3.1.1. Nemlineáris és lineáris regressziós kevert modellek

Jegyzet elhelyezéséhez, kérjük, lépj be.!

Az adatokra először a szakirodalomban gyakran használt lineáris kevert modellt (linear mixed-effects models, LMM) alkalmaztunk. A modellben szereplő függő változónak (para)metrikusnak kell lennie, vagyis abból kell kiindulnunk, hogy a skála egyes pontjai közötti távolságok azonosak, és az eloszlás unimodális. Nincs okunk feltételezni, hogy a skálán bármely két pontszám közötti különbség eltérne a többitől (szemben például a ’nem válaszolok’ opciót tartalmazó skálákkal). Mind az érzelemerősség, mind az érzelmi töltet unimodális, de nem szimmetrikus eloszlást mutat a pontszámok összeségére nézve, a mediánjuk mindkét esetben 1.

Jegyzet elhelyezéséhez, kérjük, lépj be.!

A modellekben két random hatást vettünk figyelembe: a beszélőket, akik várhatóan eltérő pontszámokat kapnak egyéni különbségeiknél fogva, valamint a címkézőket, akik várhatóan nem azonos pontszámokat adnak egyazon mondatra. Két fix hatást vettünk figyelembe, a felvétel időpontját (a baba életkora) és a regisztert (felnőtthöz vagy gyermekhez intézett beszéd), valamint ezek interakcióját. A korábbi irodalom alapján azt vártuk, hogy az édesanyák a kétféle regiszterben eltérő pontszámokat kapnak, ezért a beszélők regiszterenkénti pontszámaira random meredekségeket (slope) számoltunk. A címkézők nem voltak tudatában annak, hogy a mondatok kétféle regiszterből származnak, és nem is vártuk, hogy a kétféle regiszter megítélésében jelentősen különbözzenek, ezért a címkézőkre csak random metszéspontot (intercept) illesztettünk. Az R statisztikai szoftverben az lme4 csomag (Bates et al. 2015) behívásával a következő képletet adtuk meg:
 

Jegyzet elhelyezéséhez, kérjük, lépj be.!

lmer(nyerspontszamregiszterkor+(1+regiszter|beszelo)+(1|cimkezo), data)
 

Jegyzet elhelyezéséhez, kérjük, lépj be.!

Az ordinális skálájú függő változók kezelésére kifejlesztett modell a Cumulative Link Mixed Model (CLMM), ami ún. kapcsoló függvényeken alapszik (Prőhle– Zempléni 2013), hasonlóan az általánosított lineáris kevert modellekhez. A megfelelő modell az R ordinal csomagjában elérhető (Christensen 2019) a clmm() függvénnyel. Előrebocsátjuk, hogy az azonos struktúrával felállított kumulatív összefüggésekre alkalmazott ordinális kevert modell z-értékei igen hasonlóak voltak a parametrikus kevert modell értékeihez, ezért legitim az utóbbi eljárás alkalmazása, és ezzel együtt az átlag és a szórás számítása is. (A két modellhez tartozó részletes eredményeket a 4.1. részben adjuk meg.)
 
Tartalomjegyzék navigate_next
Keresés a kiadványban navigate_next

A kereséshez, kérjük, lépj be!
Könyvjelzőim navigate_next
A könyvjelzők használatához
be kell jelentkezned.
Jegyzeteim navigate_next
Jegyzetek létrehozásához
be kell jelentkezned.
    Kiemeléseim navigate_next
    Mutasd a szövegben:
    Szűrés:

    Kiemelések létrehozásához
    MeRSZ+ előfizetés szükséges.
      Útmutató elindítása
      delete
      Kivonat
      fullscreenclose
      printsave