Some speaking and writing items wer

Some speaking and writing items were integrated in nature and required the execution
of two skills simultaneously or in close succession. Such items could load on the target
modality, or both associated modalities. Owing to the possibility that cross-loadings
might occur with integrated items, two modeling series were conducted. In one series,
items were specified to load on their target modality only. In the other series, integrated
items loaded on both the target modality and the associated secondary factor. For exam-ple, in the latter series, an integrated speaking item loaded on not just the speaking factor,
but also the listening factor.
The analyses were based on item-level raw scores. Latent analyses were performed
using Mplus version 6.1 (Muthén & Muthén, 2010). The data set contained both binary
and ordinal variables at the item level. Finney and DiStefano (2013) suggested treating
ordered categorical data with very few categories as categorical and using robust diago-nally weighted least squares (DWLS) estimators to adjust the parameter estimates, stand-ard errors, and fit indices for the categorical nature of the data. In this study I treated all
variables as categorical and used the WLSMV estimator, a robust DWLS estimator pro-vided by Mplus. The adequacy and appropriateness of the latent models were evaluated
based on three criteria: (a) values of selected global model fit indices; (b) individual
parameter estimates; and (c) the principle of parsimony.

Results (Vietnamese) 1:

Một số nói và viết mục đã được tích hợp trong tự nhiên và yêu cầu thực hiện hai kỹ năng cùng một lúc hoặc liên tiếp chặt chẽ. Các mặt hàng có thể tải về các mục tiêu phương thức, hoặc cả hai phương thức kết hợp. Do khả năng đó cross-lực có thể xảy ra với tích hợp mục, hai mô hình loạt đã được tiến hành. Trong một loạt, khoản mục được chỉ định để tải về của họ chỉ mục tiêu phương thức. Trong bộ phim khác, tích hợp mục tải về cả hai phương thức mục tiêu và các yếu tố liên quan đến trung học. Cho kỳ thi-ple, trong dòng thứ hai, một mục nói tích hợp tải về không chỉ là các yếu tố nói, nhưng cũng nghe các yếu tố.Những phân tích được dựa trên điểm số nguyên cấp hàng. Tiềm ẩn phân tích được thực hiện sử dụng Mplus Phiên bản 6.1 (Muthén & Muthén, 2010). Tập hợp dữ liệu chứa cả hai nhị phân và tự biến tại cấp hàng. Finney và DiStefano (2013) đề nghị điều trị ra lệnh cho các dữ liệu phân loại với rất ít thể loại như phân loại và sử dụng mạnh mẽ diago-nally trọng tối thiểu (DWLS) estimators để điều chỉnh các tham số ước tính, đứng-ard lỗi, và phù hợp với các chỉ số cho bản chất phân loại của dữ liệu. Trong nghiên cứu này, tôi xử lý tất cả biến như phân loại và sử dụng WLSMV ước tính, một mạnh mẽ DWLS ước tính chuyên nghiệp-vided bởi Mplus. Đầy đủ và thích hợp của các mô hình tiềm ẩn được đánh giá Dựa trên ba tiêu chí: (a) giá trị của mô hình toàn cầu đã chọn phù hợp với chỉ số; (b) cá nhân ước tính tham số; và (c) các nguyên tắc của sự cẩn thận.

Results (Vietnamese) 2:

Một số mặt hàng nói và viết được tích hợp vào tính chất và yêu cầu thực hiện
của hai kỹ năng cùng một lúc hoặc liên tiếp gần. Các mặt hàng này có thể tải về các mục tiêu
phương thức, hoặc cả hai phương thức liên quan. Do khả năng xuyên tải trọng
có thể xảy ra với các vật phẩm tích hợp, hai mô hình hàng loạt được tiến hành. Trong một loạt,
các hạng mục đã được quy định để tải về chỉ phương thức mục tiêu của họ. Trong bộ phim khác, tích hợp
mục được nạp trên cả hai phương thức mục tiêu và các yếu tố phụ liên quan. Đối với kỳ thi-ple, trong loạt thứ hai, một mục nói tích hợp nạp vào không chỉ các yếu tố nói,
nhưng cũng có những yếu tố nghe.
Các phân tích được dựa trên điểm số item-level liệu. Phân tích tiềm ẩn đã được thực hiện
bằng cách sử dụng Mplus phiên bản 6.1 (Muthén & Muthén, 2010). Tập dữ liệu chứa cả hai nhị phân
biến và thứ tự ở cấp item. Finney và DiStefano (2013) đề nghị điều trị
ra lệnh dữ liệu chủng loại với rất ít loại như phân loại và sử dụng mạnh mẽ Diago-nally hình vuông ít nhất trọng (DWLS) ước lượng để điều chỉnh dự toán tham số, đứng-ard lỗi, và các chỉ số phù hợp với tính chất phân loại của dữ liệu. Trong nghiên cứu này, tôi xử lý tất cả
các biến như phân loại và sử dụng các ước lượng WLSMV, một DWLS mạnh mẽ Ước tính ủng hộ nhưng nên bởi Mplus. Sự đầy đủ và phù hợp của mô hình tiềm ẩn được đánh giá
dựa trên ba tiêu chí: (a) giá trị của các chỉ số phù hợp với mô hình toàn cầu được lựa chọn; (B) cá nhân
ước lượng tham số; và (c) các nguyên tắc của sự cẩn thận.