The analysis of the data by gender showed that from the eight factors  translation - The analysis of the data by gender showed that from the eight factors  Thai how to say

The analysis of the data by gender

The analysis of the data by gender showed that from the eight factors under study seven had significant effects on the
girls’ mathematics score and totally explained 24.5 percent of the variance in girls’ mathematics scores. The most
important factors affecting the girls’ mathematics achievement were self-concept and home background that
accounted for 13.6 and 6.9 percent of the variance in the girls’ mathematics score, respectively. External motivation,
students' attitudes towards mathematics, teaching, press factor and attribution also explained 1.3, 1.2, 1.2, 0.4 and 0.4
percent of the remaining variance in the girls’ mathematics score, respectively. Similar to the total performance of
both genders, school climate was the only factor that did not have any effect on the girls’ mathematics achievement.
We judged model fit in each of the four analyses on the basis of three primary criteria—the Comparative Fit Index
(CFI), Goodness of Fit Index (GFI) and the Standardized Root Mean Squared Residual (SRMR). We chose CFI and
SRMR because past Monte Carlo studies [Hu & Bentler, 1999] of the behavior of different fit indices have revealed
that a combination of CFI values greater than or equal to .96 and SRMR values of .10 or less never rejected a correct
model. In addition, individually, CFI values exceeding .94 and SRMR values of less than .06 are generally
considered to indicate excellent model fit, while CFI’s of .90 to .94 and SRMR’s of .06 to .10 are indicative of
acceptable, but marginal fit [Joreskog & Sorbom, 1996]. We also included the GFI as a third primary estimate of
model fit because it is an index of absolute fit. The CFI, on the other hand, is an estimate of comparative fit (versus a
null relations baseline model) and can yield high values because of a very poorly fitting baseline model rather than
an adequately fitting tested model. Consistently high CFI and GFI values would suggest that the tested model
adequately fit the data. Although the normal theory weighted least squares v2 is often reported in structural equation
model studies, we chose not to use this as a primary index of fit because it usually rejects well-fitting models with
samples sizes as large as those employed in our model tests. The Root Mean Square Error of Approximation
0/5000
From: -
To: -
Results (Thai) 1: [Copy]
Copied!
การวิเคราะห์ข้อมูลตามเพศพบว่า จากปัจจัย 8 ภายใต้ศึกษา เจ็ดมีผลสำคัญในการหญิงคะแนนคณิตศาสตร์และอธิบายทั้งหมด 24.5 เปอร์เซ็นต์ของความแปรปรวนในคะแนนคณิตศาสตร์หญิง มากสุดปัจจัยสำคัญที่มีผลต่อผลสัมฤทธิ์วิชาคณิตศาสตร์ของหญิงมี self-concept และบ้านพื้นหลังที่บัญชี 6.9 เปอร์เซ็นต์ของความแปรปรวนในคะแนนคณิตศาสตร์ของหญิง และ 13.6 ตามลำดับ แรงจูงใจภายนอกทัศนคติของนักเรียนคณิตศาสตร์ สอน ตัวกด และแสดงอธิบาย 1.3, 1.2, 1.2, 0.4 และ 0.4ร้อยละของความแปรปรวนที่เหลือในวิชาคณิตศาสตร์ของหญิงคะแนน ตามลำดับ คล้ายกับประสิทธิภาพรวมของผสานระหว่างเพศทั้งสอง ภูมิอากาศของโรงเรียนมีตัวเดียวที่ไม่มีผลใด ๆ ในผลสัมฤทธิ์วิชาคณิตศาสตร์ของหญิงเราตัดสินในวิเคราะห์ 4 ตามหลักเกณฑ์ทั้งสามแต่ละรุ่นเช่นดัชนีเปรียบเทียบพอดี(CFI), ความกตัญญูพอดัชนี (GFI) และค่าเฉลี่ยมาตรฐานรากส่วนที่เหลือ (SRMR) จากลอการิทึม เราเลือก CFI และSRMR เนื่องจากมอน Carlo ศึกษา [Hu & Bentler, 1999] ลักษณะของพอดีแตกต่างกันที่ผ่านมา ดัชนีได้เปิดเผยชุดของ CFI ค่ามากกว่า หรือเท่ากับ.96 และค่า SRMR .10 หรือน้อยไม่ปฏิเสธความถูกต้องแบบจำลอง นอกจากนี้ แต่ละ ค่า CFI เกิน.94 และค่า SRMR .06 น้อยกว่าโดยทั่วไปถือว่าเป็นรุ่นดี พอ ขณะ CFI ของ.90-.94 และ SRMR ของ.06-.10 จะส่อยอมรับได้ แต่พอกำไร [Joreskog & Sorbom, 1996] เรายังรวม GFI ที่เป็นการประเมินหลักสามของรุ่นพอดีเนื่องจากเป็นดัชนีของพอดีแน่นอน CFI ในทางกลับกัน มีการประเมินเปรียบเทียบพอดี (เมื่อเทียบกับการแบบจำลองพื้นฐานความสัมพันธ์ที่เป็น null) และสามารถผลตอบแทนมูลค่าสูงเนื่องจากเหมาะสมมากงานแบบจำลองพื้นฐาน rather กว่าแบบทดสอบที่เหมาะสมเพียงพอ ค่า CFI และ GFI สูงอย่างสม่ำเสมอจะแนะนำที่แบบทดสอบพอดีข้อมูลเพียงพอ แม้ว่าทฤษฎีปกติถ่วงน้ำหนัก v2 กำลังสองน้อยที่สุดมักจะรายงานในสมการโครงสร้างการศึกษารูปแบบ ที่เราเลือกไม่เพื่อใช้เป็นดัชนีหลักของพอดีเนื่องจากมักจะปฏิเสธรุ่นห้องพักเหมาะสมกับตัวอย่างขนาดใหญ่เป็นผู้ว่าจ้างในการทดสอบแบบจำลองของเรา ข้อผิดพลาดรากค่าเฉลี่ยกำลังสองของประมาณ
Being translated, please wait..
Results (Thai) 2:[Copy]
Copied!
การวิเคราะห์ข้อมูลตามเพศพบว่าจากปัจจัยแปดเจ็ดภายใต้การศึกษามีผลอย่างมากต่อ
เด็กผู้หญิงทำคะแนนวิชาคณิตศาสตร์และอธิบายทั้งหมดร้อยละ 24.5 ความแปรปรวนของสาว 'คะแนนคณิตศาสตร์ ส่วนใหญ่
ปัจจัยสำคัญที่มีผลกระทบต่อเด็กผู้หญิงสัมฤทธิ์ทางการเรียนคณิตศาสตร์เป็นแนวคิดตนเองและพื้นหลังบ้านที่
คิดเป็น 13.6 และร้อยละ 6.9 ของความแปรปรวนในสาว 'คณิตศาสตร์คะแนนตามลำดับ แรงจูงใจภายนอก
นักเรียนทัศนคติต่อวิชาคณิตศาสตร์, การเรียนการสอนปัจจัยกดแสดงที่ยังอธิบาย 1.3, 1.2, 1.2, 0.4 และ 0.4
เปอร์เซ็นต์ของความแปรปรวนที่เหลืออยู่ในเด็กหญิงคะแนนคณิตศาสตร์ตามลำดับ คล้ายกับผลการดำเนินงานรวมของ
ทั้งสองเพศสภาพภูมิอากาศโรงเรียนเป็นปัจจัยเดียวที่ไม่ได้มีผลกระทบต่อผลสัมฤทธิ์ทางการเรียนวิชาคณิตศาสตร์ของเด็กผู้หญิง.
เราตัดสินพอดีรูปแบบในแต่ละแห่งที่สี่การวิเคราะห์บนพื้นฐานของสามเกณฑ์หลักดัชนี Fit เปรียบเทียบ
(CFI), ความดีของ Fit Index (GFI) และมาตรฐาน Root Mean Squared ที่เหลือ (SRMR) เราเลือก CFI และ
SRMR เพราะที่ผ่านมาการศึกษา Monte Carlo [Hu & Bentler 1999] พฤติกรรมของดัชนีพอดีที่แตกต่างกันได้เปิดเผย
ว่าการรวมกันของ CFI ค่าที่มากกว่าหรือเท่ากับ 0.96 และค่านิยมของ SRMR 0.10 หรือน้อยไม่เคยปฏิเสธ ที่ถูกต้อง
แบบ นอกจากนี้แต่ละค่า CFI เกิน 0.94 และค่า SRMR น้อยกว่า 0.06 โดยทั่วไป
ถือว่าบ่งชี้พอดีรุ่นที่ดีเยี่ยมในขณะที่ของ CFI ของ 0.90-0.94 และ SRMR ของ 0.06-0.10 ที่บ่งบอกถึง
ที่ยอมรับ แต่ร่อแร่ พอดี [Joreskog & Sorbom 1996] นอกจากนี้เรายังรวม GFI เป็นประมาณการหลักที่สามของ
รูปแบบพอดีเพราะมันคือดัชนีพอดีแน่นอน CFI บนมืออื่น ๆ ที่เป็นประมาณพอดีเปรียบเทียบ (เมื่อเทียบกับ
ความสัมพันธ์ null รูปแบบพื้นฐาน) และสามารถให้ผลผลิตสูงค่าเพราะไม่ดีมากการปรับรูปแบบพื้นฐานมากกว่า
รูปแบบกระชับอย่างเพียงพอการทดสอบ สม่ำเสมอ CFI สูงและค่า GFI จะชี้ให้เห็นว่ารูปแบบการทดสอบ
อย่างเพียงพอพอดีกับข้อมูล แม้ว่าทฤษฎีปกติสี่เหลี่ยมน้อยถ่วงน้ำหนัก v2 มีรายงานมักจะอยู่ในสมการโครงสร้าง
การศึกษารูปแบบที่เราเลือกที่จะไม่ใช้สิ่งนี้เป็นดัชนีหลักของพอดีเพราะมันมักจะปฏิเสธแบบจำลองที่ดีที่เหมาะสมกับ
กลุ่มตัวอย่างขนาดใหญ่ที่สุดเท่าที่คนงานในการทดสอบรูปแบบของเรา Root Mean Square ข้อผิดพลาดของการประมาณ
Being translated, please wait..
Results (Thai) 3:[Copy]
Copied!
การวิเคราะห์ข้อมูลตามเพศ พบว่า จากการศึกษาเจ็ดแปดปัจจัยที่อิทธิพลต่อ
สาวคณิตศาสตร์คะแนน และก็อธิบาย อธิบายความแปรปรวนได้ร้อยละ 24.5 คะแนนคณิตศาสตร์ของสาวๆ ที่สุด
ปัจจัยที่มีผลต่อหญิงมีอัตมโนทัศน์ผลสัมฤทธิ์ทางการเรียน และพื้นหลังที่บ้าน
ร้อยละ 13.6 และ 6 .9 ร้อยละของความแปรปรวนในผู้หญิง ' คณิตศาสตร์คะแนน ตามลำดับ แรงจูงใจภายนอก
ของนักเรียน เจตคติต่อวิชาคณิตศาสตร์ การสอน และยังได้อธิบายสาเหตุปัจจัยกด 1.2 , 1.2 , 1.2 , 0.4 และ 0.4 เปอร์เซ็นต์ที่เหลือ
แปรปรวนในผู้หญิง ' คณิตศาสตร์คะแนน ตามลำดับ คล้ายกับการปฏิบัติทั้งหมดของ
ทั้งสองเพศบรรยากาศโรงเรียน เป็นปัจจัยที่ไม่มีผลต่อหญิงของผลสัมฤทธิ์ทางการเรียนคณิตศาสตร์
เราตัดสินแบบพอดีในแต่ละสี่วิเคราะห์บนพื้นฐานของหลักทั้งสามเกณฑ์ดัชนีเปรียบเทียบ ( CFI ) พอดี
ความดีของดัชนีพอดี ( GFI ) และรากมาตรฐานหมายถึงยกกำลังสองตกค้าง ( srmr ) เราเลือกลมและ
srmr เพราะที่ผ่านมา Monte Carlo การศึกษา [ & bentler Hu ,1999 ] ของพฤติกรรมที่แตกต่างกันได้เปิดเผยดัชนีพอดี
ที่การรวมกันของ CFI ค่ามากกว่าหรือเท่ากับ . 96 และ srmr ค่าของ 10 หรือน้อยกว่า ไม่เคยปฏิเสธรูปแบบถูกต้อง

นอกจากนี้ แต่ละค่า CFI เกิน . 94 และ srmr มีค่าน้อยกว่า 0.6 โดย
ถือว่าแสดงแบบพอดีที่ยอดเยี่ยม ในขณะที่ลมของ 90 . 94 และ srmr ของ . 06 .10 จะบ่งบอกถึง
ยอมรับแต่โดย&การป้องกัน joreskog พอดี [ 1996 ] นอกจากนี้เรายังรวมค่า GFI เป็นหลักที่สามของ
แบบพอดี เพราะมันเป็นดัชนีสัมบูรณ์พอดี ส่วนลมในมืออื่น ๆเป็นค่าประมาณของพอดีเปรียบเทียบ ( เทียบกับ
null ความสัมพันธ์พื้นฐานรูปแบบ ) และสามารถให้ผลผลิตสูง เพราะค่านิยมที่ไม่ดีที่เหมาะสมรูปแบบพื้นฐานมากกว่า
มีอย่างเพียงพอเหมาะสมทดสอบแบบ สูงอย่างต่อเนื่องและค่า CFI GFI แนะนำให้ทดสอบแบบจำลอง
อย่างเพียงพอเหมาะสมกับข้อมูล ถึงแม้ว่าทฤษฎีปกติถ่วงน้ำหนักกำลังสองน้อยที่สุด V2 มักจะมีรายงานในการศึกษาแบบจำลองสมการ
โครงสร้าง เราเลือกที่จะไม่ใช้เป็นดัชนีหลักของพอดี เพราะมันมักจะปฏิเสธพอดีกับนางแบบ
ตัวอย่างขนาดเท่านั้นที่ใช้ในการทดสอบแบบจำลองของเรา รากของการประมาณค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง
Being translated, please wait..
 
Other languages
The translation tool support: Afrikaans, Albanian, Amharic, Arabic, Armenian, Azerbaijani, Basque, Belarusian, Bengali, Bosnian, Bulgarian, Catalan, Cebuano, Chichewa, Chinese, Chinese Traditional, Corsican, Croatian, Czech, Danish, Detect language, Dutch, English, Esperanto, Estonian, Filipino, Finnish, French, Frisian, Galician, Georgian, German, Greek, Gujarati, Haitian Creole, Hausa, Hawaiian, Hebrew, Hindi, Hmong, Hungarian, Icelandic, Igbo, Indonesian, Irish, Italian, Japanese, Javanese, Kannada, Kazakh, Khmer, Kinyarwanda, Klingon, Korean, Kurdish (Kurmanji), Kyrgyz, Lao, Latin, Latvian, Lithuanian, Luxembourgish, Macedonian, Malagasy, Malay, Malayalam, Maltese, Maori, Marathi, Mongolian, Myanmar (Burmese), Nepali, Norwegian, Odia (Oriya), Pashto, Persian, Polish, Portuguese, Punjabi, Romanian, Russian, Samoan, Scots Gaelic, Serbian, Sesotho, Shona, Sindhi, Sinhala, Slovak, Slovenian, Somali, Spanish, Sundanese, Swahili, Swedish, Tajik, Tamil, Tatar, Telugu, Thai, Turkish, Turkmen, Ukrainian, Urdu, Uyghur, Uzbek, Vietnamese, Welsh, Xhosa, Yiddish, Yoruba, Zulu, Language translation.

Copyright ©2025 I Love Translation. All reserved.

E-mail: