Interpretări reale, nu capturi de ecran

Variabilele au fost măsurate pe o scală Likert cu 5 puncte, cu valori cuprinse între 1 și 5. Statisticile descriptive au fost calculate pentru toate cele patru variabile ale studiului. IQ_Mean a înregistrat cel mai ridicat scor mediu (M = 3.63, SD = 0.70), urmat de LS_Mean (M = 3.57, SD = 0.73), TU_Mean (M = 3.48, SD = 0.74) și PI_Mean (M = 3.23, SD = 0.76), care a înregistrat cel mai scăzut scor mediu. Aplicând pragurile de interpretare pentru o scală cu 5 puncte (1.00–2.33 = Scăzut, 2.34–3.66 = Moderat, 3.67–5.00 = Ridicat), toate cele patru variabile s-au încadrat în intervalul Moderat.

O examinare a valorilor de asimetrie și boltire a indicat că datele aproximează o distribuție normală pentru toate variabilele. Valorile asimetriei au variat de la -0.305 (LS_Mean) la 0.027 (PI_Mean), iar valorile boltirii au variat de la -0.615 (PI_Mean) la -0.009 (IQ_Mean). Toate valorile s-au încadrat în pragurile acceptabile de |asimetrie| < 2.0 (Gravetter & Wallnau, 2014) și |boltire| < 7.0 (Byrne, 2010), confirmând că ipoteza de normalitate a fost satisfăcută pentru analizele ulterioare.

Tabelul 1: Statistici Descriptive

Notă. Valorile asimetriei și boltirii încadrate în pragurile acceptabile (|Asimetrie| < 2.0, |Boltire| < 7.0) indică o normalitate aproximativă.

Referințe

Byrne, B. M. (2010). Structural equation modeling with AMOS: Basic concepts, applications, and programming (2nd ed.). Routledge.

Gravetter, F. J., & Wallnau, L. B. (2014). Essentials of statistics for the behavioral sciences (8th ed.). Wadsworth.

The variables were measured on a 5-point Likert scale ranging from 1 to 5. Descriptive statistics were computed for all four study variables. IQ_Mean recorded the highest mean score (M = 3.63, SD = 0.70), followed by LS_Mean (M = 3.57, SD = 0.73), TU_Mean (M = 3.48, SD = 0.74), and PI_Mean (M = 3.23, SD = 0.76), which recorded the lowest mean score. Applying the interpretation thresholds for a 5-point scale (1.00–2.33 = Low, 2.34–3.66 = Moderate, 3.67–5.00 = High), all four variables fell within the Moderate range.

An examination of the skewness and kurtosis values indicated that the data approximated a normal distribution for all variables. Skewness values ranged from -0.305 (LS_Mean) to 0.027 (PI_Mean), and kurtosis values ranged from -0.615 (PI_Mean) to -0.009 (IQ_Mean). All values fell within the acceptable thresholds of |skewness| < 2.0 (Gravetter & Wallnau, 2014) and |kurtosis| < 7.0 (Byrne, 2010), confirming that the assumption of normality was satisfied for subsequent analyses.

Table 1: Descriptive Statistics

Note. Skewness and kurtosis within acceptable thresholds (|Skew| < 2.0, |Kurt| < 7.0) indicate approximate normality.

References

Byrne, B. M. (2010). Structural equation modeling with AMOS: Basic concepts, applications, and programming (2nd ed.). Routledge.

Gravetter, F. J., & Wallnau, L. B. (2014). Essentials of statistics for the behavioral sciences (8th ed.). Wadsworth.

A fost realizată o analiză a fiabilității pentru a evalua consistența internă a tuturor scalelor de măsurare utilizate în studiu. Coeficienții alfa Cronbach au fost interpretați folosind criteriile-prag stabilite de George și Mallery (2003), conform cărora valorile de .90 și peste indică o fiabilitate excelentă, .80–.89 indică o fiabilitate bună, .70–.79 indică o fiabilitate acceptabilă, .60–.69 indică o fiabilitate discutabilă, .50–.59 indică o fiabilitate slabă, iar valorile sub .50 sunt considerate inacceptabile.

Rezultatele au indicat că toate cele patru scale au demonstrat o consistență internă bună. Scala LS (5 itemi) a obținut un alfa Cronbach de α = .868, scala IQ (5 itemi) a obținut α = .860, scala TU (5 itemi) a obținut α = .871, iar scala PI (4 itemi) a obținut α = .820. Conform George și Mallery (2003), toate cele patru valori se încadrează în intervalul bun, indicând faptul că itemii din cadrul fiecărei scale au măsurat în mod consistent constructele respective.

Diagnosticele la nivel de item au fost examinate pentru a evalua în continuare calitatea scalelor. Corelațiile item-total corectate au fost inspectate în raport cu pragul recomandat de .30 (Field, 2018), sub care un item s-ar putea să nu măsoare același construct de bază ca restul scalei. Toți itemii din toate cele patru scale au depășit acest prag. Pentru scala LS, corelațiile item-total corectate au variat de la .662 la .721; pentru scala IQ, de la .664 la .698; pentru scala TU, de la .680 la .723; iar pentru scala PI, de la .632 la .647. În plus, examinarea valorilor alfa Cronbach dacă itemul este eliminat a confirmat că eliminarea oricărui item individual din oricare dintre cele patru scale nu ar îmbunătăți în mod semnificativ fiabilitatea generală a scalei. Luate împreună, aceste rezultate indică faptul că toți itemii au contribuit pozitiv la scalele respective și că toate cele patru scale au demonstrat o consistență internă adecvată pentru utilizarea în analizele ulterioare.

Tabelul 1: Statistici Item-Total

Notă. Itemii cu corelații item-total corectate < .30 s-ar putea să nu măsoare același construct ca itemii rămași din scală (Field, 2018). Toți itemii din prezentul studiu au depășit acest prag.

Referințe

Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). SAGE Publications.

George, D., & Mallery, P. (2003). SPSS for Windows step by step: A simple guide and reference, 11.0 update (4th ed.). Allyn & Bacon.

A reliability analysis was conducted to assess the internal consistency of all measurement scales used in the study. Cronbach's alpha coefficients were interpreted using the threshold criteria established by George and Mallery (2003), whereby values of .90 and above indicate excellent reliability, .80–.89 indicate good reliability, .70–.79 indicate acceptable reliability, .60–.69 indicate questionable reliability, .50–.59 indicate poor reliability, and values below .50 are considered unacceptable.

Results indicated that all four scales demonstrated good internal consistency. The LS scale (5 items) yielded a Cronbach's alpha of α = .868, the IQ scale (5 items) yielded α = .860, the TU scale (5 items) yielded α = .871, and the PI scale (4 items) yielded α = .820. According to George and Mallery (2003), all four values fall within the good range, indicating that the items within each scale consistently measured their respective constructs.

Item-level diagnostics were examined to further evaluate scale quality. Corrected item-total correlations were inspected against the recommended threshold of .30 (Field, 2018), below which an item may not be measuring the same underlying construct as the remainder of the scale. All items across all four scales exceeded this threshold. For the LS scale, corrected item-total correlations ranged from .662 to .721; for the IQ scale, from .664 to .698; for the TU scale, from .680 to .723; and for the PI scale, from .632 to .647. Additionally, examination of the Cronbach's alpha-if-item-deleted values confirmed that removing any individual item from any of the four scales would not meaningfully improve overall scale reliability. Taken together, these findings indicate that all items contributed positively to their respective scales and that all four scales demonstrated adequate internal consistency for use in subsequent analyses.

Table 1: Item-Total Statistics

Note. Items with corrected item-total correlations < .30 may not be measuring the same construct as the remaining items in the scale (Field, 2018). All items in the present study exceeded this threshold.

References

Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). SAGE Publications.

George, D., & Mallery, P. (2003). SPSS for Windows step by step: A simple guide and reference, 11.0 update (4th ed.). Allyn & Bacon.

Înainte de efectuarea analizelor principale, mai multe ipoteze statistice au fost examinate la un nivel de semnificație de α = .05. Normalitatea celor patru variabile ale studiului a fost evaluată utilizând atât testul Shapiro-Wilk, cât și testul Kolmogorov-Smirnov. Ambele teste au indicat abateri semnificative statistic de la normalitate pentru toate cele patru variabile: LS_Mean, IQ_Mean, TU_Mean și PI_Mean (toate ps ≤ .001; a se vedea Tabelul 1). Cu toate acestea, inspecția valorilor de asimetrie și boltire a relevat doar deviații ușoare, valorile de asimetrie variind de la −0.305 la +0.027, iar valorile de boltire variind de la −0.615 la −0.009. Având în vedere mărimea eșantionului (N = 400), Teorema Limitei Centrale susține așteptarea că distribuțiile de eșantionare ale mediilor vor aproxima normalitatea; prin urmare, testele parametrice au rămas adecvate și au fost păstrate pentru toate analizele ulterioare (Pallant, 2020; Field, 2018).

Omogenitatea varianței a fost evaluată utilizând testul Levene. Pentru ANOVA cu un factor care examina LS_Mean în funcție de grupele de an, testul Levene a fost nesemnificativ, F(3, 396) = 0.623, p = .601, indicând că ipoteza egalității varianțelor a fost satisfăcută. Similar, pentru testul t pentru eșantioane independente care compara LS_Mean în funcție de gen, testul Levene a produs F = 0.310, p = .578, confirmând omogenitatea varianței între grupuri. Prin urmare, pentru ambele analize s-a presupus egalitatea varianțelor.

Pentru modelul de regresie liniară multiplă care prezice LS_Mean, au fost examinate ipoteze diagnostice suplimentare. Independența reziduurilor a fost confirmată prin statistica testului Durbin-Watson (d = 1.979), care se încadrează în intervalul acceptabil de 1.5 până la 2.5, indicând absența oricărei dovezi de autocorelație între reziduuri. Multicoliniaritatea a fost evaluată utilizând factorul de inflație a varianței (VIF) și statisticile toleranței pentru fiecare predictor. Toate valorile VIF s-au situat cu mult sub pragul de 5.0 (amplitudine: 1.000–1.103), iar toate valorile toleranței au depășit 0.10 (amplitudine: .907–1.000), indicând absența problemelor de multicoliniaritate (a se vedea Tabelul 2). În cele din urmă, valorile aberante au fost evaluate prin inspecția reziduurilor standardizate. Valoarea absolută maximă a reziduurilor standardizate a fost 3.024, care depășește marginal pragul de ±3.0, dar rămâne în interiorul pragului mai conservator de ±3.29 aplicat frecvent în cercetarea din științele sociale (Field, 2018). Valorile distanței Cook nu au fost disponibile în rezultate; cu toate acestea, pe baza inspecției reziduurilor standardizate, niciun caz nu a fost identificat ca fiind puternic influent. În ansamblu, ipotezele regresiei au fost considerate suficient de satisfăcute pentru a continua cu analiza parametrică.

Tabelul 1: Rezultatele Testelor de Normalitate

Notă. S-W = Shapiro-Wilk; K-S = Kolmogorov-Smirnov. df = 400 pentru toate variabilele. Toate variabilele au prezentat abateri semnificative statistic de la normalitate; cu toate acestea, testele parametrice au rămas adecvate datorită mărimii eșantionului (N = 400) și Teoremei Limitei Centrale (Pallant, 2020; Field, 2018).

Tabelul 2: Statistici de Coliniaritate

Notă. Valorile VIF < 5 indică absența problemelor de multicoliniaritate (Hair et al., 2019). Valorile toleranței > .10 confirmă în continuare absența multicoliniarității.

Referințe

Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). SAGE Publications.

Hair, J. F., Babin, B. J., Anderson, R. E., & Black, W. C. (2019). Multivariate data analysis (8th ed.). Cengage Learning.

Pallant, J. (2020). SPSS survival manual: A step-by-step guide to data analysis using IBM SPSS (7th ed.). McGraw-Hill Education.

Prior to conducting the main analyses, several statistical assumptions were examined at a significance level of α = .05. Normality of the four study variables was assessed using both the Shapiro-Wilk and Kolmogorov-Smirnov tests. Both tests indicated statistically significant departures from normality for all four variables: LS_Mean, IQ_Mean, TU_Mean, and PI_Mean (all ps ≤ .001; see Table 1). However, inspection of skewness and kurtosis values revealed only mild deviations, with skewness values ranging from −0.305 to +0.027 and kurtosis values ranging from −0.615 to −0.009. Given the large sample size (N = 400), the Central Limit Theorem supports the expectation that sampling distributions of the means will approximate normality; therefore, parametric tests remained appropriate and were retained for all subsequent analyses (Pallant, 2020; Field, 2018).

Homogeneity of variance was evaluated using Levene's test. For the one-way ANOVA examining LS_Mean across Year groups, Levene's test was non-significant, F(3, 396) = 0.623, p = .601, indicating that the assumption of equal variances was satisfied. Similarly, for the independent samples t-test comparing LS_Mean by Gender, Levene's test yielded F = 0.310, p = .578, confirming homogeneity of variance across groups. Equal variances were therefore assumed for both analyses.

For the multiple regression model predicting LS_Mean, additional diagnostic assumptions were examined. Independence of residuals was confirmed via the Durbin-Watson statistic (d = 1.979), which falls within the acceptable range of 1.5 to 2.5, indicating no evidence of autocorrelation among residuals. Multicollinearity was assessed using Variance Inflation Factor (VIF) and Tolerance statistics for each predictor. All VIF values were well below the threshold of 5.0 (range: 1.000–1.103) and all Tolerance values exceeded 0.10 (range: .907–1.000), indicating no multicollinearity concerns (see Table 2). Finally, outliers were assessed by inspecting standardized residuals. The maximum absolute standardized residual was 3.024, which marginally exceeds the ±3.0 guideline but remains within the more conservative ±3.29 threshold commonly applied in social science research (Field, 2018). Cook's Distance values were not available in the output; however, based on the standardized residual inspection, no cases were identified as severely influential. Overall, the regression assumptions were considered sufficiently satisfied to proceed with parametric analysis.

Table 1: Normality Test Results

Note. S-W = Shapiro-Wilk; K-S = Kolmogorov-Smirnov. df = 400 for all variables. All variables showed statistically significant departures from normality; however, parametric tests remained appropriate due to the large sample size (N = 400) and the Central Limit Theorem (Pallant, 2020; Field, 2018).

Table 2: Collinearity Statistics

Note. VIF values < 5 indicate no multicollinearity concern (Hair et al., 2019). Tolerance values > .10 further confirm the absence of multicollinearity.

References

Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). SAGE Publications.

Hair, J. F., Babin, B. J., Anderson, R. E., & Black, W. C. (2019). Multivariate data analysis (8th ed.). Cengage Learning.

Pallant, J. (2020). SPSS survival manual: A step-by-step guide to data analysis using IBM SPSS (7th ed.). McGraw-Hill Education.

H1

A fost aplicat testul t pentru eșantioane independente pentru a examina dacă LS_Mean diferă între grupul de Gen 1 și grupul de Gen 2. Testul Levene pentru omogenitatea varianței a fost nesemnificativ, F(1, 396) = 0.31, p = .578, prin urmare s-a presupus egalitatea varianțelor. Analiza, efectuată pe N = 398 (două cazuri cu Gen = 3 au fost excluse), a evidențiat o diferență semnificativă statistic între grupul de Gen 1 (M = 3.42, SD = 0.74) și grupul de Gen 2 (M = 3.69, SD = 0.71), t(396) = −3.703, p < .001, 95% CI [−.411, −.126], diferența dintre medii = −0.27. d Cohen = 0.37, indicând o mărime a efectului mică (Cohen, 1988). H1 a fost susținută.

Tabelul 1: Statistici de grup și rezultatele testului t pentru eșantioane independente pentru LS_Mean în funcție de Gen

Notă. Testul Levene F(1, 396) = 0.31, p = .578; s-a presupus egalitatea varianțelor. N = 398. d Cohen interpretat conform Cohen (1988).

H2

A fost aplicat testul t pentru eșantioane perechi pentru a examina dacă IQ_Mean și PI_Mean diferă în cadrul acelorași participanți. Aceasta a reprezentat o comparație intra-subiect a două constructe într-un set de date transversal, nu un design pre/post. Analiza (N = 400) a indicat că IQ_Mean (M = 3.63, SD = 0.70) a fost semnificativ mai mare decât PI_Mean (M = 3.23, SD = 0.76), t(399) = 8.670, p < .001, 95% CI [.316, .501], diferența dintre medii = 0.41. Corelația pereche dintre cele două variabile a fost r(398) = .177, p < .001. dz Cohen = 0.43, indicând o mărime a efectului mică (Cohen, 1988). H2 a fost susținută.

Tabelul 2: Rezultatele testului t pentru eșantioane perechi pentru IQ_Mean și PI_Mean

Notă. N = 400. Corelația pereche r(398) = .177, p < .001. dz Cohen interpretat conform Cohen (1988).

H3

A fost aplicată ANOVA cu un factor pentru a examina dacă LS_Mean diferă în funcție de grupurile de An de studiu. Testul Levene pentru omogenitatea varianței a fost nesemnificativ, F(3, 396) = 0.623, p = .601, susținând ipoteza de omogenitate a varianței. ANOVA a evidențiat o diferență semnificativă statistic în LS_Mean între cele patru grupuri de An de studiu, F(3, 396) = 3.006, p = .030, η² = .022, indicând o mărime a efectului mică (Cohen, 1988). Comparațiile post-hoc Tukey HSD au indicat că doar diferența dintre Anul 1 (M = 3.39, SD = 0.69) și Anul 2 (M = 3.67, SD = 0.72) a atins pragul de semnificație statistică (diferența dintre medii = −0.271, SE = 0.104, p = .046). Toate celelalte comparații pereche au fost nesemnificative, cu toate p ≥ .077. H3 a fost susținută.

Tabelul 3: Statistici descriptive pentru LS_Mean în funcție de Anul de studiu

Notă. N = 400. F(3, 396) = 3.006, p = .030, η² = .022.

Tabelul 4: Comparații post-hoc Tukey HSD pentru LS_Mean în funcție de Anul de studiu

Notă. Comparațiile post-hoc au utilizat procedura Tukey HSD. Singura diferență pereche semnificativă a fost Anul 1 vs. Anul 2 (p = .046).

H4

Au fost calculate corelații Pearson pentru a examina asocierile dintre LS_Mean, IQ_Mean, TU_Mean, PI_Mean și StudyHours (N = 400 pentru toate perechile). Au fost identificate asocieri pozitive semnificative între LS_Mean și IQ_Mean, r(398) = .479, p < .001; între LS_Mean și TU_Mean, r(398) = .390, p < .001; între LS_Mean și PI_Mean, r(398) = .243, p < .001; între IQ_Mean și TU_Mean, r(398) = .260, p < .001; și între IQ_Mean și PI_Mean, r(398) = .177, p < .001. Asocierea dintre TU_Mean și PI_Mean nu a fost semnificativă, r(398) = .066, p = .185. StudyHours nu a prezentat nicio corelație semnificativă cu niciuna dintre variabilele de scală: LS_Mean, r(398) = .044, p = .375; IQ_Mean, r(398) = −.010, p = .835; TU_Mean, r(398) = −.005, p = .922; PI_Mean, r(398) = .003, p = .957.

În ceea ce privește mărimile efectului (Cohen, 1988), corelația dintre LS_Mean și IQ_Mean (r = .479) a reprezentat un efect mediu; corelațiile dintre LS_Mean și TU_Mean (r = .390) și dintre IQ_Mean și TU_Mean (r = .260) au reprezentat fiecare efecte medii; iar corelațiile dintre LS_Mean și PI_Mean (r = .243) și dintre IQ_Mean și PI_Mean (r = .177) au reprezentat fiecare efecte mici. Toate corelațiile rămase care implică TU_Mean și PI_Mean, sau orice variabilă asociată cu StudyHours, au fost neglijabile ca magnitudine.

Deoarece TU_Mean și PI_Mean nu au fost corelate semnificativ între ele (p = .185), iar StudyHours nu a fost corelat semnificativ cu nicio variabilă, H4 a fost parțial susținută.

Tabelul 5: Matricea corelațiilor Pearson pentru LS_Mean, IQ_Mean, TU_Mean, PI_Mean și StudyHours

Notă. N = 400 pentru toate perechile. Este raportat doar triunghiul inferior; triunghiul superior conține valorile oglindite. *** p < .001.

H5

A fost aplicată regresia liniară simplă pentru a examina dacă IQ_Mean prezice semnificativ LS_Mean. Modelul global a fost semnificativ statistic, F(1, 398) = 118.343, p < .001, R = .479, R² = .229, R² ajustat = .227, indicând că IQ_Mean a explicat 22.9% din varianța în LS_Mean. IQ_Mean a fost un predictor semnificativ, B = 0.497, SE = 0.046, β = .479, t(398) = 10.879, p < .001. O creștere cu o unitate a IQ_Mean a fost asociată cu o creștere de 0.497 unități în LS_Mean. f² Cohen = 0.297, reprezentând o mărime a efectului medie (Cohen, 1988). H5 a fost susținută.

Tabelul 6: Coeficienții regresiei liniare simple pentru predicția LS_Mean

Notă. N = 400. R = .479, R² = .229, R² ajustat = .227, F(1, 398) = 118.343, p < .001. f² = 0.297 (mediu; Cohen, 1988).

H6

A fost aplicată regresia liniară multiplă pentru a examina dacă IQ_Mean, TU_Mean, PI_Mean și StudyHours prezic în mod conjunct LS_Mean. Modelul global a fost semnificativ statistic, F(4, 395) = 48.878, p < .001, R = .575, R² = .331, R² ajustat = .324, indicând că cei patru predictori au explicat în mod conjunct 33.1% din varianța în LS_Mean. f² Cohen = 0.495, reprezentând o mărime a efectului mare (Cohen, 1988).

Trei predictori au fost semnificativi statistic: IQ_Mean (B = 0.393, SE = 0.045, β = .378, t = 8.752, p < .001), TU_Mean (B = 0.276, SE = 0.042, β = .281, t = 6.594, p < .001) și PI_Mean (B = 0.150, SE = 0.040, β = .157, t = 3.762, p < .001). StudyHours nu a fost un predictor semnificativ (B = 0.012, SE = 0.010, β = .049, t = 1.199, p = .231). Pe baza coeficienților standardizați, IQ_Mean a fost cel mai puternic predictor (|β| = .378), urmat de TU_Mean (|β| = .281) și PI_Mean (|β| = .157). O creștere cu o unitate a IQ_Mean a fost asociată cu o creștere de 0.393 unități în LS_Mean, o creștere cu o unitate a TU_Mean a fost asociată cu o creștere de 0.276 unități în LS_Mean, iar o creștere cu o unitate a PI_Mean a fost asociată cu o creștere de 0.150 unități în LS_Mean, fiecare menținând constanți ceilalți predictori.

Diagnosticele de multicoliniaritate nu au indicat nicio problemă: cel mai mare factor de inflație a varianței (VIF) a fost 1.103, iar cea mai mică valoare a toleranței a fost .907. Statistica testului Durbin-Watson a fost 1.979, indicând absența autocorelației în reziduuri. Deoarece StudyHours nu a atins pragul de semnificație, H6 a fost parțial susținută.

Tabelul 7: Coeficienții regresiei liniare multiple pentru predicția LS_Mean

Notă. N = 400. R = .575, R² = .331, R² ajustat = .324, F(4, 395) = 48.878, p < .001. f² = 0.495 (mare; Cohen, 1988). Testul Durbin-Watson = 1.979.

H7

A fost aplicat testul chi-pătrat (χ²) de independență pentru a examina dacă există o asociere între Gen și DeviceType. Testul a fost semnificativ statistic, χ²(6, N = 400) = 25.854, p < .001. Cu df_min = 2 (bazat pe trei categorii de Gen și patru sau mai multe categorii de DeviceType), V Cramér = .180, indicând o mărime a efectului mică (Cohen, 1988). H7 a fost susținută.

⚠️ Încălcarea ipotezei: 4 celule (33.3%) au avut frecvențe așteptate sub 5 (frecvența așteptată minimă = 0.11). Aceasta reprezintă o încălcare GRAVĂ a ipotezei testului chi-pătrat (χ²), determinată în principal de grupul foarte mic Gen = 3 (n = 2). Aceste rezultate trebuie interpretate cu precauție explicită. Se recomandă: (a) combinarea sau comasarea categoriilor rare și reluarea analizei, (b) testul exact Fisher dacă tabelul poate fi redus la o structură 2×2, sau (c) excluderea grupului Gen = 3 și reluarea testului doar pe cele două grupuri de gen principale.

H8

A fost efectuată analiza de mediare PROCESS Model 4 (Hayes, 2022) utilizând 5000 de eșantioane bootstrap pentru a examina dacă TU_Mean mediază relația dintre IQ_Mean și LS_Mean. Calea a, reprezentând efectul lui IQ_Mean asupra TU_Mean, a fost semnificativă, B = 0.275, SE = 0.051, t = 5.377, p < .001, 95% CI [.174, .375]. Calea b, reprezentând efectul lui TU_Mean asupra LS_Mean cu controlul lui IQ_Mean, a fost de asemenea semnificativă, B = 0.280, SE = 0.043, t = 6.562, p < .001, 95% CI [.196, .363]. Efectul indirect al lui IQ_Mean asupra LS_Mean prin intermediul TU_Mean a fost semnificativ, B = 0.077, BootSE = 0.018, 95% Boot CI [.044, .114], deoarece intervalul de încredere a exclus zero. Efectul indirect complet standardizat a fost .074. Efectul direct al lui IQ_Mean asupra LS_Mean a rămas semnificativ după controlul lui TU_Mean, B = 0.420, SE = 0.045, t = 9.337, p < .001, 95% CI [.332, .509]. Efectul total al lui IQ_Mean asupra LS_Mean a fost B = 0.497, SE = 0.046, t = 10.879, p < .001, 95% CI [.407, .587]. Deoarece atât efectul indirect, cât și efectul direct au fost semnificative, rezultatele au indicat o mediare parțială. H8 a fost susținută.

Tabelul 8: Efectele directe, indirecte și totale pentru medierea TU_Mean în relația IQ_Mean → LS_Mean

Notă. N = 400. Medierea a fost estimată utilizând PROCESS Model 4 (Hayes, 2022) cu 5000 de eșantioane bootstrap. Intervalul de încredere de 95% pentru efectul indirect este un interval de încredere bootstrap corectat pentru bias. ᵃBootSE și Boot CI. Efectul indirect complet standardizat = .074. A fost indicată o mediare parțială.

H9

A fost efectuată analiza de moderare PROCESS Model 1 (Hayes, 2022) pentru a examina dacă StudyHours moderează relația dintre IQ_Mean și LS_Mean, variabilele fiind centrate față de medie înainte de analiză. Termenul de interacțiune dintre IQ_Mean și StudyHours nu a fost semnificativ statistic, B = 0.0003, SE = 0.013, t = 0.020, p = .984, 95% CI [−.026, .027], ΔR² = .000, F(1, 396) = 0.0004, p = .984. Modificarea în R² atribuibilă termenului de interacțiune a fost neglijabilă. Deoarece nu au fost disponibile efecte condiționale (interacțiunea a fost nesemnificativă și nu au putut fi estimate pante simple), nu este prezentat niciun tabel al efectelor condiționale. Aceste rezultate au indicat că StudyHours nu moderează efectul lui IQ_Mean asupra LS_Mean. H9 nu a fost susținută.

Referințe

Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.

Hayes, A. F. (2022). Introduction to mediation, moderation, and conditional process analysis: A regression-based approach (3rd ed.). The Guilford Press.

H1

An independent samples t-test was conducted to examine whether LS_Mean differed between Gender group 1 and Gender group 2. Levene's test for equality of variances was non-significant, F(1, 396) = 0.31, p = .578, so equal variances were assumed. The analysis, conducted on N = 398 (two cases with Gender = 3 were excluded), revealed a statistically significant difference between Gender group 1 (M = 3.42, SD = 0.74) and Gender group 2 (M = 3.69, SD = 0.71), t(396) = −3.703, p < .001, 95% CI [−.411, −.126], mean difference = −0.27. Cohen's d = 0.37, indicating a small effect size (Cohen, 1988). H1 was supported.

Table 1: Group Statistics and Independent Samples t-Test Results for LS_Mean by Gender

Note. Levene's F(1, 396) = 0.31, p = .578; equal variances assumed. N = 398. Cohen's d interpreted using Cohen (1988).

H2

A paired samples t-test was conducted to examine whether IQ_Mean and PI_Mean differed within the same participants. This was a within-subject comparison of two constructs in a cross-sectional dataset, not a pre/post design. The analysis (N = 400) indicated that IQ_Mean (M = 3.63, SD = 0.70) was significantly higher than PI_Mean (M = 3.23, SD = 0.76), t(399) = 8.670, p < .001, 95% CI [.316, .501], mean difference = 0.41. The paired correlation between the two variables was r(398) = .177, p < .001. Cohen's dz = 0.43, indicating a small effect size (Cohen, 1988). H2 was supported.

Table 2: Paired Samples t-Test Results for IQ_Mean and PI_Mean

Note. N = 400. Paired correlation r(398) = .177, p < .001. Cohen's dz interpreted using Cohen (1988).

H3

A one-way ANOVA was conducted to examine whether LS_Mean differed across Year of study groups. Levene's test for equality of variances was non-significant, F(3, 396) = 0.623, p = .601, supporting the assumption of homogeneity of variance. The ANOVA revealed a statistically significant difference in LS_Mean across the four Year of study groups, F(3, 396) = 3.006, p = .030, η² = .022, indicating a small effect size (Cohen, 1988). Tukey HSD post-hoc comparisons indicated that only the difference between Year 1 (M = 3.39, SD = 0.69) and Year 2 (M = 3.67, SD = 0.72) reached statistical significance (mean difference = −0.271, SE = 0.104, p = .046). All remaining pairwise comparisons were non-significant, with all p ≥ .077. H3 was supported.

Table 3: Descriptive Statistics for LS_Mean by Year of Study

Note. N = 400. F(3, 396) = 3.006, p = .030, η² = .022.

Table 4: Tukey HSD Post-Hoc Comparisons for LS_Mean by Year of Study

Note. Post-hoc comparisons used the Tukey HSD procedure. The only significant pairwise difference was Year 1 vs. Year 2 (p = .046).

H4

Pearson correlations were computed to examine associations among LS_Mean, IQ_Mean, TU_Mean, PI_Mean, and StudyHours (N = 400 for all pairs). Significant positive associations were found between LS_Mean and IQ_Mean, r(398) = .479, p < .001; between LS_Mean and TU_Mean, r(398) = .390, p < .001; between LS_Mean and PI_Mean, r(398) = .243, p < .001; between IQ_Mean and TU_Mean, r(398) = .260, p < .001; and between IQ_Mean and PI_Mean, r(398) = .177, p < .001. The association between TU_Mean and PI_Mean was not significant, r(398) = .066, p = .185. StudyHours showed no significant correlation with any of the scale variables: LS_Mean, r(398) = .044, p = .375; IQ_Mean, r(398) = −.010, p = .835; TU_Mean, r(398) = −.005, p = .922; PI_Mean, r(398) = .003, p = .957.

Regarding effect sizes (Cohen, 1988), the correlation between LS_Mean and IQ_Mean (r = .479) represented a medium effect; the correlations between LS_Mean and TU_Mean (r = .390) and between IQ_Mean and TU_Mean (r = .260) each represented medium effects; and the correlations between LS_Mean and PI_Mean (r = .243) and between IQ_Mean and PI_Mean (r = .177) each represented small effects. All remaining correlations involving TU_Mean and PI_Mean, or any variable paired with StudyHours, were negligible in magnitude.

Because TU_Mean and PI_Mean were not significantly correlated with each other (p = .185), and StudyHours was not significantly correlated with any variable, H4 was partially supported.

Table 5: Pearson Correlation Matrix for LS_Mean, IQ_Mean, TU_Mean, PI_Mean, and StudyHours

Note. N = 400 for all pairs. Only the lower triangle is reported; the upper triangle contains the mirrored values. *** p < .001.

H5

Simple linear regression was conducted to examine whether IQ_Mean significantly predicted LS_Mean. The overall model was statistically significant, F(1, 398) = 118.343, p < .001, R = .479, R² = .229, adjusted R² = .227, indicating that IQ_Mean accounted for 22.9% of the variance in LS_Mean. IQ_Mean was a significant predictor, B = 0.497, SE = 0.046, β = .479, t(398) = 10.879, p < .001. A one-unit increase in IQ_Mean was associated with a 0.497-unit increase in LS_Mean. Cohen's f² = 0.297, representing a medium effect size (Cohen, 1988). H5 was supported.

Table 6: Simple Linear Regression Coefficients for the Prediction of LS_Mean

Note. N = 400. R = .479, R² = .229, adjusted R² = .227, F(1, 398) = 118.343, p < .001. f² = 0.297 (medium; Cohen, 1988).

H6

Multiple linear regression was conducted to examine whether IQ_Mean, TU_Mean, PI_Mean, and StudyHours jointly predicted LS_Mean. The overall model was statistically significant, F(4, 395) = 48.878, p < .001, R = .575, R² = .331, adjusted R² = .324, indicating that the four predictors jointly accounted for 33.1% of the variance in LS_Mean. Cohen's f² = 0.495, representing a large effect size (Cohen, 1988).

Three predictors were statistically significant: IQ_Mean (B = 0.393, SE = 0.045, β = .378, t = 8.752, p < .001), TU_Mean (B = 0.276, SE = 0.042, β = .281, t = 6.594, p < .001), and PI_Mean (B = 0.150, SE = 0.040, β = .157, t = 3.762, p < .001). StudyHours was not a significant predictor (B = 0.012, SE = 0.010, β = .049, t = 1.199, p = .231). Based on the standardized coefficients, IQ_Mean was the strongest predictor (|β| = .378), followed by TU_Mean (|β| = .281) and PI_Mean (|β| = .157). A one-unit increase in IQ_Mean was associated with a 0.393-unit increase in LS_Mean, a one-unit increase in TU_Mean was associated with a 0.276-unit increase in LS_Mean, and a one-unit increase in PI_Mean was associated with a 0.150-unit increase in LS_Mean, each holding the other predictors constant.

Multicollinearity diagnostics indicated no concerns: the largest VIF was 1.103 and the smallest Tolerance was .907. The Durbin-Watson statistic was 1.979, indicating no evidence of autocorrelation in the residuals. Because StudyHours did not reach significance, H6 was partially supported.

Table 7: Multiple Linear Regression Coefficients for the Prediction of LS_Mean

Note. N = 400. R = .575, R² = .331, adjusted R² = .324, F(4, 395) = 48.878, p < .001. f² = 0.495 (large; Cohen, 1988). Durbin-Watson = 1.979.

H7

A chi-square test of independence was conducted to examine whether an association existed between Gender and DeviceType. The test was statistically significant, χ²(6, N = 400) = 25.854, p < .001. With df_min = 2 (based on three Gender categories and four or more DeviceType categories), Cramér's V = .180, indicating a small effect size (Cohen, 1988). H7 was supported.

⚠️ Assumption Violation: 4 cells (33.3%) had expected counts below 5 (minimum expected count = 0.11). This is a SEVERE violation of the chi-square assumption, driven primarily by the very small Gender = 3 group (n = 2). These results should be interpreted with explicit caution. Consider: (a) combining or collapsing sparse categories and re-running the analysis, (b) Fisher's Exact Test if the table can be reduced to a 2×2 structure, or (c) excluding the Gender = 3 group and re-running the test on the two primary gender groups only.

H8

PROCESS Model 4 mediation analysis (Hayes, 2022) was conducted using 5,000 bootstrap samples to examine whether TU_Mean mediated the relationship between IQ_Mean and LS_Mean. The a-path, representing the effect of IQ_Mean on TU_Mean, was significant, B = 0.275, SE = 0.051, t = 5.377, p < .001, 95% CI [.174, .375]. The b-path, representing the effect of TU_Mean on LS_Mean controlling for IQ_Mean, was also significant, B = 0.280, SE = 0.043, t = 6.562, p < .001, 95% CI [.196, .363]. The indirect effect of IQ_Mean on LS_Mean through TU_Mean was significant, B = 0.077, BootSE = 0.018, 95% Boot CI [.044, .114], as the confidence interval excluded zero. The completely standardized indirect effect was .074. The direct effect of IQ_Mean on LS_Mean remained significant after controlling for TU_Mean, B = 0.420, SE = 0.045, t = 9.337, p < .001, 95% CI [.332, .509]. The total effect of IQ_Mean on LS_Mean was B = 0.497, SE = 0.046, t = 10.879, p < .001, 95% CI [.407, .587]. Because both the indirect effect and the direct effect were significant, the results indicated partial mediation. H8 was supported.

Table 8: Direct, Indirect, and Total Effects for the Mediation of TU_Mean in the IQ_Mean → LS_Mean Relationship

Note. N = 400. Mediation estimated using PROCESS Model 4 (Hayes, 2022) with 5,000 bootstrap samples. The 95% CI for the indirect effect is a bias-corrected bootstrap confidence interval. ᵃBootSE and Boot CI. Completely standardized indirect effect = .074. Partial mediation was indicated.

H9

PROCESS Model 1 moderation analysis (Hayes, 2022) was conducted to examine whether StudyHours moderated the relationship between IQ_Mean and LS_Mean, with variables mean-centered prior to analysis. The interaction term between IQ_Mean and StudyHours was not statistically significant, B = 0.0003, SE = 0.013, t = 0.020, p = .984, 95% CI [−.026, .027], ΔR² = .000, F(1, 396) = 0.0004, p = .984. The change in R² attributable to the interaction term was negligible. Because no conditional effects were available (the interaction was non-significant and no simple slopes were estimable), no conditional effects table is presented. These results indicated that StudyHours did not moderate the effect of IQ_Mean on LS_Mean. H9 was not supported.

References

Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.

Hayes, A. F. (2022). Introduction to mediation, moderation, and conditional process analysis: A regression-based approach (3rd ed.). The Guilford Press.