Questo esperimento valuta le conseguenze positive della partecipazione a un programma di soddisfazione corporea nelle persone anziane, esaminando la soddisfazione corporea prima e dopo l'intervento e confrontando gruppi sperimentali e non sperimentali. Questo disegno misto sperimentale consente di isolare l'effetto del trattamento dall'effetto di manipolazione mediante confronto intergruppo e altre variabili relative alle differenze individuali all'interno del confronto tra soggetti. questa è la metodologia più efficace per determinare le relazioni causali nelle scienze del comportamento e valutare se un intervento psicoterapeutico produce miglioramenti reali e solidi.
Inizia aprendo il software statistico e vai al menu file, seleziona nuovo e fai clic sull'icona dei dati. Aprire la vista variabile e creare una variabile statistica per ogni variabile elencata nella tabella uno del manoscritto. Visualizza i dati aperti e compila i dati delle misure pre e post del questionario sulla forma del corpo o del test BSQ per ciascun partecipante.
Allo stesso modo, compila i dati del questionario demografico e attributivo. Dopo aver compilato i dati, vai a trasformare la variabile di calcolo e assegna un numero nella variabile target gap dal menu a comparsa, quindi seleziona la variabile di pre-trattamento dal menu tipo ed etichetta, spostala nel gap di espressione numerica e fai clic sull'icona di sottrazione sulla calcolatrice. Selezionare la variabile post-trattamento dal menu Tipo ed etichetta e spostarla nuovamente in Intervallo espressione numerica.
Infine, premi OK'tab per creare una variabile con la differenza tra la misurazione pre e post BSQ. Dopo la digitalizzazione dei dati, esaminare l'affidabilità selezionando l'analisi dell'affidabilità dalla scala nel menu di analisi e spostando le misurazioni BSQ pre e post-trattamento utilizzate nell'esperimento nella finestra di dialogo dell'analisi dell'affidabilità. Fare clic su statistica e scegliere il coefficiente di correlazione intraclasse, quindi fare clic sulle opzioni miste bidirezionali e coerenza.
Infine, fai clic sull'icona OK per generare l'output desiderato. Eseguire l'analisi descrittiva selezionando il menu Analizza e le statistiche descrittive, quindi fare clic su Frequenze. Dopo l'output, selezionare Analizza statistiche descrittive e descrittive.
Per specificare le statistiche descrittive delle variabili quantitative, vai su split file nel menu principale e scegli la variabile categoriale da analizzare nel menu a comparsa. Seleziona l'opzione organizza l'output per gruppi e fai clic OK.To condurre un campione accoppiato Il T-test dello studente sui dati dell'immagine corporea raccolti prima e dopo aver preso parte alle due condizioni, vai al menu di analisi, scegli confronta mezzi e nella finestra di dialogo T-test dei campioni accoppiati, metti il pretrattamento BSQ e il post-trattamento BSQ come variabili uno e due. Specificare i campioni accoppiati Student's T-test in base a ciascuna variabile categoriale, selezionando split file dal menu principale e scegliendo la variabile categoriale da analizzare nella finestra popup.
Quindi fare clic sulla scheda Organizza l'output per gruppi e premi OK. Ripetere questo processo per ogni variabile nominale. Per vedere l'effetto di ogni programma condurre ANOVA unidirezionale selezionando confronta significa nel menu analizza per accedere alla finestra di dialogo ANOVA unidirezionale. Nella casella inserire le variabili BSQ pre e post-trattamento e la differenza pre-post nell'elenco dipendente e la variabile di condizione sperimentale come fattore.
Per le misure ripetute analisi ANOVA, passare al modello lineare generale nel menu Analizza. Nella finestra di dialogo Misure ripetute, assegnate un nome nel nome del fattore soggetto interno. Quindi inserisci due come numero di livelli e BSQ nel nome della misura.
Infine, fare clic su definisci per passare alla casella di selezione delle variabili. All'interno del menu a comparsa, seleziona le schede all'interno delle variabili del soggetto, tra il fattore del soggetto e tutte le variabili socio-demografiche come covariate. Infine, fai clic su modello e seleziona fattoriale completo.
Vai alle opzioni per scegliere le stime delle dimensioni dell'effetto. Ripeti il processo per costruire termini personalizzati e usa l'icona per combinare la condizione variabile con tutte le variabili sociodemografiche. Nell'analisi rappresentativa, la dimensione dell'effetto nei gruppi sperimentali e di controllo prima e dopo l'arruolamento dei partecipanti, insieme alla differenza tra due momenti sono stati visualizzati con un test di campioni accoppiati.
L'output del test dei campioni accoppiati ha mostrato che c'era un miglioramento significativo dell'immagine corporea nei partecipanti al programma IMAGINA rispetto a quello della condizione di controllo. L'analisi dell'effetto intergruppo con un ANOVA unidirezionale ha rivelato differenze medie non significative tra condizioni pre e post, concludendo che il progetto del test è robusto. Anche un significativo miglioramento del BSQ nella differenza pre-post, ha indicato buone prestazioni del test BSQ.
I risultati del test multivariato hanno dimostrato un effetto di interazione intergruppo statisticamente significativo. Indicando l'efficacia del programma di soddisfazione corporea IMAGINA. L'effetto delle variabili intervenienti come il sesso, lo stato civile e la stagione dell'anno è stato analizzato nelle differenze di soddisfazione corporea.
I soggetti di sesso maschile sono stati osservati per essere più soddisfatti del loro aspetto fisico rispetto alle donne. Tuttavia, la differenza tra la misura del BSQ prima e immediatamente dopo l'intervento era statisticamente significativa per entrambi i sessi dopo aver preso parte al programma IMAGINA. I partecipanti all'interno di una relazione, sono risultati più insoddisfatti del loro aspetto fisico nella condizione pre e post-trattamento.
Ma questo ha anche migliorato la loro soddisfazione corporea in modo più significativo durante la loro partecipazione a IMAGINA. La stagione dell'anno non ha influenzato in modo significativo gli individui nel gruppo di controllo, ma ha colpito quelli del gruppo sperimentale. Il miglioramento è stato maggiore per gli individui metropolitani rispetto agli individui di campagna in condizioni sperimentali.
Il passo più critico in questo protocollo è replicare le stesse condizioni sperimentali in condizioni sperimentali e di controllo per isolare l'effetto generato dal trattamento.
