工作特征与组织公民行为-组织承诺的日常关联:多层次分析

摘要: 本研究采用多层次建模方法, 考察了核心工作特征(自主性、多样性、意义、身份和反馈)与组织公民行为-组织承诺 (OCB-CH) 之间的日常关联。

方法: 初步分析表明数据中没有单变量的异常值,也没有关于数据共线性的显著问题。我们对六个潜变量构建进行了多层因素分析 (MCFA), 结果显示整体拟合度令人满意。此外,我们使用 Snijders-Bosker R2 度量方法解释 OCB-CH 的方差。

结果: OCB-CH 与核心工作特征呈正相关,初步支持了我们的假设。多层次模型分析表明,核心工作特征与 OCB-CH 的每日内部个体关联强度在个体之间没有明显变化。任务多样性对每日 OCB-CH 存在显著的上下文效应。

结论: 本研究结果表明,核心工作特征,尤其是任务多样性,对促进员工的 OCB-CH 具有重要意义。

关键词: 组织公民行为-组织承诺, OCB-CH, 核心工作特征, 多层次建模, 上下文效应, 任务多样性, 工作特征, 日常关联

正文:

初步分析表明数据中没有单变量的异常值,也没有关于数据共线性的显著问题。表1展示了双变量相关性以及一级和二级变量的描述性统计数据。

(插入表1)

六个潜变量构建的多层因素分析 (MCFA) 结果显示整体拟合度令人满意:χ2 (df = 630) = 1576.24,p < 0.001;CFI = 0.903;RMSEA = 0.070;SRMRWithin/SRMRBetween = 0.064 / 0.078,AIC = 20861.69;BIC = 21416.022。与所有项目都在每个层次上加载在一个因子上的模型相比,该模型对数据的拟合更好:Δχ2 (df = 35) = 4820.23,p < 0.001,AIC = 25611.93;BIC = 26036.04,这提供了构念判别效度的证据。

OCB-CH 与核心工作特征呈正相关,初步支持了我们的假设。每日变量的 ICC 值表明个体之间和个体内的可变性相当大。对于 OCB-CH,62% 的方差在个体间,这与先前关于其他形式的具有挑战性的 OCB 的研究结果一致 (例如,Ohly 和 Fritz,2010)。对于工作特征而言,自主权方差的 59%、多样性方差的 66%、意义方差的 73%、身份方差的 68% 以及反馈方差的 64% 均归因于个体间差异,这与先前关于日常工作资源的研究结果一致 (Xanthopoulou 等,2009)。这些结果表明,多层次建模是我们数据的合适分析方法。

假设测试

表2 包含多层次模型分析的非标准化结果。包含控制变量的模型 1 的拟合度没有优于模型 0 (Δχ2 = 7.12,Δdf = 4,p = 0.129)。所有控制变量均与 OCB-CH 无关。模型 2 包括工作特征的个体均值中心化版本。模型 2 的数据拟合度显著优于模型 1 (Δχ2 = 97.03,Δdf = 5,p < 0.001)。我们发现,核心工作特征与 OCB-CH 的每日内部个体关联强度在个体之间没有明显变化 (即固定斜率) (Δχ2 = 10.52,Δdf = 5,p = 0.06)。在模型 2 中,使用 Snijders-Bosker R2 度量方法解释了 14.72% 的 OCB-CH 方差,处于一级。

尽管这不是本研究的重点,但先前的横断面研究表明,工作特征在预测行为结果方面存在交互作用 (例如,Dodd 和 Gangster,1996)。每日工作特征之间没有发现显著的交互作用。此外,我们的相关矩阵显示,在个体之间的某些变量关联与个体内的相关关系不同。我们使用 Antonakis 等人 (2021) 描述的程序来检测上下文效应。我们发现任务多样性对每日 OCB-CH 存在显著的上下文效应 (d = 0.33,p < 0.001)

工作特征与组织公民行为-组织承诺的日常关联:多层次分析

原文地址: https://www.cveoy.top/t/topic/b2l2 著作权归作者所有。请勿转载和采集!

免费AI点我,无需注册和登录