A magyar vokalikus szakaszok statikus szempontú összehasonlításakor a hangsor független változó (amely kódolta a szibilánskörnyezetet, valamint a vokalikus kontextust is) hatását vizsgáltam 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 elemeztem (függő változó ~ beszélői csoport * hangsor + (1ǀ beszélő)). Ugyanezeket a modelleket írtam fel azokban az esetekben is, amikor kizárólag magyar anyanyelvűek ejtésében hasonlítottam 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 használtam (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, mert a becsült görbét alapfunkciók (függvények) és az alapfunkciókhoz rendelt különböző súlyok kombinációjával állítja elő (Wieling 2018). Összesen öt GAMM-modellt írtam fel. Az alapmodellekben az F2-értéket mint függő változót vizsgáltam a normalizált időtartam függvényében. Emellett minden esetben felírtam egy bővített modellt is, melyben az adott alapmodellt egy parametrikus kifejezéssel, azaz egy sorba rendezett faktor változóval egészítettem 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 vizsgáltam a dentialveoláris /s/ és a posztalveoláris /ʃ/-t követő hangsorokat, így ezekben a modellekben a faktor változó a vokalikus hangsor szerinti 4 szinttel rendelkezett (/aː/, /jaː/, /iaː/, /ijaː/). A magyar és kínai szótagok összevetésénél külön modellekkel vizsgáltam 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 (/ɕaː/, /saː/, /sjaː/, /siaː/, /sijaː/). 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 illesztettem tokenenként, majd az autokorreláció ellenőrzése (acf.resid()) után annak korrekcióját is elvégeztem. Végül az így kapott modellt a gam.check() paranccsal ellenőriztem. A modellek által becsült F2-görbéket minden esetben 95%-os konfidencia-intervallummal ábrázoltam.