2.5. Supplementary AnalysesAn alter

2.5. Supplementary Analyses
An alternative, elaborated model was also tested to examine the
possibility of spillover effects between organizational commitment
and safety climate (e.g., Clarke, 2006; Morrow & Crum, 1998). The
elaborated model included indirect paths between organizational
commitment and safety outcomes (i.e., safety at work and accidents),
as well as between safety climate and commitment outcomes (vitality
and withdrawal behavior). The two structural models were then
compared with one another based on indices of statistical fit(ΔΧ
)as
well as practical fit(ΔCFI).
3. Results
3.1. Missing Data and Distributions
A small portion of data was missing in our data set. We conducted
chi-square tests to determine whether missing data points could be
considered missing completely at random (MCAR) or missing at
random (MAR). Chi-square tests indicated that no distinct patterns of
missing data existed (i.e., the data were all MCAR or MAR), and we
proceeded to impute missing data using a full information maximum
likelihood (FIML) procedure (Wothke, 2000).
Once the missing data points were imputed we reviewed the
means, standard deviations, and correlations among the primary
variables. These descriptive statistics are presented in Table 1.
3.2. Factorial Validity
The fit indices for the measurement model are presented in the top
row of Table 2. While the chi-square value was statistically significant
(not unexpected for large samples and complex models), the
remaining fit measures demonstrated strong fit for the measurement
model, indicating that the scale items accurately reflected their latent
constructs. Specifically, the RMSEA was .055, SRMSR was .047, and the
TLI and CFI were both .98.
an absolute measure of how well the hypothesized model fits the
variation observed in the data (i.e., how well the fitted covariance
matrix matches the sample covariance matrix). A non-significant chisquare
value indicates strong model fit. Because the chi-square
statistic can be influenced by sample size and model complexity, it
should not be used as a stand-alone measure of model fitness. In this
study, the chi-square was complemented by four other fit indices: the
Root Mean Square Error of Approximation (RMSEA) index, the
Standardized Root Mean Square Residual (SRMSR), the NNI (TuckerLewis
Index, TLI), and the Comparative

ผลลัพธ์ (ไทย) 1:

2.5 การเสริมวิเคราะห์แบบจำลองทางเลือก elaborated ยังทดสอบการตรวจสอบการความเป็นไปได้ของผล spillover ระหว่างความมุ่งมั่นขององค์กรและภูมิอากาศความปลอดภัย (เช่น คลาร์ก 2006 เหล่าและ Crum, 1998) ที่รุ่น elaborated รวมเส้นทางอ้อมระหว่างองค์กรความมุ่งมั่นและความปลอดภัยผลลัพธ์ (เช่น ความปลอดภัยในการทำงานและอุบัติเหตุ),เช่นกันกับระหว่างความปลอดภัยผลสภาพภูมิอากาศและความมุ่งมั่น (พลังกพฤติกรรมถอน) มี 2 รุ่นโครงสร้างแล้วเปรียบเทียบกันตามดัชนีของ fit ทางสถิติ (ΔΧ) เป็นfit(ΔCFI) ปฏิบัติเป็นอย่างดี3. ผลลัพธ์3.1 การขาดข้อมูลและการกระจายส่วนเล็ก ๆ ของข้อมูลขาดหายไปในชุดข้อมูลของเรา เราดำเนินการทดสอบ chi-square เพื่อตรวจสอบว่า จุดข้อมูลที่ขาดหายไปอาจจะถือว่าหายไปทั้งหมดที่สุ่ม (MCAR) หรือสูญหายไปที่สุ่ม (MAR) ระบุการทดสอบ chi-square ที่ไม่มีรูปแบบแตกต่างกันของไม่มีข้อมูลอยู่ (เช่น ข้อมูลได้ทั้งหมด MCAR หรือ MAR), และเราครอบครัวการ impute ขาดข้อมูลใช้ได้สูงสุดข้อมูลเต็มโอกาส (FIML) ขั้นตอน (Wothke, 2000)เมื่อจุดข้อมูลหายได้ควาบ เราทานหมายถึง ส่วนเบี่ยงเบนมาตรฐาน และความสัมพันธ์ระหว่างหลักตัวแปร สถิติพรรณนาเหล่านี้จะแสดงในตารางที่ 13.2. ตั้งแต่แฟกดัชนี fit สำหรับรูปแบบการประเมินจะแสดงด้านบนแถวของตารางที่ 2 ในขณะที่ค่า chi-square ทางสถิติ significant(not unexpected for large samples and complex models), theremaining fit measures demonstrated strong fit for the measurementmodel, indicating that the scale items accurately reflected their latentconstructs. Specifically, the RMSEA was .055, SRMSR was .047, and theTLI and CFI were both .98.an absolute measure of how well the hypothesized model fits thevariation observed in the data (i.e., how well the fitted covariancematrix matches the sample covariance matrix). A non-significant chisquarevalue indicates strong model fit. Because the chi-squarestatistic can be influenced by sample size and model complexity, itshould not be used as a stand-alone measure of model fitness. In thisstudy, the chi-square was complemented by four other fit indices: theRoot Mean Square Error of Approximation (RMSEA) index, theStandardized Root Mean Square Residual (SRMSR), the NNI (TuckerLewisIndex, TLI), and the Comparative

ผลลัพธ์ (ไทย) 2:

2.5 การวิเคราะห์เสริม
ทางเลือกรูปแบบเนื้อหายังผ่านการทดสอบเพื่อตรวจสอบ
ความเป็นไปได้ของผลกระทบระหว่างความผูกพันต่อองค์การ
และสภาพภูมิอากาศความปลอดภัย (เช่นคล๊าร์ค 2006 มอร์โรว์และ Crum, 1998)
รูปแบบเนื้อหารวมถึงเส้นทางอ้อมระหว่างองค์กร
มุ่งมั่นและผลลัพธ์ด้านความปลอดภัย (เช่นความปลอดภัยในที่ทำงานและการเกิดอุบัติเหตุ)
เช่นเดียวกับสภาพภูมิอากาศระหว่างความปลอดภัยและผลที่ความมุ่งมั่น (พลัง
และพฤติกรรมการถอนตัว) สองรูปแบบโครงสร้างได้แล้ว
เมื่อเทียบกับอีกคนหนึ่งขึ้นอยู่กับดัชนีของเสื้อสายทางสถิติ (ΔΧ
) เช่น
เดียวกับสายการปฏิบัติตันขึ้นไป (ΔCFI).
3 ผล
3.1 ข้อมูลที่ขาดหายไปและการกระจาย
ส่วนเล็ก ๆ ของข้อมูลที่ขาดหายไปในชุดข้อมูลของเรา เราดำเนิน
การทดสอบไคสแควร์เพื่อตรวจสอบว่าหายไปจุดข้อมูลที่จะได้รับการ
พิจารณาที่ขาดหายไปอย่างสมบูรณ์โดยการสุ่ม (MCAR) หรือหายไปที่
สุ่ม (MAR) การทดสอบไคสแควร์ชี้ให้เห็นว่าไม่มีรูปแบบที่แตกต่างของ
ข้อมูลที่ขาดหายอยู่ (เช่นข้อมูล ได้แก่ MCAR ทั้งหมดหรือ MAR) และเรา
ดำเนินการต่อไปใส่ร้ายข้อมูลที่หายไปโดยใช้ข้อมูลที่ครบถ้วนสูงสุด
น่าจะเป็น (FIML) ขั้นตอน (Wothke, 2000).
เมื่อ จุดข้อมูลที่หายไปถูกกล่าวหาเราตรวจสอบ
วิธีการเบี่ยงเบนมาตรฐานและความสัมพันธ์ระหว่างหลัก
ตัวแปร สถิติเชิงพรรณนาเหล่านี้จะถูกนำเสนอในตารางที่ 1.
3.2 ปัจจัยตั้งแต่วันที่
ดัชนีสามารถประกอบสำหรับรูปแบบการวัดถูกแสดงไว้ในด้านบน
แถวของตารางที่ 2 ในขณะที่ไคสแควร์มูลค่าก็มีนัยสำคัญทางสถิติลาดเท
(ไม่คาดคิดสำหรับกลุ่มตัวอย่างที่มีขนาดใหญ่และรูปแบบที่ซับซ้อน)
มาตรการทีไฟที่เหลืออยู่แสดงให้เห็นเสื้อสายที่แข็งแกร่งสำหรับการวัด
แบบ แสดงให้เห็นว่ารายการระดับที่ถูกต้องอีกครั้งชั้น ected แฝงของพวกเขา
สร้าง ที่ระบุไว้ถอนรากถอนโคน RMSEA เป็น 0.055, SRMSR เป็น 0.047 และ
TLI และ CFI ทั้ง 0.98.
วัดแน่นอนของวิธีการที่ดี Fi รุ่นสมมติฐาน TS
เปลี่ยนแปลงที่สังเกตในข้อมูล (เช่นวิธีการที่ดีแปรปรวน Fi tted
เมทริกซ์ตรง ตัวอย่างแปรปรวนเมทริกซ์) ไฟไม่นัยสำคัญลาดเทไค
ค่าบ่งชี้รูปแบบไฟแรงที เพราะไคสแควร์
สถิติที่สามารถอยู่ในชั้น uenced โดยกลุ่มตัวอย่างขนาดและความซับซ้อนของรูปแบบก็
ไม่ควรที่จะใช้เป็นมาตรการแบบสแตนด์อะโลนของรูปแบบไฟ tness สุขภาพ ในการนี้
การศึกษา, ไคสแควร์ได้รับการเติมเต็มด้วยสี่ดัชนีสามารถประกอบอื่น ๆ :
Root Mean Square ข้อผิดพลาดของการประมาณ (RMSEA) ดัชนี
มาตรฐาน Root Mean Square เหลือ (SRMSR) NNI (TuckerLewis
ดัชนี TLI) และเปรียบเทียบ

ผลลัพธ์ (ไทย) 3:

2.5 การวิเคราะห์เพิ่มเติม
ทางเลือกที่มีรูปแบบยังทดสอบเพื่อตรวจสอบความเป็นไปได้ของผลกระทบระหว่างการล้น

บรรยากาศความผูกพันต่อองค์การและความปลอดภัย ( เช่น คลาร์ก , 2006 ; พรุ่งนี้&ครัม , 1998 )
อธิบายแบบรวมเส้นทางทางอ้อมระหว่างความผูกพัน
และความปลอดภัย ผล ( เช่น ความปลอดภัยในการทำงาน และอุบัติเหตุ ) ,
รวมทั้งระหว่างบรรยากาศความปลอดภัย และผลต่อ ( พลัง
และพฤติกรรมการถอน ) สองโครงสร้างโมเดลแล้ว
เมื่อเทียบกับคนอื่น ตามดัชนีของสถิติจึง t (

ΔΧ ) รวมทั้งการปฏิบัติจึง T ( Δ CFI )
3 ผลลัพธ์
3.1 . ข้อมูลขาดหายไปและการแจกแจง
เป็นส่วนเล็ก ๆของข้อมูลที่ขาดหายไปในข้อมูลที่เราตั้งไว้ เราดำเนินการ
ไคสแควร์ การทดสอบเพื่อตรวจสอบว่าขาดจุดข้อมูลอาจหายไปอย่างสมบูรณ์
ถือว่าสุ่ม ( mcar ) หรือขาดหายไปใน
สุ่ม ( Mar ) การทดสอบไคสแควร์ พบว่า ไม่แตกต่างกัน รูปแบบของ
ข้อมูลขาดหายไปอยู่ ( เช่น ข้อมูลทั้งหมด mcar หรือมาร์ ) , และเรา
ก็ใส่ความข้อมูลขาดหายไปโดยใช้ข้อมูลเต็มรูปแบบสูงสุด
ความน่าจะเป็น ( fiml ) ขั้นตอน ( wothke
, 2000 )เมื่อข้อมูลขาดหายไปจุดใดๆที่เราต้องตรวจสอบ
ค่าเฉลี่ย ค่า เบี่ยงเบนมาตรฐาน และความสัมพันธ์ระหว่างตัวแปรหลัก

สถิติเหล่านี้จะแสดงในตารางที่ 1 .
2 . ทางวัดจึง T
ดัชนีโมเดลการวัดจะแสดงในแถวบนสุด
โต๊ะ 2 ในขณะที่ไคสแควร์ ค่า
signi อย่างมีนัยสำคัญจึงไม่ได้( ไม่คาดคิดสำหรับตัวอย่างที่มีขนาดใหญ่และซับซ้อนรุ่น ) ,
t มาตรการที่เหลือจึงแสดง T จึงแข็งแรงสำหรับการวัด
รูปแบบ ระบุว่า ขนาดรายการที่ถูกต้องอีกครั้งflประมวล
แฝงของพวกเขาสร้าง . กาจึงคอลลี่ , RMSEA . 055 srmsr , เป็น 047 และ
tli CFI ทั้งสองและ . 98 .
เป็นวัดแน่นอนว่าดีจึงตั้งสมมติฐานแบบ TS
รูปแบบที่พบในข้อมูล ( เช่นแล้วจึง tted ความแปรปรวน
Matrix ตรงกับตัวอย่าง Covariance Matrix ) ไม่ signi จึงไม่สามารถความเชื่อมั่น
ค่าบ่งชี้ที่แข็งแกร่งแบบถ่ายทอด ต. เพราะสถิติไคสแควร์
สามารถในfl uenced ตามขนาดตัวอย่างและความซับซ้อนของโมเดล ,
ไม่ควรใช้เป็นมาตรการแบบสแตนด์อโลนรุ่นจึง tness . ในการศึกษานี้
, ไคสแควร์เป็น complemented โดยสี่อื่น ๆจึง T :
ดัชนีรากของการประมาณค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง ( RMSEA ) ดัชนีรากกำลังสองเฉลี่ย
มาตรฐานเหลือ ( srmsr ) , nni ( tli tuckerlewis
ดัชนี ) และการเปรียบเทียบ