4.1. Modellek és pontszámok összevetése

Jegyzet elhelyezéséhez, kérjük, lépj be.!

A 3.1.1. részben megadott képlet szerint felállítottuk az LMM és a CLMM modellt a nyers pontszámokra. (Gyakorlati tudnivalók: a CLMM lényegesen nagyobb számítási kapacitást igényel, ezért az eredményre még gyorsabb processzorokkal felszerelt számítógépeken is több másodpercet kell várni. Fontos, hogy a clmm() függvény, eltérően az lmer függvénytől, a függő változó bemeneteként nem numerikus változót, hanem faktort vár, ezért a számokként kódolt pontszámokat a modellben as.factor(nyerspontszam) bemenetként adtuk meg.) A fix hatásokra számolt t-, illetve z-értékeket a 2. táblázatban adjuk meg. A kiindulási metszéspont számításakor figyelembe vett paraméterek a 0 hónapos kor és a felnőtthöz intézett beszéd voltak.
 

Jegyzet elhelyezéséhez, kérjük, lépj be.!

2. táblázat: Az LMM és a CLMM eredményei nyers pontszámok esetén
Fix hatás szintje
LMM (t)
CLMM (z)
4 hónap
1,27
1,17
8 hónap
−1,39
−1,37
18 hónap
4,02
3,93
dajkanyelv
2,99
3,44
 

Jegyzet elhelyezéséhez, kérjük, lépj be.!

A t- és z-értékek megfelelő méretű adatmennyiség esetén |2| abszolút érték fölött vezetnek 0,05-nél alacsonyabb p-értékhez, ami a kevert modelleknél csak közelítőleg számítható ki a modellből alapvetően hiányzó szabadsági fokok miatt. A táblázatból látható, hogy a két modell kimenete alig tért el egymástól: a 0 hónaposokhoz képest a 4 hónaposokhoz intézett mondatokban kódolt érzelmek valamivel, de nem szignifikánsan voltak erősebbek. Ugyanez a hatás negatív irányú volt a 0 és 8 hónaposok összehasonlításakor, de szintén nem utalt szignifikáns különbségre. A 18 hónapos felvételekben tapasztalt érzelemerősségre adott pontszámok viszont szignifikánsan magasabbak voltak a 0 hónapos kori beszédhez képest. Ugyanígy a dajkanyelvre adott AR-pontszámok szignifikánsan magasabbak voltak mind az LMM, mind a CLMM kimenete szerint. Emlékeztetőül: a modellek összevetésekor az elemzésnek ezen a pontján az összes adatban érzékelt érzelemerősséget vizsgáltuk, mert a nagyobb mintaméret megbízhatóbb eredményekhez vezet. A regiszterek szerinti longitudinális elemzést alább, a 4.2. részben közöljük.

Jegyzet elhelyezéséhez, kérjük, lépj be.!

Az érzelmi töltetre állított LMM és CLMM kimeneti t- és p-értékei tehát azonos tendenciákat tártak fel a két modell használatakor. Ezért a további elemzésben Sullivan és Artino 2013 ajánlását követve a metrikus skálára alkalmazható lineáris kevert modelleket használtuk. A nyers és a z-normalizált pontszámokra állított modellek magyarázó erejét a hatásnagyság (effect size) alapján vetettük össze. Ehhez a MuMIn csomagban elérhető r.squaredGLMM() függvény segítségével kiszámoltuk a fix hatásokra a marginális r2 értékét. Ez a determinációs együtthatóhoz hasonlóan azt mutatja, hogy a fix hatások hány százalékban magyarázzák az adatokban tapasztalt különbségeket. A nyers pontszámok alapján a marginális r2 az érzelemerősségre 0,13, a töltetre 0,03 – vagyis a regiszter és a baba kora az AR-értékekben tapasztalt különbséget 13%-ban, a VAL-értékek különbségeit csupán 3%-ban magyarázzák.

Jegyzet elhelyezéséhez, kérjük, lépj be.!

A z-normalizált átlagolt pontszámokra számolt modell hatásnagysága a címkézők közötti skálahasználatbeli eltérések kiküszöbölésével jelentősen megnőtt, az érzelemerősség marginális r2-értéke 0,19, a tölteté 0,10 lett. Így a statisztikai elemzés a továbbiakban a normalizált értékek alapján történt. A modellekben a beszélő mellett az item, azaz az egyes mondatok is random hatásként szerepeltek, ezekre random metszéspontokat számoltunk.

Jegyzet elhelyezéséhez, kérjük, lépj be.!

A független változók hatását az R-ben a car csomag (Fox–Weisberg 2019) Anova() függvényének segítségével nyertük ki. A regiszterenként külön számolt felvételi időpontok (a baba életkora) közötti különbségeket az lmerTest Satterthwaite-approximáción keresztül nyert p-értékekkel jellemeztük (Kuznetsova et al. 2016). Post-hoc tesztként, vagyis az életkorok páronkénti összehasonlításához az emmeans (Lenth 2022) csomagból a paired(emmeans()) függvényt használtuk.
 
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