Cette méthode peut aider à répondre à des questions clés dans le domaine des sciences sociales sur la psychologie de la lecture et le développement du langage. Cette technique illustre comment les caractéristiques de différence individuelle co-varient et comment un effet unique peut seau par rapport à un effet partagé avec d’autres caractéristiques. Les implications de cette technique s’étendent plus largement aux sciences sociales.
Car il permet de rendre compte de la communité des prédicteurs qui nous aident à comprendre les écarts qui se chevauchent. Pour lire les données dans le logiciel avec une interface utilisateur graphique, cliquez sur le fichier et passez la souris au-dessus de l’ouverture. Cliquez sur les données et localisez le fichier de données pertinent sur l’ordinateur.
Si le type de fichier n’est pas compatible avec un logiciel avec une interface utilisateur graphique, cliquez sur les fichiers de type et sélectionnez le format de fichier approprié. Ensuite, cliquez sur ouvrir. Pour expliquer la variance totale basée sur deux variables indépendantes, cliquez sur analyser et faire planer la souris sur la régression pour sélectionner linéaire.
Cliquez sur la variable dépendante de la liste variable, suivie de la flèche à côté de la personne à charge. Cliquez sur les deux variables indépendantes de la liste variable et cliquez sur la flèche à côté de l’indépendance. Cliquez bien et cliquez sur la fenêtre de visionneuse du logiciel.
Utilisez la souris pour faire défiler la section résumée du modèle et enregistrer la valeur sous le carré R. Étiquetez ensuite cette valeur totale R au carré. Pour expliquer la variance totale basée sur la variable indépendante, répétez l’explication de variance totale avec la variable indépendante une seule dans la liste variable indépendante et cliquez sur la fenêtre de visionneuse du logiciel.
Ensuite, utilisez la souris pour faire défiler vers la section résumée du modèle, enregistrer la valeur sous la colonne carrée R, et étiqueter cette valeur variable indépendante un R au carré. Pour expliquer la variance totale basée sur la variable indépendante deux, répétez l’explication de variance totale avec la variable indépendante deux seulement dans la liste variable indépendante et cliquez sur la fenêtre de visionneuse du logiciel. Utilisez ensuite la souris pour faire défiler la section résumée du modèle, enregistrer la valeur sous la colonne carrée R et étiqueter cette valeur variable indépendante deux R au carré.
Pour calculer les composants de variance uniques, communs et inexpliqués, ouvrez le logiciel de gestion des données et entrez respectueusement la variable indépendante au carré R totale un R au carré et une variable indépendante deux R au carré dans les cellules A1, B1 et C1. Entrez la valeur totale de R au carré dans A2. La variable indépendante une valeur au carré R en B2, et la variable indépendante deux R valeur au carré en C2. Pour calculer l’écart unique de la variable 1, entrez la formule en D2 et étiquetez cette valeur comme variance unique de la variable une en D1. Pour calculer l’écart unique de la variable deux, entrez la formule en E2 et étiquetez la valeur comme variance unique de la variable deux en E1. Pour calculer la variance commune entre les variables une et deux, entrez la formule en F2, et étiquetez cette valeur comme commune entre les variables une et deux en F1. Pour calculer la variance inexpliquée, entrez la formule dans G2 et étiquetez cette variation inexpliquée en G1. Pour tracer la variance unique de la variable une, la variance unique de la variable deux, la variance commune entre les variables une et deux, et la variance inexpliquée, cliquez et faites glisser les cellules de souris sur D2, E2, F2 et G2 pour mettre en évidence les données, et cliquez sur insérer, puis cliquez sur les graphiques, graphique à secteurs, et graphique à secteurs 2D. Dans cette étude représentative des écarts uniques et communs du langage et du décodage pour prédire la compréhension de la lecture, l’analyse de régression pour les élèves de première année représentait 60 % de l’écart total dans la compréhension de la lecture.
Lorsque la variance de la première année a été décomposée en effets uniques et communs, le décodage expliquait de façon unique les 24 % de variance dans la compréhension de la lecture, et la langue expliquait de façon unique les 17 % de variance. L’écart commun entre le décodage et le langage était de 19 % En septième année, l’analyse de régression représentait 53 % de l’écart total dans la compréhension de la lecture. Avec le décodage uniquement expliqué par 7% de la variance dans la compréhension de la lecture, et la langue a expliqué 28% de la variance.
La variance commune du décodage et du langage dans l’explication de la variance dans la compréhension de la lecture était de 18 % En 10e année, l’analyse de régression représentait 61 % de la variance totale dans la compréhension de la lecture. Avec un décodage qui représente 6% de la variance, et un langage qui représente 42% de la variance. La variance commune du décodage et du langage dans l’explication de la variance dans la compréhension de la lecture était de 13% Tout en essayant cette procédure, il est important de se rappeler que le processus de décomposition diffère des approches de régression typiques de calculer séparément la variance unique que chaque variable indépendante explique.
Ce protocole peut être modifié pour répondre à d’autres questions quant à savoir si les proportions de variances uniques et communes diffèrent selon le statut socioéconomique. En outre, les variables observables peuvent être remplacées par des variables latentes pour réduire les erreurs de mesure. La quantité de variance commune que le décodage et le langage expliquent ensemble dans la prédiction de la compréhension de la lecture, en particulier dans les classes élémentaires suggèrent que l’enseignement devrait se concentrer sur l’intégration des connaissances linguistiques au niveau des mots.
