strategyF

6. Results
6.1. Analytical strategy
For this study, we used hierarchical linear modeling (HLM;
Raudenbush & Bryk, 2002) to account for the nested nature of
the data. The two-level HLMs nested children within classrooms,
and predicted their residualized gain (i.e., Time 2 scores with
Time 1 scores as covariates) from the classroom-level measures
of teacher behavior management. Models were built separately
for each child outcome, namely print awareness and vocabulary.
First, an unconditional model without any predictor variables was
tested to compute the intraclass correlation coefficients (ICCs). ICC
refers to the amount of variance in individual child outcomes that
is explained by classroom-level variables. Then, we entered child
variables at level 1 and teacher variables at level 2.

ผลลัพธ์ (ไทย) 1:

6. ผลลัพธ์6.1 การวิเคราะห์กลยุทธ์สำหรับการศึกษานี้ เราใช้สร้างแบบจำลองเชิงลำดับชั้น (HLMRaudenbush & Bryk, 2002) ในลักษณะการซ้อนกันของการลงบัญชีข้อมูล เด็กซ้อน HLMs สองชั้นภายในห้องเรียนและคาดว่า กำไรของพวกเขา residualized (เช่น เวลา 2 คะแนนด้วยครั้งที่ 1 คะแนนเป็น covariates) จากการประเมินระดับห้องเรียนของการจัดการพฤติกรรมครู สร้างแบบจำลองแยกกันสำหรับแต่ละย่อยผล คือพิมพ์คำศัพท์และความรู้ก่อน แบบจำลองโดยไม่มีเงื่อนไข โดยตัวแปร predictor ใด ๆ ได้ทดสอบการคำนวณค่าสัมประสิทธิ์สหสัมพันธ์ของ intraclass (ICCs) ICCหมายถึงจำนวนผลต่างเป็นผลของเด็กที่แต่ละที่คืออธิบาย โดยตัวแปรระดับชั้นเรียน จากนั้น เราป้อนเด็กตัวแปรที่ตัวแปรครูระดับ 2 และระดับ 1

ผลลัพธ์ (ไทย) 2:

6. ผล
6.1 กลยุทธ์การวิเคราะห์สำหรับการศึกษานี้เราใช้ในการสร้างแบบจำลองเชิงเส้นลำดับชั้น (HLM; Raudenbush และ Bryk, 2002) การบัญชีสำหรับลักษณะที่ซ้อนกันของข้อมูล HLMs สองระดับซ้อนเด็กภายในห้องเรียนและคาดการณ์กำไรresidualized ของพวกเขา (เช่นเวลา 2 คะแนนกับเวลา1 คะแนนเป็นตัวแปร) จากมาตรการห้องเรียนระดับของการจัดการพฤติกรรมของครู รุ่นที่ถูกสร้างขึ้นแยกต่างหากสำหรับแต่ละผลของเด็กคือการรับรู้การพิมพ์และคำศัพท์. ครั้งแรกเป็นรูปแบบที่ไม่มีเงื่อนไขโดยไม่ต้องตัวแปรใด ๆที่ได้รับการทดสอบเพื่อคำนวณค่าสัมประสิทธิ์สหสัมพันธ์ intraclass (ICCs) ICC หมายถึงปริมาณของความแปรปรวนในผลเด็กบุคคลที่จะมีการอธิบายโดยตัวแปรระดับชั้นเรียน จากนั้นเราป้อนเด็กตัวแปรในระดับที่ 1 และตัวแปรครูในระดับ 2

ผลลัพธ์ (ไทย) 3:

6 . ผลลัพธ์
6.1 .
กลยุทธ์วิเคราะห์ครั้งนี้เราใช้โมเดลเชิงเส้นระดับลดหลั่น ( HLM ;
โรเดนบุช& bryk , 2002 ) เพื่อให้บัญชีที่ซ้อนกันของธรรมชาติ
ข้อมูล ทั้งสองระดับ hlms ซ้อนเด็กภายในห้องเรียน และได้รับ residualized
ทำนายของพวกเขา ( เช่น เวลา 2 คะแนน 1 คะแนน เป็นความรู้ด้วย

) จากห้องเรียนระดับมาตรการการจัดการพฤติกรรมครูแบบจำลองที่ถูกสร้างขึ้นสำหรับเด็กแต่ละคนแยกกัน
ผลคือพิมพ์ ความตระหนักรู้ และคำศัพท์
แรกแบบไม่มีเงื่อนไขไม่มีทำนายตัวแปร
ทดสอบ คำนวณหาสัมประสิทธิ์สหสัมพันธ์แสดง ( ICCS ) ICC
หมายถึงปริมาณของความแปรปรวนในเด็กแต่ละคน ผลที่ได้จากตัวแปรระดับห้องเรียน
. จากนั้นให้เราป้อนเด็ก
ตัวแปรที่ระดับ 1 และครู ตัวแปรระดับ 2