The pattern of correlations and rel

The pattern of correlations and reliabilities was nearly identical
between Samples 1 and 2, and thus summaries of results are presented
here, and statistics are reported in Table 2. We first performed
confirmatory factor analyses on each facet scale (PE and
WE) separately. Similar to the pilot study, for both PE and WE, the
hypothesized four-factor model showed better fit than a singlefactor
model in both samples (Table 3). However, the four subscales
within each model were correlated strongly (factor
r ¼ .80e.93), and the single-factor model for each facet showed
adequate fit. To facilitate interpretation, we chose to aggregate
across subscales to form an overall score for each facet. Reliabilities
for WE (a ¼ .98) and PE (a ¼ .97) were high.
However, there was also a high correlation between the PE
and WE scales overall. Thus, we tested a model with a single
general factor for all of the items (PE and WE together) as well as
a model with two general facet factors (i.e. PE and WE). The twofacet-factor
model fit slightly, but significantly better, than the
single-factor model; however, neither fit well (Table 3; though
they are not directly comparable to the other models because
they are not nested). Further, because we hypothesized that
equality (or inequality) of values for productivity and wellbeing
can impact work-related pain, we decided that for conceptual
reasons, it was best to keep PE and WE facets of climate separate.
RSM can be used even when predictors are substantially correlated,
because RSM is concerned with not only correlation but
agreement. A high correlation between variables does not
necessarily mean that the values assigned to each variable are
the same. For example, ratings of “5-4-3” on one variable and

ผลลัพธ์ (ไทย) 1:

รูปแบบของความสัมพันธ์และ reliabilities ได้เกือบเหมือนกันตัวอย่าง 1 และ 2 และดังนั้น การนำเสนอสรุปผลที่นี่ และมีรายงานสถิติในตารางที่ 2 เราทำครั้งแรกวิเคราะห์ปัจจัยเสร็จในแต่ละระดับพได้ (PE และเรา) แยกต่างหาก คล้ายกับการศึกษานำร่อง PE และเรา การตั้งสมมติฐานว่าปัจจัยสี่รุ่นแสดงให้เห็นว่าดีพอดีกว่า singlefactorรูปแบบในตัวอย่างทั้งสอง (ตาราง 3) อย่างไรก็ตาม สี่ subscalesภายในแต่ละรุ่นถูก correlated อย่างยิ่ง (ปัจจัยr ¼. 80e.93), และแสดงให้เห็นรูปแบบปัจจัยเดียวสำหรับแต่ละพได้พอดีเพียงพอ เพื่อให้ง่ายต่อการตีความ เราเลือกที่จะรวมข้าม subscales แบบมีคะแนนรวมในแต่ละพได้ Reliabilitiesสำหรับเรา (¼เป็น.98) และ PE (¼เป็น.97) ได้สูงขึ้นอย่างไรก็ตาม มียังความสัมพันธ์ระหว่าง PE สูงและเราปรับขนาดโดยรวม ดังนั้น การที่เราทดสอบแบบเดียวกับปัจจัยทั่วไปสำหรับรายการ (PE และเราร่วมกัน) ทั้งหมดเป็นรูปแบบที่ มีสองปัจจัยพได้ทั่วไป (เช่น PE และเรา) ตัว twofacetพอดีรุ่นเล็กน้อย แต่ดีมาก กว่ารูปแบบปัจจัยเดียว อย่างไรก็ตาม ไม่พอดีกัน (ตาราง 3 ว่าพวกเขาไม่ตรงเทียบกับรุ่นอื่น ๆ เนื่องจากพวกเขาไม่ซ้อนกัน) เพิ่มเติม เนื่องจากเราตั้งสมมติฐานว่าที่ความเสมอภาค (หรืออสมการ) ค่าประสิทธิภาพและสุขภาพที่ดีสามารถส่งผลกระทบต่อการทำงานที่เกี่ยวข้องกับความเจ็บปวด เราตัดสินใจว่า สำหรับแนวคิดเหตุผล มันสุดที่จะทำให้ PE และเราแง่มุมของอากาศแยกต่างหากสามารถใช้ RSM แม้ predictors มีมาก correlatedเนื่องจาก RSM จะเกี่ยวข้องกับความสัมพันธ์ไม่เพียง แต่ข้อตกลง ความสัมพันธ์ระหว่างตัวแปรสูงไม่ได้หมายความ ว่า ค่าที่กำหนดให้กับแต่ละตัวแปรมีเหมือนเดิม ตัวอย่าง การจัดอันดับ "5-4-3" หนึ่งตัวแปร และ

ผลลัพธ์ (ไทย) 2:

รูปแบบของความสัมพันธ์และความเชื่อมั่นเกือบเหมือนกันระหว่างวันที่ 1 และ 2 ตัวอย่างและทำให้บทสรุปของผลที่จะนำเสนอที่นี่และจะมีการรายงานสถิติในตารางที่2 ก่อนอื่นเราดำเนินการองค์ประกอบเชิงยืนยันการวิเคราะห์ในแต่ละแง่มุมขนาด(PE และเรา) แยกต่างหาก คล้ายกับการศึกษานำร่องสำหรับทั้ง PE และเราให้สมมติฐานรุ่นสี่ปัจจัยที่แสดงให้เห็นว่าเหมาะสมดีกว่าsinglefactor รูปแบบทั้งในตัวอย่าง (ตารางที่ 3) แต่สี่ subscales ภายในแต่ละรุ่นมีความสัมพันธ์อย่างมาก (ปัจจัยอา¼ .80e.93) และรูปแบบปัจจัยเดียวสำหรับแต่ละด้านที่แสดงให้เห็นว่าเหมาะสมเพียงพอ เพื่ออำนวยความสะดวกการตีความเราเลือกที่จะรวมทั่ว subscales ในรูปแบบคะแนนรวมของแต่ละด้าน ความเชื่อมั่นสำหรับเรา (ก¼ 0.98) และ PE (ก¼ 0.97) อยู่ในระดับสูง. แต่ก็ยังมีความสัมพันธ์ที่สูงระหว่าง PE และเครื่องชั่งน้ำหนักโดยรวมของเรา ดังนั้นเราจึงมีการทดสอบรูปแบบเดียวกับปัจจัยทั่วไปของรายการทั้งหมด (PE และเราร่วมกัน) เช่นเดียวกับรุ่นที่มีสองปัจจัยด้านทั่วไป(เช่น PE และเรา) twofacet ปัจจัยรูปแบบพอดีเล็กน้อยแต่มีความหมายที่ดีขึ้นกว่ารูปแบบปัจจัยเดียว; แต่ไม่พอดีกัน (ตารางที่ 3 แม้ว่าพวกเขาจะไม่ได้โดยตรงเทียบได้กับรุ่นอื่นๆ เพราะพวกเขาจะไม่ซ้อนกัน) นอกจากนี้เพราะเราตั้งสมมติฐานว่าความเท่าเทียมกัน (หรือความไม่เท่าเทียมกัน) ของค่าสำหรับการผลิตและคุณภาพชีวิตที่สามารถส่งผลกระทบต่อความเจ็บปวดที่เกี่ยวข้องกับงานที่เราตัดสินใจว่าสำหรับความคิดเหตุผลที่มันเป็นสิ่งที่ดีที่สุดที่จะทำให้PE และเราทุกแง่มุมของสภาพภูมิอากาศที่แยกต่างหาก. RSM สามารถใช้งานได้เมื่อ พยากรณ์อย่างมีนัยสำคัญมีความสัมพันธ์, เพราะ RSM เป็นกังวลกับความสัมพันธ์ที่ไม่เพียง แต่ข้อตกลง ความสัมพันธ์ระหว่างตัวแปรสูงไม่จำเป็นต้องหมายความว่าค่าที่กำหนดให้กับตัวแปรแต่ละเดียวกัน ยกตัวอย่างเช่นการจัดอันดับของ "5-4-3" หนึ่งตัวแปรและ

ผลลัพธ์ (ไทย) 3:

รูปแบบของความสัมพันธ์และความเชื่อมั่นก็เกือบเหมือนกัน
ระหว่างตัวอย่างที่ 1 และ 2 จึงสรุปผลเสนอ
ที่นี่ และสถิติการรายงานในตารางที่ 2 เราแสดงครั้งแรก
องค์ประกอบเชิงยืนยัน การวิเคราะห์ในแง่ขนาด ( PE และ
เรา ) ต่างหาก คล้ายกับการศึกษานำร่อง ทั้ง PE และเรา
สมมติฐานปัจจัย 4 แบบแสดงดีกว่า พอดีกว่า singlefactor
แบบในตัวอย่าง ( ตารางที่ 3 ) อย่างไรก็ตาม สี่โดย
ภายในแต่ละรุ่นมีความสัมพันธ์อย่างยิ่ง ( ปัจจัย
r ¼ . 80e . 93 ) และแบบจำลองปัจจัยเดียวสำหรับแต่ละด้านพบ
พอดีพอเพียง เพื่อความสะดวกในการตีความ เราเลือกที่จะรวม
ข้ามโดยเป็นคะแนนโดยรวมของแต่ละด้าน ความเที่ยง
สำหรับเรา ( ¼ . 98 ) และ PE ( ¼ . 97 ) มีสูง .
อย่างไรก็ตามมีสหสัมพันธ์สูงระหว่าง PE
และเราชั่งรวม ดังนั้น เราทดสอบแบบที่มีองค์ประกอบทั่วไปเดี่ยว
สำหรับรายการทั้งหมด ( PE และเราอยู่ด้วยกัน ) รวมทั้ง
รูปแบบกับสองปัจจัยด้านทั่วไป ( เช่น PE และเรา ) การ twofacet ปัจจัย
แบบพอดีเล็กน้อย แต่อย่างมีนัยสำคัญดีกว่า
แบบจำลองปัจจัยเดียว แต่ไม่เหมาะ ( ตารางที่ 3
; แม้ว่าพวกเขาไม่ได้โดยตรงเมื่อเทียบกับรุ่นอื่น ๆเพราะพวกเขาจะไม่ซ้อนกัน
) ต่อไป เพราะเราตั้งสมมุติฐานว่า
ความเสมอภาค ( หรือความไม่เท่าเทียมกัน ) ของค่าสำหรับผลผลิตและคุณภาพชีวิต
อาจมีผลต่อการปวด เราตัดสินใจว่าเหตุผลแนวคิด
, มันเป็นดีที่สุดเพื่อให้ PE และเราแง่มุมบรรยากาศต่างหาก
RSM สามารถใช้แม้ว่าพยากรณ์เป็นอย่างมากกับ
เพราะ RSM เกี่ยวข้องกับไม่เพียงความสัมพันธ์แต่
ข้อตกลง ความสัมพันธ์ระหว่างตัวแปรไม่ได้หมายความว่าค่า

จะมอบหมายให้แต่ละตัวแปรเดียวกัน ตัวอย่างเช่น การจัดอันดับของ " 5-4-3 " ตัวแปรและ