398747_de-DE

liliconcom

Bewertung des Meditationsprogramms mithilfe der SEM-Plattform in JMP (2021-US-30MP-897)

Niveau: Mittelstufe

 

Ein Narayanan, Hauptwissenschaftler, Procter & Gamble
Annie Weisbrod, Leitende Nachhaltigkeitswissenschaftlerin, Procter & Gamble
Mark Bailey, Personalexperte, Procter & Gamble

 

Während der Covid-19-Krise wurden die Bemühungen von P&G von drei Prioritäten geleitet: der Sicherheit der P&G-Mitarbeiter, dem Dienst an Verbrauchern und Kunden und der Unterstützung unserer Gemeinschaften. Als Teil unserer Bemühungen, unseren Mitarbeitern ein kontinuierliches Wohlbefinden zu gewährleisten, haben wir Live-Online-Kurse angeboten, um Meditation und Stressresistenz zu lehren; Dieses Programm wurde intern entwickelt und weltweit bereitgestellt. In diesem Papier bewerten wir die Wirkung dieses neuen Meditationsprogramms anhand von vier Hauptdimensionen: Resilienz, Empathie, Stress und Achtsamkeit sowie anderen Unterdimensionen. Die Veränderungen in den Einstellungen und Verhaltensweisen der Teilnehmer wurden über einen Zeitraum von acht Wochen mit 45 medizinisch fundierten Fragen erhoben. Unter Verwendung der SEM-Plattform in JMP 16 haben wir die Skaleneigenschaften und die zeitliche Veränderung dieser Konstrukte gemessen, um den Erfolg unseres Meditations-/Achtsamkeitsprogramms zu bewerten, insbesondere in Bezug auf das Wohlbefinden und die Produktivität unserer Mitarbeiter. Bis heute sind unsere Ergebnisse ermutigend.

 

 

Automatisch generiertes Transkript...

 

Lautsprecher	Abschrift
Nikolaus Shelton	Okay, die Aufnahme hat begonnen und ich werde stumm schalten und dann, wenn Sie bereit sind, können Sie loslegen.
	Okay.
Annie Wiesbrod	Hallo zusammen. Ich bin Annie Weisbrod. Ich bin hier mit meinen Kollegen A Narayanan und Mark Bailey von Procter and Gamble. wir werden präsentieren.
	Evaluation eines Meditationsprogramms mit der JMP SEM-Plattform.
	Zunächst möchte ich damit beginnen, zu erklären, warum wir überhaupt darüber sprechen.
	Also die von P&G
	Prioritäten, insbesondere während der COVID-Zeit, haben wir uns wirklich auf die Gesundheit der Menschen konzentriert.
	Aufgrund der Pandemie ist es aus vielen Gründen eine sehr stressige Zeit, aber auch Bereiche ziviler Unruhen, sich ändernde Lieferketten, in denen Dinge nicht verfügbar sind,
	unsere Lebensgewohnheiten ändern, Krankheiten, sich um andere kümmern. Es gibt so viele Möglichkeiten, in denen sich unser Leben in letzter Zeit erheblich verändert hat
	20 Monate, zwei Jahre oder so. Daher hat der Schutz der Gesundheit und des Wohlbefindens der P&G-Mitarbeiter in diesen Zeiten eine noch größere Priorität.
	Worauf wir uns also konzentriert haben, ist, wie wir Menschen helfen können, körperlich und geistig für sich selbst zu sorgen, während sie ihre Arbeit erledigen,
	um Kunden zu dienen, Verbrauchern zu dienen und auch die Gemeinschaften zu unterstützen, in denen wir leben. Wir haben interne und externe Programme, die Menschen aufklären und es ihnen ermöglichen, verschiedene Aspekte des Wohlbefindens zu praktizieren, um hoffentlich ihrer Gesundheit zu helfen.
	Da die Pandemie aufgetreten ist, mussten wir also ändern, wie wir die Unterstützung sowohl Einzelpersonen als auch Abteilungen anbieten.
	Jeder Mitarbeiter hat eine andere Situation,
	sei es die Art der Arbeit, die sie für das Unternehmen haben, der Ort, an dem sie leben, oder persönliche Einstellungen in Bezug auf ihre Gesundheit oder die Pflege anderer Familienmitglieder.
	Was ich also seit mehreren Jahren unterrichte, ist, Präsenzunterricht an einem physischen Ort zu unterrichten. Die Leute tauchten im Raum auf und ich teilte diese Informationen über Stress, Resilienz und Meditation. Und wir alle waren gezwungen, auf Live-Streaming umzustellen.
	Und mein Publikum ist global geworden, da einige unserer Zielgruppen unterschiedliche Zeitzonen und unterschiedliche Sprachen haben. Und spielen Sie mit der Live-Streaming-Technik herum, so wie wir es gerade für diese Präsentation tun.
	Als wir diese Umstellungen vorgenommen haben, waren wir neugierig, wie effektiv diese Wohlfühlprogramme sind? Wie wirken sich der Inhalt und dieses neue Format des globalen Live-Streamings auf die wichtigsten Bereiche der psychischen und emotionalen Gesundheit für das Wohlbefinden aus?
	Ich unterrichte einen Kurs namens Meditation ohne
	Erwartungen. Es ist ein achtwöchiger Live-Streaming-Globalkurs. Wir treffen uns einmal wöchentlich für 45 Minuten.
	Es ist sehr erfahrungsorientiert. Es beginnt mit einer kurzen Einführung und dann üben wir den größten Teil dieser Klasse.
	Und dann werden die Teilnehmer ermutigt, den Rest der Woche diesen Ansatz zu üben. Das Ziel ist, dass Menschen mit ihrer eigenen persönlichen Achtsamkeit autarker werden,
	Aufmerksamkeit, Konzentration, Belastbarkeit,
	Empathie und auch Stressabbau, indem Sie diese Fähigkeiten über diesen längeren Zeitraum üben.
	Die Praktiken sind so ausgewählt, dass sie uns dabei helfen, unser Bewusstsein dafür zu schärfen, was um uns herum vor sich geht, wie wir uns fühlen, was wir denken,
	verschiedene Aspekte im Zusammenhang mit Stress und wie wir ihn reduzieren können, einen anderen Zugang zu diesen Erfahrungen haben und auch die Freude verbessern.
	Wir tun dies durch verschiedene Praktiken, die sich auf Einsicht, Disziplin und auch Mitgefühl beziehen. Von den acht verschiedenen Praktiken haben wir einige, die damit zusammenhängen, einfach hier zu sein.
	Ein Beispiel dafür wäre eine Fünf-Sinne-Meditation, bei der wir
	nur sehen, nur hören, einfach
	riechen, nur schmecken,
	Fühlen Sie einfach, was auf der Haut ist, als Beispiel dafür, gerade jetzt hierher zu kommen. Wir haben auch Praktiken im Zusammenhang mit Selbstbeobachtung und Dankbarkeit.
	Umgang mit Ablenkungen, denn wir werden immer abgelenkt. Der Geist macht einfach sein Ding, und Zählübungen, Mantra-Übungen sind Beispiele dafür. Wir haben auch Praktiken, die sich auf das Herz beziehen.
	Also diese sehr alten Praktiken, Metta
	und Tonglen sind Tausende von Jahren alt und stammen aus asiatischen Kulturen, um liebevolle Güte zu üben, sich um andere zu kümmern, zu geben und zu empfangen.
	Und dann endlich dieser letzte von wahllosem Bewusstsein.
	Nur sein.
	Nichts tun, nur sein. Sehr beliebt bei Zen
	Praktiker zum Beispiel. Im vergangenen Jahr haben sich mehr als 1.000 Personen für diese Kurse angemeldet. Ungefähr 50 % der Leute, die sich anmelden, absolvieren tatsächlich die vollen acht Wochen, und wir werden einige Statistiken teilen.
	demonstrieren, was diese Angebote tatsächlich leisten.
	Wir befragen
	Einstellungen und Verhaltensweisen der Teilnehmer vor dem Kurs und nach dem Kurs. Wir haben 45 verschiedene Fragen, basierend auf medizinischen Standards.
	Die Umfragen sind freiwillig und anonym, und wir betrachten im Wesentlichen diese vier Standardfragebögen. Der erste ist ein Achtsamkeitsfragebogen mit fünf Facetten.
	Wir verwenden auch den zwischenmenschlichen Reaktivitätsindex, der mit Empathie zusammenhängt, also empathische Anteilnahme und Perspektivenübernahme, unterschiedliche Perspektiven.
	Die Trauerresilienzskala und die wahrgenommene Stressskala, auf die wir uns heute in der Demonstration konzentrieren werden.
	Dies ist der am weitesten verbreitete der verschiedenen Fragebögen, die sich darauf beziehen, wie Menschen über Stress denken, wie stressig ihre Situationen sind, in denen sie sich befinden, und andere
	Wirksamkeit von stressreduzierenden Interventionen, wie diesem Meditationskurs. Die Standardaussagen, die Fragen, die gestellt werden, zeigen also, wie unvorhersehbar es ist
	die Person das Gefühl hat, dass ihre Situation ist, ob sie kontrollierbar ist oder nicht, und ob sie sich überlastet fühlt, und dann, wie hoch ihre wahrgenommene Hilflosigkeit ist.
	Sie können nichts an der Situation ändern.
	Oder ihre Selbstwirksamkeit, wie zuversichtlich sie sind, dass sich die Dinge ändern werden und sie in der Lage sind, mit dem Stress umzugehen. Wir werden uns also auf zwei dieser Subskalen konzentrieren, die sich darauf beziehen, sich in dieser Situation überlastet und unkontrolliert zu fühlen.
	Wir konzentrieren uns absichtlich auf Stress, nicht nur für die Demonstration, sondern auch für diese Kurse, da er heute weltweit einer der größten Risikofaktoren für den Lebensstil ist.
	Viele Organisationen entwickeln integrierte Wohlfühlprogramme, um auf verschiedene Berichte zu reagieren, die überall herauskommen. Die Weltgesundheitsorganisation hat für mehr als das letzte Jahrzehnt festgestellt, dass chronischer oder ungelöster Stress der größte Lebensstil-Risikofaktor ist
	Fettleibigkeit und Bewegungsmangel, die weltweit am meisten zu körperlichen und geistigen chronischen Erkrankungen beitragen.
	So
	Die gute Nachricht, kurze Zusammenfassung der Ergebnisse, ist, dass wir in diesem achtwöchigen Zeitraum bemerkenswerte Steigerungen sehen.
	Als wir uns zum ersten Mal die eingehenden Daten angesehen haben, nur die einfachen Mittel dessen, was wir hier sehen, sehen wir bemerkenswerte Steigerungen in Bezug auf Achtsamkeit,
	Empathie, Resilienz, aber auch deutlich reduziertes Stressempfinden. Das ist großartig und wir waren daran interessiert, dies genauer zu untersuchen, also habe ich mich an meinen Statistikpartner gewandt, der es mit Ihnen teilen wird
	einige der Umfrageergebnisse aus den gepaarten Antworten vor und nach der Umfrage. Und so wird er jetzt übernehmen und Ihnen einige dieser JMP-Funktionen zeigen, woran er mit diesen Antworten, die wir aus den Umfragen haben, gearbeitet hat.
EIN	Danke, Anni.
	Seht ihr meinen Bildschirm? Ich kann nicht.
	Hey Leute, ich muss mir etwas Zeit nehmen und ich weiß nicht, die Dinge hier funktionieren nicht.
	Danke, Anni. Hallo allerseits. Mein Name ist Narayanan.
	Ich bin Teil der Abteilung Advanced Consumer Modeling and Statistics bei P&G. Was ich heute tun möchte, ist, die Analysedetails der Daten zu teilen, die
	kam aus dem Programm, das Annie gerade beschrieben hat. Meine Agenda wird also aus drei Themen bestehen. Ich werde über Faktormodelloptimierung sprechen, dann werde ich über die konfirmatorische Faktorenanalyse sprechen
	Optimiertes Faktormodell. Dann werde ich endlich die Längsmessungsinvarianz diskutieren. Dies ist wichtig, weil wir die zeitliche Veränderung des latenten Mittelverlaufs messen wollen. Lassen Sie uns also gleich zum ersten Thema springen.
	Und Faktormodelloptimierung, warum machen wir das überhaupt? Der Grund ... es gibt zwei Gründe, warum ich das tun möchte. Zuerst die 10 Fragen, die Annie erwähnt hat
	sind wirklich nicht für die beiden Konstrukte optimiert, die wir messen möchten.
	Außerdem haben wir eine kleine Stichprobengröße und möchten sicherstellen, dass wir nicht zu viele Fragen aus der Vor- und Nachbereitung haben.
	Das sind also die beiden Gründe, warum wir Faktormodelloptimierung durchführen. Dazu greife ich auf zwei Ideen aus der klassischen Testtheorie zurück.
	Einer ist Zuverlässigkeit. Reliabilität betrifft eigentlich die Konsistenz der Messung. Wir möchten sicherstellen, dass die Elemente innerhalb eines Konstrukts dasselbe messen. Und es gibt viele verschiedene Maße für Zuverlässigkeit. Diejenige, die ich hier verwenden werde, ist die
	Zuverlässigkeitskoeffizient oder Cronbachs Alpha. Dort kannst du die Formel sehen. Und ein Grund, warum ich dies verwende, ist, dass es in der multivariaten Plattform in JMP mit der Option Elementzuverlässigkeit verfügbar ist.
	Jetzt eins
	Nachteil dieses Maßes ist, dass es davon ausgeht, dass alle Variablen oder Items gleich zuverlässig sind.
	Und wir wissen, dass einige Elemente nicht die gleiche Zuverlässigkeit haben wie andere, und in diesem Fall könnten wir den durchschnittlichen Varianzextraktor verwenden.
	Nun, was ist das? Um das zu erklären, werde ich hier tatsächlich das Pfaddiagramm des konfirmatorischen Faktormodells verwenden. Es gibt hier drei Komponenten, die ich beschreiben möchte.
	Die obere, die eigentlich von einem Kreis umschlossen ist, das ist die latente Variable.
	Dann ist einer ganz unten, der in ein Rechteck eingeschlossen ist, der Indikator. Und in diesem Beispiel gibt es vier Indikatoren, die so große Fragen sind, die diese latente Variable anzapfen.
	Dann gibt es vier Lambda-Variablen, die eigentlich die Faktorladungen sind, die die Stärke jedes Indikators angeben
	das Konstrukt anzapfen. Die extrahierte durchschnittliche Varianz ist also eine Funktion der Lambdas und der
	Varianzen der Fehler, die unten stehen. Das Delta ist unten. Hier sind die Fehler
	Komponenten. Und der Einfachheit halber betrachten wir sie als Messfehler, und die Varianz dieser Fehler wird auch in die Berechnung der extrahierten Durchschnittsbewertungen einbezogen.
	Wenn Sie sich die Formel ansehen, wenn unten keine Fehlervarianzen vorhanden sind, ist der Maximalwert 1, und das wollen wir.
	So
	Ein weiteres Item, das ebenfalls zur Messung der Zuverlässigkeit nützlich ist, ist die Itemzuverlässigkeit, die in Wirklichkeit nichts anderes ist als die einzelnen R-Quadrate jeder dieser Regressionen des Indikators für die latente Variable. Und das werden wir sehen, wenn wir zu JMP kommen.
	Der zweite wichtige Begriff aus der klassischen Testtheorie ist die Validität. Bei der Validität geht es darum, ob die Variable das misst, was sie messen soll. Und auch hier gibt es viele verschiedene
	Versionen der Gültigkeit. Diejenige, auf die ich mich konzentrieren werde, ist die Unterscheidungsvalidität, die damit zu tun hat, ob die Konstrukte, die Sie messen, einzigartig und unterschiedlich sind.
	Okay, mit diesen beiden Konzepten werde ich tatsächlich in JMP einsteigen und einige der Details der Modellierung zeigen, die wir durchgeführt haben. Ich beginne also mit einer explorativen Faktorenanalyse der 10 Fragen
	befasst sich mit dem Spannungsbereich. Jetzt in all meiner Analyse werde ich
	zeigen die Ergebnisse der Analyse. Ich werde Sie nicht Schritt für Schritt durch das Zeigen und Klicken führen, weil es lange dauern wird und sie in JMP gut dokumentiert sind.
	der große, den wir als den bezeichnen
	überlastete Komponente, und die kleinere mit drei Elementen bezeichnen wir als unkontrollierbar. Dies ist also eine explorative Faktorenanalyse, die zwei Faktoren zu unterstützen scheint.
	Und wir möchten bestätigen, dass dies in unseren Daten tatsächlich zutrifft, und die Daten werden dies unterstützen. Also werde ich die konfirmatorische Faktorenanalyse der gleichen 10 Fragen starten.
	Und wir können sehen, dass die überlastete Komponente mit sieben Indikatoren verbunden ist und die unkontrollierbare Komponente mit drei Indikatoren verbunden ist.
	Wir wollen uns ansehen, wie gut diese Daten ... wie gut dieses Modell zu den Daten passt. Und wir können sehen, wenn wir uns das Chi-Quadrat ansehen von ... Chi-Quadrat ist 44 bei 34 Freiheitsgraden und es ist nicht signifikant, also wird dieses Modell durch die Daten gestützt.
	Und noch etwas, das wir unten sehen möchten, ist die Konstruktvaliditätsmatrix, die ich erwähnt habe.
	Die Diagonale dieser Matrix ergibt die durchschnittliche extrahierte Varianz. Und wir können sehen, dass die Varianz des unkontrollierbaren Faktors ziemlich hoch und die Varianz des überladenen Faktors tatsächlich niedrig ist.
	Das orthogonale Element sagt Ihnen, wie viel Varianz jeder der Faktoren mit dem anderen Faktor teilt. Und für den überladenen Faktor die Varianz, die this
	Faktoranteile mit unkontrollierbaren Faktoren sind in der Tat höher als die Varianz, die sie mit ihren eigenen Indikatoren teilen, wie auf der Diagonale dargestellt. Und das ist keine optimierte Faktorenstruktur, die wir wollen.
	Und auch, wenn Sie gehen und sich das ansehen
	Pfaddiagramm mit den Schätzungen können Sie in der Tat sehen
	die Einzelpostenzuverlässigkeit, die hier in der angezeigt werden
	Rechtecke hier. Und Sie können sehen
	Die sieben Indikatoren, die mit der Komponente des überladenen Faktors verbunden sind, haben eine unterschiedliche Itemzuverlässigkeit, die von 0,277 bis 0,551 reicht.
	Und wir wollen einige davon auswählen
	mit hoher Zuverlässigkeit.
	Wir werden also diese Konzepte der Artikelzuverlässigkeit verwenden,
	Unterscheidungsvalidität, um unseren Faktor tatsächlich zu optimieren.
	Und ich werde zurückgehen und es mir ansehen
	alle diese Metriken in einer Tabelle zusammengefasst.
	Und diese Tabelle enthält Cronbachs Alpha in diesen beiden Spalten, sie enthält auch die Änderung von Cronbachs Alpha, wenn ein Element gelöscht wird
	aus dem Cronbach-Alpha des gesamten Composites, und es hat auch die Item-Zuverlässigkeit in der letzten Spalte. Eine Möglichkeit, diese Zahlenmatrix zu betrachten und Ihren Faktor zu optimieren, besteht also darin, Elemente mit hoher Zuverlässigkeit auszuwählen, die wahrscheinlich zu den Top 3 gehören.
	Nun, in dieser besonderen Situation, benutze ich auch gerne
	das
	Cronbachs Alpha, wenn das Element gelöscht wird. Und wenn Sie sich den dritten Punkt ansehen,
	obwohl dieser Artikel den dritthöchsten hat
	Artikelzuverlässigkeit, wenn wir uns diese Spalte ansehen, nenne ich sie Alpha-Delta,
	Dies ist die Änderung der Zuverlässigkeit gegenüber der gesamten Zusammensetzung, wenn das Element gelöscht wird. Tatsächlich gibt es eine große Änderung für das dritte Element, und aus diesem Grund habe ich dieses Element nicht ausgewählt, und tatsächlich habe ich eines direkt darunter ausgewählt.
	Für die optimierte Faktorlösung wähle ich also die obersten zwei Elemente aus dem ersten Faktor und dem fünften Element, und dann werde ich für den zweiten Faktor, unkontrollierbar, die obersten zwei Elemente auswählen, weil das dritte Element hat eine sehr geringe Itemzuverlässigkeit.
	Also, haben
	optimierte die Faktorlösung von 10 Fragen auf fünf,
	Ich werde diese optimierte Faktorlösung bestätigen und sehen, wie wir in Bezug auf alle Metriken abschneiden, die wir gerade besprochen haben.
	Hier ist also die optimierte Faktorlösung, der Ordnungsfaktor hat drei Indikatoren, die unkontrollierbaren Faktoren zwei Indikatoren, und wieder passt unser Modell viel besser zu den Daten, Chi-Quadrat von 2, 4 Freiheitsgraden und der Chi-Quadrat-Wert wird nicht abgelehnt.
	Dann gehen wir runter
	und schau dir die diskriminative Validität an. Mit der Lösung mit optimierten Faktoren können Sie jetzt sehen, dass die Varianz der Überladung tatsächlich zugenommen hat
	und die Varianz, die es mit unkontrollierbar teilt, hat abgenommen. Der orthogonale Wert ist also kleiner als die Werte auf der Diagonalen, und genau das wollen wir unterstützen
	Geltung unterscheiden. Durch die Optimierung der Lösung haben wir also eine diskriminative Validität erreicht, und wir haben auch ein besseres Modell erhalten als mit den ursprünglichen 10 Fragen.
	Okay, wir haben also unsere Faktorlösung optimiert.
	Der nächste Schritt besteht darin, die Invarianz des Messmodells durchzuführen.
	Erinnern wir uns daran, wo wir sind. Wir haben viele verschiedene Tabellen und Analysen gesehen. Wir haben
	Empathie, Stress, Resilienz und Achtsamkeit.
	Und wir werden uns nur auf Stress konzentrieren. Die Hauptfrage, die wir hier beantworten möchten, lautet: Gibt es eine Verbesserung der Mittelwerte bei den latenten Variablen?
	Von der Vorbereitung bis zur Post während des achtwöchigen Programms?
	Und um das festzustellen, müssen wir zuerst die Invarianz der Längsmessung zeigen.
	Nun, was ist das? Tatsächlich habe ich kürzlich davon erfahren und mich hier für ein hervorragendes Papier, das von den JMP-Entwicklern Laura Schilo und Paul Russo geschrieben wurde, einklinken lassen
	in der aktuellen Ausgabe von Structural Equation Modeling, wo sie alle verschiedenen Fähigkeiten von JMP, einschließlich Längsmessungsinvarianz, detailliert beschrieben haben.
	Die Idee der Invarianz der Längsschnittmessung besteht darin, sicherzustellen, dass sich die Bedeutung der latenten Variablen im Laufe der Zeit nicht geändert hat.
	Bevor wir die mittlere Änderung der latenten Variablen berechnen können, wollen wir sicherstellen, dass wir am Anfang und am Ende dasselbe messen. Um das festzustellen, gibt es also vier Schritte.
	Das sind eigentlich vier verschiedene Modelle. Das erste ist ein Konfigurationsmodell mit den geringsten Einschränkungen bei gleicher Anzahl von Faktoren und Belastungsmustern.
	Das zweite ist ein schwaches Invarianzmodell, bei dem wir einige weitere Einschränkungen hinzufügen. Wir ziehen die Schrauben etwas fester an und stellen die Frage, wird dieses Modell noch unterstützt?
	Und dann ziehen wir die Schrauben weiter an und sagen obendrein, was ist, wenn ich die Qualität von Item-Intercepts durchsetze? Dann endlich,
	der letzte Thread auf der Schraube, was wäre, wenn wir Artikelvarianzen hinzufügen und eine Qualität von diesen über die beiden Zeitpunkte legen?
	Die Einzelheiten dazu, wie Sie dies Schritt für Schritt tun, sind in dem Artikel enthalten, den ich gerade erwähnt habe. Ich werde hier nur die Ergebnisse zeigen.
	Hoppla.
	Also hierin
	Wegdiagramm, ich zeige
	die beiden Faktoren, überlastet und unkontrollierbar, sowohl in der Phase vor der Erhebung als auch in der Phase nach der Erhebung. Wir haben also das überladene Pre, das unkontrollierbare Pre und dasselbe für die Post.
	Überladen wird durch drei Punkte erklärt und unkontrollierbar ist mit zwei Punkten verbunden. Nun, die Buchstaben hier sind die anderen
	Beschränkungen, die einem Modell auferlegt wurden. Zum Beispiel C3
	von überlastet bis zum Item „fühlte mich nervös und gestresst“ für den Pre
	ist darauf beschränkt, mit demselben Element in der Post identisch zu sein. Und dies ist Teil der Einschränkungen, die wir dem Modell auferlegen, um sicherzustellen, dass die Einschränkungen unterstützt werden.
	Die Buchstaben geben also die verschiedenen Einschränkungen an, die einem Modell auferlegt wurden, und diese Schätzungen werden gleich gemacht. Ähnlich,
	die Schnittpunkte der äquivalenten Artikel werden ebenfalls gleich gemacht,
	die durch gekennzeichnet sind
	A.

AusbrechenDatenexplorationDatenvisualisierungBetreff: Bewertung des Meditationsprogramms mithilfe der SEM-Plattform in JMP (2021-US-30MP-897)

Gute Arbeit,

Bitte<, wenn Sie mir vollständige Papiere schicken können

raaed1983@gmail.com

 

Grüße