Este método puede ayudar a responder preguntas clave en el campo de las ciencias sociales sobre la psicología de la lectura y el desarrollo del lenguaje. Esta técnica ilustra cómo las características de diferencia individuales coexisten y cómo un efecto único puede cubo en comparación con un efecto compartido con otras características. Las implicaciones de esta técnica se extienden a las ciencias sociales en términos más generales.
Como permite tener en cuenta la similitud de los predictores que nos ayudan a entender la varianza superpuesta. Para leer los datos en el software con una interfaz gráfica de usuario, haga clic en el archivo y coloque el ratón sobre abrir. Haga clic en datos y localice el archivo de datos relevante en el equipo.
Si el tipo de archivo no es coherente con el software con una interfaz gráfica de usuario, haga clic en archivos de tipo y seleccione el formato de archivo adecuado. A continuación, haga clic en Abrir. Para explicar la varianza total basada en dos variables independientes, haga clic en analizar y coloque el ratón sobre la regresión para seleccionar lineal.
Haga clic en la variable dependiente en la lista de variables, seguida de la flecha situada junto a dependent. Haga clic en las dos variables independientes en la lista de variables y haga clic en la flecha junto a la independencia. Haga clic en Aceptar y haga clic en la ventana del visor del software.
Utilice el ratón para desplazarse a la sección de resumen del modelo y registrar el valor en el cuadrado R. A continuación, etiquete este valor total R al cuadrado. Para explicar la varianza total basada en una variable independiente, repita la explicación de varianza total con la variable independiente solo en la lista de variables independientes y haga clic en la ventana del visor del software.
A continuación, utilice el ratón para desplazarse a la sección de resumen del modelo, registre el valor debajo de la columna cuadrada R y etiquete este valor variable independiente una R al cuadrado. Para explicar la varianza total basada en la variable independiente dos, repita la explicación de varianza total con la variable independiente dos sólo en la lista de variables independientes y haga clic en la ventana del visor del software. A continuación, utilice el ratón para desplazarse a la sección de resumen del modelo, registre el valor debajo de la columna cuadrada R y etiquete este valor variable independiente dos R al cuadrado.
Para calcular los componentes de varianza únicos, comunes e inexplicables, abra el software de administración de datos e introduzca la variable independiente total R cuadrada, una R al cuadrado y la variable independiente dos R al cuadrado en las celdas A1, B1 y C1 respetuosamente. Introduzca el valor total de R al cuadrado en A2. La variable independiente un valor R al cuadrado en B2, y la variable independiente dos valor R al cuadrado en C2. Para calcular la varianza única de la variable uno, introduzca la fórmula en D2 y etiquete este valor como varianza única de la variable uno en D1. Para calcular la varianza única de la variable dos, introduzca la fórmula en E2 y etiquete el valor como varianza única de la variable dos en E1. Para calcular la varianza común entre las variables uno y dos, ingrese la fórmula en F2 y etiquete este valor como varios comunes entre las variables uno y dos en F1. Para calcular la varianza inexplicable, introduzca la fórmula en G2 y etiquete este valor de varianza inexplicable en G1. Para trazar la varianza única de la variable uno, la varianza única de la variable dos, la varianza común entre las variables uno y dos, y la varianza inexplicable, haga clic y arrastre las celdas del ratón sobre D2, E2, F2 y G2 para resaltar los datos, y haga clic en insertar, luego haga clic en gráficos, gráfico circular y gráfico circular 2D. En este estudio representativo de las varianzas únicas y comunes del lenguaje y la decodificación para predecir la comprensión de la lectura, el análisis de regresión para los estudiantes de primer grado representó el 60% de la varianza total en la comprensión de la lectura.
Cuando la varianza en el primer grado se descompuso en efectos únicos y comunes, la decodificación explicaba de manera única el 24% de la varianza en la comprensión de la lectura, y el lenguaje explicaba de manera única el 17% de la varianza. La varianza común de la decodificación y el lenguaje fue del 19%En el séptimo grado, el análisis de regresión representó el 53% de la varianza total en la comprensión de la lectura. Con la decodificación explicada de forma única por el 7% de la varianza en la comprensión de la lectura, y el lenguaje explicó el 28% de la varianza.
La varianza común de la decodificación y el lenguaje al explicar la varianza en la comprensión de la lectura fue del 18%En el grado 10, el análisis de regresión representó el 61% de la varianza total en la comprensión de la lectura. Con la decodificación única que representa un 6% de la varianza, y el idioma representa de forma única el 42% de la varianza. La varianza común de la decodificación y el lenguaje al explicar la varianza en la comprensión de la lectura fue del 13%Al intentar este procedimiento, es importante recordar que el proceso de descomposición difiere de los enfoques de regresión típicos de calcular por separado la varianza única que cada variable independiente explica.
Este protocolo se puede modificar para responder preguntas adicionales sobre si las proporciones de varianzas únicas y comunes difieren según el estatus socioeconómico. Además, las variables observables se pueden reemplazar con variables latentes para reducir el error de medición. La cantidad de varianza común que la decodificación y el lenguaje juntos explican en la predicción de la comprensión de la lectura, especialmente en los grados elementales sugieren que la instrucción debe centrarse en la integración del conocimiento linguístico a nivel de palabra.
