今天的東西好難，有點消化不良，加上肚子餓....＝ ＝
筆記的部分，因為這裡有很多符號不會顯示，就先弄一部份上來，要的人在跟我說吧！像許導就拿走了。雖然我覺得也沒有很大的幫助。
中介效果及調節效果
複習一下上個禮拜教過的東西：
這個研究的假設，有六個：
1. 遇到難應付客戶頻次與情緒勞動大小，有正向關連性。當員工遇到越多難應付之客戶時，其情緒勞動也就越大。
2. 知覺服務訓練的效用與情緒勞動大小，有負向關連性。當員工知覺到服務訓練越有效時，在情緒勞動上所付出的心力越小。
3. 情緒勞動大小與情緒耗竭的嚴重度，有負向關連性。當員工遇到越多難應付之客戶時，其情緒勞動也就越大。
4. 難應付客戶出現的頻次會透過情緒勞動的中介效果， 來預測到情緒耗竭的嚴重度。
5. 服務訓練的效用會透過情緒勞動的中介效果，來預測情緒耗竭的嚴重度。
6. 自我監控對遇到難應付之客戶的頻次與情緒勞動之關係，有顯著的調節效果。員工自我監控越強，遇到難應付之客戶的頻次與情緒勞動之間越無關聯性。員工自我監控越弱，遇到難應付之客戶的頻次與情緒勞之間，具有越強的正向關聯性。
兩個控制變項-性別、年資
計分程式-請記得寫程式，可以記錄下來這是哪些題目加總的（計分之鑰）
加總
執行。全部。
相關係數矩陣
分析。相關。雙變數。
Ex. 在變數中放入所要的項目
語法：
CORRELATIONS
/VARIABLES=sx sen dif train burn mona monb
/PRINT=TWOTAIL NOSIG
/MISSING=PAIRWISE .
要縮減相關係數矩陣
CORRELATIONS
/VARIABLES=sx sen dif train mona monb with burn
/PRINT=TWOTAIL NOSIG
/MISSING=PAIRWISE .
階層回歸
以假設一及二為例。
懷疑性別及年資也會影響其效果，故以階層回歸分析作分析。
1. 先建立回歸方程式（放入控制變項）
（符號）
2. 第二個回歸方程（放入要觀察的變項）
（符號）
3. 統計的跑法
分析。回歸方法。線性。
先放入「情緒勞動」。下面放入「性別、年資」（選擇強迫放入變數）。按下一個。
接著放入「遇到難應付客戶的頻次、知覺服務訓練的效用」，在統計量的地方，選擇「R平方改變量」。之後按確定。
語法：
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA CHANGE
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT labor
/METHOD=ENTER sen sx /METHOD=ENTER dif train .
結果：
在控制了「性別、年資」後，「標準化係數，BATA分配」的「遇到難應付客戶的頻次、知覺服務訓練的效用」係數是.190、-.132，其顯著性都達到顯著，表示已經驗證了假設一及假設二。
驗證假設三
階層一。DV情緒耗竭。IV性別、年資。
階層二。IV情緒勞動。
語法
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA CHANGE
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT burn
/METHOD=ENTER sen sx /METHOD=ENTER dif train /METHOD=ENTER sx sen1 /METHOD=ENTER labor .
允差tolerance < .10（允浩….＊︿︿＊）
VIF > 10
VIF＝1/允差
（沒聽到，什麼是允差）
中介變項
X → M → Y
1. X可以去顯著預測M
2. X可以去顯著預測Y
3. M可以去顯著預測Y
4. 當X、M同時納入回歸的分析，其中M可以顯著影響Y，而X的效果消失
當1、2、3、4都成立，叫做「完全中介效果」（complete）
當1、2、3都成立，但是4不成立，就叫做「部分中介效果」（partial）
在4時，會先跑M再跑X，及先放X再放M，主要在區辯M有效果時，X沒有效果。
調節效果的驗證
M
↓
X → Y
（一堆符號）
預防獨變項與調節變項有太大的相關，所以將其平均數平移到0。
可以用標準化處理。Z分數。
可以，只要在理論上可以解釋。但是在統計上可以解釋，因為統計上M及X的位置是一樣的。
（後半小時上課的東西，我已經放空了＝ ＝"）
筆記的部分，因為這裡有很多符號不會顯示，就先弄一部份上來，要的人在跟我說吧！像許導就拿走了。雖然我覺得也沒有很大的幫助。
中介效果及調節效果
複習一下上個禮拜教過的東西：
這個研究的假設，有六個：
1. 遇到難應付客戶頻次與情緒勞動大小，有正向關連性。當員工遇到越多難應付之客戶時，其情緒勞動也就越大。
2. 知覺服務訓練的效用與情緒勞動大小，有負向關連性。當員工知覺到服務訓練越有效時，在情緒勞動上所付出的心力越小。
3. 情緒勞動大小與情緒耗竭的嚴重度，有負向關連性。當員工遇到越多難應付之客戶時，其情緒勞動也就越大。
4. 難應付客戶出現的頻次會透過情緒勞動的中介效果， 來預測到情緒耗竭的嚴重度。
5. 服務訓練的效用會透過情緒勞動的中介效果，來預測情緒耗竭的嚴重度。
6. 自我監控對遇到難應付之客戶的頻次與情緒勞動之關係，有顯著的調節效果。員工自我監控越強，遇到難應付之客戶的頻次與情緒勞動之間越無關聯性。員工自我監控越弱，遇到難應付之客戶的頻次與情緒勞之間，具有越強的正向關聯性。
兩個控制變項-性別、年資
計分程式-請記得寫程式，可以記錄下來這是哪些題目加總的（計分之鑰）
加總
執行。全部。
相關係數矩陣
分析。相關。雙變數。
Ex. 在變數中放入所要的項目
語法：
CORRELATIONS
/VARIABLES=sx sen dif train burn mona monb
/PRINT=TWOTAIL NOSIG
/MISSING=PAIRWISE .
要縮減相關係數矩陣
CORRELATIONS
/VARIABLES=sx sen dif train mona monb with burn
/PRINT=TWOTAIL NOSIG
/MISSING=PAIRWISE .
階層回歸
以假設一及二為例。
懷疑性別及年資也會影響其效果，故以階層回歸分析作分析。
1. 先建立回歸方程式（放入控制變項）
（符號）
2. 第二個回歸方程（放入要觀察的變項）
（符號）
3. 統計的跑法
分析。回歸方法。線性。
先放入「情緒勞動」。下面放入「性別、年資」（選擇強迫放入變數）。按下一個。
接著放入「遇到難應付客戶的頻次、知覺服務訓練的效用」，在統計量的地方，選擇「R平方改變量」。之後按確定。
語法：
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA CHANGE
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT labor
/METHOD=ENTER sen sx /METHOD=ENTER dif train .
結果：
在控制了「性別、年資」後，「標準化係數，BATA分配」的「遇到難應付客戶的頻次、知覺服務訓練的效用」係數是.190、-.132，其顯著性都達到顯著，表示已經驗證了假設一及假設二。
驗證假設三
階層一。DV情緒耗竭。IV性別、年資。
階層二。IV情緒勞動。
語法
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA CHANGE
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT burn
/METHOD=ENTER sen sx /METHOD=ENTER dif train /METHOD=ENTER sx sen1 /METHOD=ENTER labor .
允差tolerance < .10（允浩….＊︿︿＊）
VIF > 10
VIF＝1/允差
（沒聽到，什麼是允差）
中介變項
X → M → Y
1. X可以去顯著預測M
2. X可以去顯著預測Y
3. M可以去顯著預測Y
4. 當X、M同時納入回歸的分析，其中M可以顯著影響Y，而X的效果消失
當1、2、3、4都成立，叫做「完全中介效果」（complete）
當1、2、3都成立，但是4不成立，就叫做「部分中介效果」（partial）
在4時，會先跑M再跑X，及先放X再放M，主要在區辯M有效果時，X沒有效果。
調節效果的驗證
M
↓
X → Y
（一堆符號）
預防獨變項與調節變項有太大的相關，所以將其平均數平移到0。
可以用標準化處理。Z分數。
可以，只要在理論上可以解釋。但是在統計上可以解釋，因為統計上M及X的位置是一樣的。
（後半小時上課的東西，我已經放空了＝ ＝"）
全站熱搜
留言列表
