2-1” on another would be perfectly

2-1” on another would be perfectly correlated, yet there are clear
discrepancies in the values associated with each. RSM models
these discrepancies, and Shanock et al. (2010) suggest that RSM
is appropriate when there are a nontrivial number of discrepancies.
In Sample 1, 9% of individuals had a standardized difference
greater than half a standard deviation between PE and WE
scores, as did 7% of individuals in Sample 2. This suggests that
although perceiving a discrepancy is not entirely common, the
proportion of individuals that did have a discrepancy is large
enough to warrant exploration (Shanock et al., 2010). The impact
of this difference was examined in the remainder of the analyses.
As can be seen from Table 2, both overall PE and WE facets of
ergonomics climate were significantly related to work-related
pain for both samples, supporting Hypothesis 1.
6.3. Polynomial regression and response surface methodology
To test Hypotheses 2e4, we used polynomial regression
(Table 4). Covariates were included in these regression models
based on significant correlations between demographic variables
and work-related pain. Although the covariates and WE were significant
predictors of work-related pain, the PE facet did not
uniquely contribute to work-related pain once accounting for the
other variables included in the model. As seen in Table 4, the
squares of PE and WE facets, and the product of PE and WE facets
were also included to generate the necessary components to
calculate the RSM results. To facilitate interpretation of these results,
we plotted the polynomial regression coefficients using RSM
(Box and Draper, 1987). Response surface methodology creates a
three-dimensional representation of the agreement and disagreement
of two variables and their relation to a third variable, the
outcome. The coefficients from the polynomial regressions in
Table 4 were entered into additional equations and contrasted to
test the significance of the slope and curvature of two lines: the line
of perfect agreement and the line of perfect disagreement (Shanock
et al., 2010).
The line of perfect agreement addressed Hypothesis 2: When
performance and well-being climates were equal, were they related
to work-related pain, and was this relationship linear? The slope of
this line shows the various levels of work-related pain experienced
by individuals who perceived PE and WE facets as being equally
important (Shanock et al., 2010, p. 546). The curvature of this line
allowed us to test whether the relationship was curvilinear. The line
of perfect disagreement addressed Hypotheses 3 and 4. The curvature
of this line represented how the degree of discrepancy between
PE and WE facets of ergonomics climate related to workrelated
pain. That is, did pain increase as the size of the discrepancy
between the PE and WE facets of climate increased? The slope
of this line allowed us to test whether the direction of the
discrepancy mattered. Together, these four statistics (the slope and
curvature of the line of agreement and the line of disagreement) are
calculated using “surface tests,” or combinations of the polynomial
regression coefficients (Table 5). The RSM plots for both PE and WE
for Survey samples 1 and 2 are presented in Figs. 1 and 2,
respectively

ผลลัพธ์ (ไทย) 1:

2-1" ในอีกจะได้สมบูรณ์แบบ correlated ยังมีชัดเจนความขัดแย้งในค่าที่เกี่ยวข้องกับแต่ละ รุ่น RSMเหล่านี้ความขัดแย้ง และ Shanock et al. (2010) แนะนำที่ RSMเหมาะสมเมื่อมี nontrivial ของความขัดแย้งตัวอย่าง 1, 9% ของแต่ละบุคคลมีความแตกต่างมาตรฐานมากกว่าครึ่งเป็นส่วนเบี่ยงเบนมาตรฐานระหว่าง PE และเราคะแนน เป็นได้ 7% ของแต่ละบุคคลตัวอย่าง 2 นี้แนะนำที่แม้ว่า perceiving ขัดแย้งไม่ทั่วทั้งหมด การสัดส่วนของบุคคลที่ไม่มีความขัดแย้งที่มีขนาดใหญ่พอรับประกันสำรวจ (Shanock et al., 2010) ผลกระทบความแตกต่างนี้ถูกตรวจสอบในส่วนเหลือของการวิเคราะห์สามารถเห็นได้จากตาราง 2, PE รวมทั้งแง่มุมของเราสภาพภูมิอากาศให้อย่างมีนัยสำคัญเกี่ยวข้องกับงานที่เกี่ยวข้องความเจ็บปวดทั้งตัวอย่าง สนับสนุนสมมติฐาน 16.3. พื้นผิววิธีการถดถอยที่พหุนามและการตอบสนองการทดสอบสมมุติฐาน 2e4 เราใช้การถดถอยพหุนาม(ตาราง 4) Covariates รวมอยู่ในแบบจำลองถดถอยนี้ตามความสัมพันธ์อย่างมีนัยสำคัญระหว่างตัวแปรทางประชากรและงานที่เกี่ยวข้องกับความเจ็บปวด แม้ว่าการ covariates และเราได้อย่างมีนัยสำคัญpredictors ของงานที่เกี่ยวข้องกับความเจ็บปวด พได้ PE ไม่โดยเฉพาะนำไปสู่การปวดที่เกี่ยวข้องกับการทำงานครั้งเดียวบัญชีสำหรับการตัวแปรอื่น ๆ รวมอยู่ในแบบจำลอง เห็นในตาราง 4 การสี่เหลี่ยมของ PE และเราแง่มุม และผลิตภัณฑ์ของ PE และเราแง่มุมwere also included to generate the necessary components tocalculate the RSM results. To facilitate interpretation of these results,we plotted the polynomial regression coefficients using RSM(Box and Draper, 1987). Response surface methodology creates athree-dimensional representation of the agreement and disagreementof two variables and their relation to a third variable, theoutcome. The coefficients from the polynomial regressions inTable 4 were entered into additional equations and contrasted totest the significance of the slope and curvature of two lines: the lineof perfect agreement and the line of perfect disagreement (Shanocket al., 2010).The line of perfect agreement addressed Hypothesis 2: Whenperformance and well-being climates were equal, were they relatedto work-related pain, and was this relationship linear? The slope ofthis line shows the various levels of work-related pain experiencedby individuals who perceived PE and WE facets as being equallyimportant (Shanock et al., 2010, p. 546). The curvature of this lineallowed us to test whether the relationship was curvilinear. The lineof perfect disagreement addressed Hypotheses 3 and 4. The curvatureof this line represented how the degree of discrepancy betweenPE and WE facets of ergonomics climate related to workrelatedpain. That is, did pain increase as the size of the discrepancybetween the PE and WE facets of climate increased? The slopeof this line allowed us to test whether the direction of thediscrepancy mattered. Together, these four statistics (the slope andcurvature of the line of agreement and the line of disagreement) arecalculated using “surface tests,” or combinations of the polynomialregression coefficients (Table 5). The RSM plots for both PE and WEfor Survey samples 1 and 2 are presented in Figs. 1 and 2,respectively

ผลลัพธ์ (ไทย) 2:

2-1
"ที่อื่นจะมีความสัมพันธ์ที่ดีที่สุดที่ยังมีมีความชัดเจนความแตกต่างในค่าที่เกี่ยวข้องกับแต่ละ รุ่น RSM
ความแตกต่างเหล่านี้และ Shanock et al, (2010) ชี้ให้เห็นว่า RSM
มีความเหมาะสมเมื่อมีจำนวนขี้ปะติ๋วความแตกต่าง.
ในตัวอย่าง 1, 9%
ของบุคคลที่มีความแตกต่างที่ได้มาตรฐานมากขึ้นกว่าครึ่งส่วนเบี่ยงเบนมาตรฐานระหว่างPE
และเราคะแนนเช่นเดียวกับ7% ของประชาชนในตัวอย่าง 2 .
นี้แสดงให้เห็นว่าถึงแม้จะเข้าใจคลาดเคลื่อนไม่ธรรมดาทั้งที่สัดส่วนของบุคคลที่ไม่ได้มีความแตกต่างที่มีขนาดใหญ่พอที่จะรับประกันการสำรวจ(Shanock et al., 2010) ผลกระทบของความแตกต่างนี้ได้รับการตรวจสอบในส่วนที่เหลือของการวิเคราะห์ที่. ที่สามารถเห็นได้จากตารางที่ 2 ทั้ง PE โดยรวมและแง่มุมที่เราของสภาพภูมิอากาศการยศาสตร์ที่มีความสัมพันธ์อย่างมีนัยสำคัญในการทำงานที่เกี่ยวข้องกับความเจ็บปวดสำหรับตัวอย่างทั้งสนับสนุนสมมติฐาน1. 6.3 การถดถอยพหุนามและวิธีพื้นผิวตอบสนองในการทดสอบสมมติฐาน 2e4 เราใช้การถดถอยพหุนาม (ตารางที่ 4) ตัวแปรถูกรวมอยู่ในรูปแบบการถดถอยเหล่านี้อยู่บนพื้นฐานของความสัมพันธ์อย่างมีนัยสำคัญระหว่างตัวแปรทางประชากรและความเจ็บปวดที่เกี่ยวข้องกับงาน แม้ว่าตัวแปรและที่สำคัญเราได้รับการพยากรณ์ของความเจ็บปวดการทำงานที่เกี่ยวข้องกับด้าน PE ไม่ซ้ำกันมีส่วนร่วมในการทำงานที่เกี่ยวข้องกับความเจ็บปวดครั้งเดียวบัญชีสำหรับตัวแปรอื่นๆ รวมอยู่ในรูปแบบ เท่าที่เห็นในตารางที่ 4, สี่เหลี่ยมของ PE และเราทุกแง่มุมและผลิตภัณฑ์จาก PE และแง่มุมที่เรายังถูกรวมในการสร้างชิ้นส่วนที่จำเป็นในการคำนวณผลการRSM เพื่ออำนวยความสะดวกการตีความของผลลัพธ์เหล่านี้เราวางแผนค่าสัมประสิทธิ์การถดถอยพหุนามโดยใช้ RSM (กล่องและผัก, 1987) วิธีพื้นผิวตอบสนองสร้างตัวแทนสามมิติของสัญญาและความขัดแย้งของสองตัวแปรและความสัมพันธ์ของพวกเขาให้กับตัวแปรที่สามผล ค่าสัมประสิทธิ์ที่ได้จากการวิเคราะห์พหุนามในตารางที่ 4 ถูกป้อนเข้าสู่สมการเพิ่มเติมและความแตกต่างในการทดสอบอย่างมีนัยสำคัญของความลาดชันและความโค้งของทั้งสองสาย: สาย(Shanock ของข้อตกลงที่สมบูรณ์แบบและแนวความขัดแย้งที่สมบูรณ์แบบ. et al, 2010). สายที่สมบูรณ์แบบของข้อตกลงการแก้ไขสมมติฐานที่ 2: เมื่อประสิทธิภาพการทำงานและสภาพอากาศที่เป็นอยู่ที่ดีเท่ากับพวกเขามีความสัมพันธ์กับความเจ็บปวดที่เกี่ยวข้องกับการทำงานและเป็นเชิงเส้นความสัมพันธ์นี้? ความลาดชันของสายนี้แสดงให้เห็นถึงระดับต่าง ๆ ของอาการปวดที่เกี่ยวข้องกับงานที่มีประสบการณ์โดยเฉพาะบุคคลที่รับรู้PE และแง่มุมที่เราเป็นอย่างเท่าเทียมกันที่สำคัญ(Shanock et al., 2010, น. 546) ความโค้งของเส้นนี้ให้เราสามารถทดสอบว่าความสัมพันธ์เป็นโค้ง บรรทัดของความขัดแย้งที่สมบูรณ์แบบจ่าหน้าสมมติฐานที่ 3 และ 4 โค้งของสายนี้แสดงว่าระดับของความแตกต่างระหว่างแง่มุมPE และเราของสภาพภูมิอากาศที่เกี่ยวข้องกับการยศาสตร์ workrelated เจ็บปวด นั่นคือความเจ็บปวดได้เพิ่มขึ้นกับขนาดของความแตกต่างในระหว่าง PE และเราทุกแง่มุมของสภาพภูมิอากาศที่เพิ่มขึ้น? ความลาดชันของสายนี้ช่วยให้เราสามารถทดสอบว่าทิศทางของความแตกต่างที่สำคัญ ร่วมกันทั้งสี่สถิติ (ลาดชันและความโค้งของเส้นของข้อตกลงและสายของความขัดแย้ง) จะคำนวณโดยใช้ "การทดสอบพื้นผิว" หรือการรวมกันของพหุนามสัมประสิทธิ์การถดถอย(ตารางที่ 5) แปลง RSM ทั้ง PE และเราสำหรับตัวอย่างการสำรวจที่1 และ 2 ถูกนำเสนอในมะเดื่อ 1 และ 2 ตามลำดับ

ผลลัพธ์ (ไทย) 3:

2-1 " จะเป็นอีกแบบ มีความสัมพันธ์ ยังมีชัดเจน
ความแตกต่างในค่านิยมที่เกี่ยวข้องกับแต่ละ รุ่น RSM
ความขัดแย้งเหล่านี้ และ shanock et al . ( 2010 ) แนะนำว่า RSM
เหมาะสมเมื่อมีจํานวนนอนทริเวียลของความขัดแย้ง
ในตัวอย่าง 1 , 9% ของบุคคลที่มีมาตรฐานแตกต่าง
มากกว่าครึ่งส่วนเบี่ยงเบนมาตรฐานระหว่าง PE และเรา
คะแนนเคยเป็น 7% ของบุคคลในตัวอย่างที่ 2 นี้แสดงให้เห็นว่า แม้การรับรู้ความแตกต่าง

ไม่ใช่ทั่วไปทั้งหมด สัดส่วนของบุคคลที่มีความแตกต่างใหญ่
พอที่จะรับประกัน EXPLORATION ( shanock et al . , 2010 ) ผลกระทบของความแตกต่างนี้
ถูกตรวจสอบในส่วนที่เหลือของการวิเคราะห์ .
ที่สามารถเห็นได้จากตารางที่ 2 ทั้ง PE และแง่มุมของ
เราโดยรวมการยศาสตร์ มีความสัมพันธ์กับการทำงานที่เกี่ยวข้องกับ
เจ็บทั้งสองตัวอย่างที่สนับสนุนสมมติฐาน 1 .
6 . การถดถอยพหุนามและ Response Surface Methodology
เพื่อทดสอบสมมติฐาน 2e4 เราใช้
ถดถอยพหุนาม ( ตารางที่ 4 ) ความรู้อยู่ในตัวแบบการถดถอยเหล่านี้

ตามความสัมพันธ์ระหว่างลักษณะทางประชากรศาสตร์ และความเจ็บปวดที่เกี่ยวกับงานแม้ว่าความรู้และเราพยากรณ์อย่างมีนัยสำคัญ
ของการปวด , PE แง่ไม่ได้
โดยเฉพาะสนับสนุนเกี่ยวกับงานความเจ็บปวดเมื่อการบัญชี
ตัวแปรอื่น ๆที่รวมอยู่ในรูปแบบ เท่าที่เห็นในตารางที่ 4 ,
สี่เหลี่ยมของ PE และ facets และผลิตภัณฑ์ PE และแง่มุม
รวมถึงมีการสร้างคอมโพเนนต์ที่จำเป็น

RSM คำนวณผลลัพธ์