2.4. Statisztikai elemzések

Jegyzet elhelyezéséhez, kérjük, lépj be.!

Az adatokat lineáris kevert modellekkel elemeztük az R programban (R Development Core Team 2018) az lme4 csomag (Bates et al. 2015) segítségével. A p- és F-értékeket Satterthwaite-approximáció segítségével nyertük, amely az lmerTest csomagban (Kuznetsova et al. 2017) elérhető. A modellekben random hatásként (interceptként/metszéspontként, illetve meredekségként) felvettük a beszélőt, de csak akkor, ha ez szignifikánsan növelt a modell prediktív erején (az anova függvény és az AIC információs kritérium alapján). Az akusztikai és artikulációs távolság- és szóródásadatokra külön-külön illesztettünk modellt (így összesen négy modellt állítottunk a négy függő változóra), melyekben fix hatásként a kondíció (előrefelé vagy hátrafelé ható koartikuláció) és a magánhangzó-minőség (/i/ vagy /u/) változókat használtuk. A post hoc összevetéseket (Tukey-féle post hoc teszt) az lsmeans csomagban elérhető függvényekkel végeztük (Lenth 2016). Az adatok ábrázolásakor az átlagértékekhez tartozóan az ismételt méréses dizájn figyelembevételével korrigált konfidenciaintervallumot jelenítettük meg (mely kalkulál a beszélők közötti varianciával, l. Morey 2008).
 
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