环境匹配的视角作者-心理学报.pdfVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
题目:边界弹性与工作-家庭冲突、增益的关系:基于人‒环境匹配的视角 作者:马红宇 申传刚 杨 璟 唐汉瑛 谢菊兰 第一轮 审稿人1 意见: 意见1:为什么要把弹性能力和弹性意愿放在一起进行比较?这种比较的理论基础是什么? 它们看起来是两个领域的概念,似乎不适合放在一起比较。在过往的研究中,比较都是在同 一个概念领域之间进行的,例如计划达到的目标和当前的目标,个人偏好的价值观和组织提 倡的价值观等等。 回应:我们将弹性能力和弹性能力放在一起进行比较是基于人-环境匹配理论,即个体特征 和环境特征的相容性,个体特征包括个体的生理的或心理需要、价值观、目标、能力、个性 等;环境特征包括组织场景中的内部或外部回报、供给、文化价值观、物理和人际条件等。 匹配包含以下两种情况:(1)个体的能力和技能与环境的需求或要求相符合;(2)环境提供 的回报或供给与个体的需求或愿望相符合(Edwards, 2008)。在本研究中,边界弹性意愿指 个体愿意从一个角色向另外一个角色转换的程度,是个体对工作和家庭进行整合和分割的动 机性成分,实际上是个体对工作和家庭之间处于某种状态的期望。边界弹性能力指个体对自 己能否从认知或行为上离开一个角色以满足另外一个角色需求的评估,它实际上代表着个体 对其限制其角色转变的外界环境的认知性评估。所以,边界弹性意愿与边界弹性能力之间的 匹配实际上是匹配的第二种形式,即外部环境的供给与个体愿望之间的匹配。 意见2:为什么要采用 Edwards 提出的多项式回归的方法?如果采用其他的方法,例如直接 把能力和意愿相减作为自变量,得到的结果有差异吗?另外,二次项对 R2 的解释有多大的 额外贡献?具体地,如果自变量是弹性能力、弹性意愿、以及能力和意愿的交互项,再加入 两次项后,有多大的 R2 增加?如果增加的非常有限,那么为什么一定要使用多项式回归? 回应:以往关于人-环境匹配的研究中,关于两个构念之间的匹配程度的衡量主要采用差异 分数(difference scores),即通过个体在同一属性量表分别评估自己的愿望(或能力,简 称 P)和环境的回报(或要求,简称 E),然后计算两个分数的差值,具体的形式有代数差 X Y 2   (X Y)、差的绝对值( )、差的平方(X Y),但是他们只能反映匹配的整体特征, 并且在一些情况下,P 和 E 对结果变量的影响是一种 U 型曲线的关系,而非简单的线性关系, 如果单纯地用差异分数来进行线性关系检验,无法区分超过或不及情况下对结果变量的影响 情况,存在着容易丢失信息、对差异性来源不敏感、无法反映单个变量的贡献率等缺点。后 来,Edward 和 Parry 指出人、环境和结果变量之间的关系应被看作三个方面,提出了多项 式回归(polynomial regression)方程来对P 和 E 之间的关系进行检验,通过多项式回归 方程,可以更为详细地描述 P 和 E 与结果变量之间的复杂关系,通过检验系数之和或之差的 显著性来进一步地检验 P 和 E 完全匹配情况下(P=E)和不匹配情况下(P=-E)的结果变量 的发展趋势,弥补了差异分数只反应匹配整体特征、差异性来源不敏感等不足,另外通过多 项式回归方程所建立的三维反应曲面更为清晰地展示 P 和 E 之间的变化时,结果变量的变化 趋势(Edward Parry, 1993; Edward Harrison, 1993; Edward, 1996; Edward Rothbard, 1999, 2000)。所以在本研究中,我们采用了目前大多数学者所认可的多项式回归和三维反 应曲面的方式来处理数据。 2 在二项式回归的过程中,在纳入了变量的高阶项之后,R 显著地增加,或者方程中的高阶项 系数显著,即说明 P 和 E 之间匹配和结果变量之间存在着非线性关系,此时,相关的具体结 果可以通过反应曲面方法(response surface methodology)呈现出三维图形。也就是说在 2 二项式回归分析的过程中,R 的增加并非一个唯一的指标来衡量二次项在纳入方程的意义。 2 在本研究中,通过文章中的表 3 我们可以得知,R 的增加

文档评论(0)

niupai11 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档