|
Леонова А.В., Чернышева О.В. Психология труда и организационная психология. Современное состояние и перспективы развития.Категория: Библиотека » Бизнес-психология | Просмотров: 52646
Автор: Леонова А.В., Чернышева О.В.
Название: Психология труда и организационная психология. Современное состояние и перспективы развития. Формат: HTML, DOC Язык: Русский Скачать по прямой ссылке типу объяснительных моделей (по данным Dunham & Smith), Оценки надежности для шкал по критерию альфа ранжировались от 0,71 до 0,88. В данном исследовании анализируется шкала, которая измеряет удовлетворенность определенным видом труда.
Таблица 1 Взаимные корреляции основных показателей JDS (по выборке из 784 человек) Переменная (показатель) ] 2 3 4 5 6 L Обратная связь 15 2. Значимость задач 49 72 3. Разнообразие задач 53 57 76 4. Сходство задач 49 46 48 72 5. Независимость 51 53 57 57 73 6. Удовлетворенность трудом 37 35 37 29 36 71 Примвчйние. Значения, расположенные по диагонали, соответствуют коэффициенту надежности Alpha * Обработка результатов. Были проведены два вида статистической обработки результатов. Первый - факторный анализ, подобный тому, что был использован Sims et al. (1977), но он проводился с помощью более подходящего к данной ситуации метода вращения матриц исходных данных (oblique rotations). Затем использовалась процедура косвенных ограничений, позволявшая вращать (преобразовывать) факторную структуру таким образом, чтобы вычленить ее ведущую составляющую. Второй тип статистических процедур использовался для анализа данных по подгруппе, состоящей из 784 респондентов. В этом случае для установления связи между пятью основными составляющими JDS и оценками удовлетворенности трудом использовался многофакторный регрессионный анализ. Этот тип обработки был направлен на достижение второй цели исследования - определения наиболее подходящей модели для анализа комплексных взаимодействий между основными составляющими трудовой деятельности при их количественной оценке. Результаты исследования Факторный анализ Корреляционная матрица была получена для 15 позиций JDS с помощью программы "Missing Data Correlations". Затем-были получены результирующие оценки на основе значений коэффициентов корреляции в квадрате. Полученная модифицированная матрица ис- 80 пользовалась в дальнейшем как база данных для проведения факторного анализа. Анализ показателей факторных весов (см. та б л, 2) и тот факт, что первый из вращаемых факторов объясняет около 83% общей дисперсии, наводят на мысль о том, что для получения наиболее экономного решения можно быяо бы сохранить только один фактор (Turner & Lawrence, 1965). Однако если можно выделить другие содержательно интерпретируемые факторы и если можно показать, что они имеют значимые величины в пределах помологической сетки, то имеет смысл провести их последующий анализ. Приняв, что в имеющемся статистическом материале распределение факторных весов оценено достаточно точно, то можно последовательно рассмотреть имеющиеся одно-, двух-, трех-, четырех- и пяти-факторные решения. Однако и в этом случае будет достаточно сложно аргументировать сохранение пятифакторной структуры для содержательной интерпретации данных. Hackraan & Oldham (1975) априорно предложили вьщелятъ пять составляющих, имеющих между собой средний уровень корреляции* Кроме того} наличие значимых корреляций между отдельными пунктами внутри шкал наводит на мысль о том, что эти пять шкал обладают достаточной степенью валидности. Из этих соображений был проведен пятифакторный анализ данных с помощью процедуры: вращения OBLIMAX (см. табл.2). Проверка полученного факторного решения обнаружила, что 3 исходных шкалы по составляющей "обратная связь" дают нагрузку на первый фактор, 3 исходных шкалы составляющей "сходство задач" - только на второй фактор, 2 исходных шкалы из 3 по составляющей "значимость задач" вошли в третий фактор. Однако б исходных шкал по составляющим "разнообразие задач" и "независимость" недифференциированно распределены между двумя последними факторами. Исходя из смешенного распределения нагрузок на исходные шкалы по составляющим "разнообразие задач" и "независимость" в полученном пятифакторном решении, а также сходства этих двух рядов шкая (что показано при оценке их взаимных корреляций), было решено провести четырехфакторное OBLIMAX вращение. Проверка этого решения (см. табл.3) четко выделяет факторы, соответствующие составляющим "обратная связь", "значимость задачи" и "сходство задач". Однако, как и ожидалось, результатом четырехфактор-ного вращения явилось выделение одного общего фактора, который можно определить как комбинацию шкал по составляющим "разнообразие задач" и "независимость"» Процедура косвенных ограничений (техника, часто используемая для подтверждения результатов факторного анализа) быяа проведена л о отношению к исходным оценкам по 15 шкалам JDS для того, чтобы проверить будет ли заданная 5-факторная матрица достаточ- 6-514 81 но хорошо описываться всеми тремя исходными позициями по каждой из пяти априорно выделяемых составляющей. Результаты анализа показали, что исходные шкалы, входящие в составляющие "разнообразие задач" и "независимость" все еще остаются смешанно распределенными между двумя факторами. Проведенное косвенное ограничение по чегырехфакторному решению объединило все исходные шкалы по двум анализируемым составляющим в единый фактор, что дало возможность получения чистого четырехфакторно-го решения. Таблица 2 Результаты факторного анализа показателей JDS, проведенного с помощью ОВЫМАХ вращения по 5 факторам (по выборке из 3610 человек) Характеристики задачи Факторы I II III IV V Обратная связь - 1 -04 03 -44 -03 -70 2 -05 -17 -08 -08 -68 3 -17 -18 -39 -09 55 Значимость задач 1 -87 11 -04 01 03 2 -74 бб -07 -01 -04 3 40 -31 -AS -11 01 Разнообразие задач 1 -28 -31 29 -12 02 2 -19 40 16 -09 -03 3 -04 12 -^53 07 -05 Сходство задач 1 -20 -15 -07 62 00 2 -10 -07 -19 -57 -10 3 -Об -21 -19 54 -07 Самостоятельность 1 И 70 10 07 02 2 -16 15 -61 -10 -02 3 13 -70 02 04 -04 Факторный вес 5.00 0.82 0.49 0+47 0.27 Корреляции между факторами I 1.00 II 0.75 1.00 III -0.72 -0.68 1.00 IV -0.40 -0.60 0.40 1,00 V 0.66 0.64 -0.67 -0.591.00 82 Регрессионный анализ В поисках более пригодного метода для анализа взаимодействий между обобщающими шкалами JDS, соответствующих основным составляющим труда и эффективности их использования для прогноза эмоционального отношения респондентов к труду, был проведен регрессионный анализ, для чего использовались данные по редуцированной выборке респондентов, состоящей из 784 лиц, занимающих достаточно ответственные в профессиональном отношении посты* Связаться с администратором Похожие публикации: Код для вставки на сайт или в блог: Код для вставки в форум (BBCode): Прямая ссылка на эту публикацию:
|
|