A magyar vokalikus szakaszok statikus szempontú összehasonlításakor a hangsor független változó (amely kódolta a szibilánskörnyezetet, valamint a vokalikus kontextust is) hatását vizsgáltuk az öt függő változóra öt elkülönült modellben: a vokalikus szakasz időtartamára, az F2 maximumára, az F2 minimumára és ez utóbbiak időzítésére.

A magyar és kínai anyanyelvűek kínai vokalikus szakaszainak összehasonlításakor a kevert modell fentebb említett öt függő változóját a beszélői csoport (kezdő/haladó/natív) és a hangsor (amely kódolja a szibilánskontextust) változók interakciójában elemeztük (függő változó ~ beszélői csoport ∗ hangsor + (1ǀbeszélő)). Ugyanezeket a modelleket írtuk fel azokban az esetekben is, amikor kizárólag magyar anyanyelvűek ejtésében hasonlítottuk össze a kínai és magyar vokalikus szakaszok ejtését. Utóbbi esetben a hangsor változó a nyelvet is kódolta a vokalikus szakasz mellett.

Az adatok dinamikus szempontú elemzéséhez általánosított additív kevert modelleket használtunk (generalised additive mixed model, GAMM) az mgcv csomag (Wood 2017) segítségével az R programban. A GAMM-ok nemlineáris adatsorok elemzésére szolgálnak, ezért a formánsmenetek esetében – ahol görbék lefutását elemezzük – jobb illesztést biztosítanak a lineáris modelleknél (Wieling 2018). Összesen öt GAMM-modellt írtunk fel. Az alapmodellekben az F2-t mint függő változót vizsgáltuk a normalizált időtartam függvényében. Emellett minden esetben felírtunk egy bővített modellt is, melyben az adott alapmodellt egy parametrikus kifejezéssel, azaz egy faktor változóval egészítettük ki. Ez a faktor változó a kínai /ɕa/ szótagok összehasonlítását vizsgáló modellben háromszintű volt, a három beszélői csoport szerint. A magyar szótagok vizsgálatában külön modellekkel vizsgáltuk a dentialveoláris /s/ és a posztalveoláris /ʃ/-t követő hangsorokat, így ezekben a modellekben a faktor változó a vokalikus hangsor szerinti 4 szinttel rendelkezett (/a/, /ja/, /ia/, /ija/). A magyar és kínai szótagok összevetésénél külön modellekkel vizsgáltuk a kezdő és haladó nyelvtanulók ejtését. Így ezekben a modellekben a parametrikus kifejezés kódolta a nyelvet és a hangsort is, azaz összesen 5 szinttel rendelkezett (/ɕa/, /sa/, /sja/, /sia/, /sija/). Az alap és bővített modelleket a χ2-próbával vetettük össze az itsadug compareML() parancsa segítségével (van Rij et al. 2020). Minden összevetés esetében a bővített modell illesztése bizonyult szignifikánsan jobbnak. A bővített modellekbe random simítást illesztettünk tokenenként, majd az autokorreláció ellenőrzése (acf.resid()) után annak korrekcióját is elvégeztük. Végül az így kapott modellt a gam.check() paranccsal ellenőriztük. A modellek által becsült F2-görbéket minden esetben 95%-os konfidencia-intervallummal ábrázoltuk.