圖書館員工作滿意度回歸分析模型的構(gòu)建

1、圖書館員工作滿意度回歸分析模型的構(gòu)建 關(guān)于圖書館員工作滿意度回歸分析模型的構(gòu)建 摘要本文以多元線性回歸為數(shù)據(jù)分析手段，在系統(tǒng)考察當(dāng)今圖書館員工作滿意度影響因素的基礎(chǔ)上，建立了以工作滿意度為因變量的回歸模型。模型的自變量涉及三類：人口學(xué)的基本信息；快樂指數(shù)因子；組織承諾因子。最后又進一步對這些因子的影響效應(yīng)進行了分析。 論文關(guān)鍵詞圖書館員 工作滿意度 快樂指數(shù) 組織承諾 本文以特殊群體圖書館從業(yè)人員為研究對象，綜合探測影響其工作滿意度的各種主客觀因素，并試圖建立可以預(yù)測其工作滿意度的回歸方程，從而為圖書館員工作滿意度的界定和測量提供科學(xué)的工具。 1研究設(shè)計、回歸模型結(jié)構(gòu)及方法 11研究設(shè)計 圖書

2、館員工作滿意度受多方面因素影響，這些因素既應(yīng)包括圖書館員基本的個體特征，如工作時間、收入水平等，又受到每個圖書館員對生活和工作的基本態(tài)度的影響，因此，表征其生活態(tài)度的主觀幸福感與表征其離職傾向的組織承諾可能對圖書館員工作滿意度有重要作用?；诖?，本研究試圖將這些影響因素統(tǒng)一納入對工作滿意度的影響模型中，并從中篩選出那些能夠?qū)D書館員工作滿意度起獨立顯著作用的因子。 12模型結(jié)構(gòu) 在本研究的回歸模型中，包括了以下四類信息： (1)圖書館員工作滿意度信息：從6個子維度對圖書館員工作滿意度信息進行收集與評估，最后加權(quán)得出一個工作滿意度總指數(shù)，作為本研究希望考察的因變量。 (2)圖書館員基本人口學(xué)信息

3、，包括：性別、年齡、職稱、職務(wù)、學(xué)歷、進館年限、圖書館類型、工作地區(qū)、之前是否從事其他行業(yè)以及月收入。 (3)圖書館員快樂指數(shù)信息：從成長發(fā)展體驗、心態(tài)平衡體驗、自我接受體驗、目標(biāo)價值體驗、身體健康體驗、社會信心體驗、家庭氛圍體驗和知足充裕體驗8個子維度對圖書館員快樂指數(shù)進行評估。 (4)圖書館員組織承諾信息：從情感承諾、繼續(xù)承諾、規(guī)范承諾3個子維度評估圖書館員對圖書館行業(yè)及其所在館的忠誠度與離職意愿，個體對組織的忠誠度越高，則其離職意愿越低。 13研究方法 采用spss130，將收集到的數(shù)據(jù)進行歸類，然后采用強迫入選法，將人口學(xué)信息、快樂指數(shù)及組織承諾分為三類變量，納入多元線性回歸方程。其中

4、由于人口學(xué)變量為定類或定序變量，均以虛擬變量方式納入多元回歸過程。 2結(jié)果分析 21極端個案篩選 第一次強迫入選法共納入42個自變量，其中虛擬變量31個；從三組變量中篩選出16個beta系數(shù)達到顯著性水平的自變量，強迫入選進第二次回歸方程，得到11個beta系數(shù)達到顯著性水平的自變量；采用強迫人選法進行第三次回歸，l1個自變量的beta系數(shù)均滿足了顯著性水平。最后納入回歸方程的自變量依次是：人口學(xué)變量職稱館員、月薪一千元以下；快樂指數(shù)成長發(fā)展體驗、心態(tài)平衡體驗、自我接受體驗、目標(biāo)價值體驗、社會信心體驗、家庭氛圍體驗和知足充裕體驗；組織承諾情感承諾、繼續(xù)承諾。 由于回歸散點圖顯示存在明顯偏離的特

5、異數(shù)據(jù)，故以殘差大于3個標(biāo)準(zhǔn)差為標(biāo)準(zhǔn)，選出5個特異個案(見表1)，不納入最終回歸統(tǒng)計。 22模型分析 對刪除特異個案的數(shù)據(jù)進行回歸分析，得到的11個自變量同上。 圖為回歸方程標(biāo)準(zhǔn)化誤差的頻數(shù)直方圖，從圖中可以看出，誤差頻數(shù)分布基本符合正態(tài)曲線，滿足多元回歸模型的誤差正態(tài)分布假設(shè)。 表2為擬和過程表。其中數(shù)據(jù)說明，最終模型是因變量與自變量之間的復(fù)相關(guān)系數(shù)R一0749，反映了因變量與自變量之間具有比較明顯的線性關(guān)系。確定系數(shù)R0561，反映了被選人的自變量作為因變量圖書館員工作滿意度的預(yù)測因子具有較高的解釋力。由于該模型中樣本數(shù)為因子數(shù)的數(shù)十倍，故修正的R2差異很小，可忽略不計?；貧w估計的標(biāo)準(zhǔn)誤差S=040980，樣本回歸效果不錯。而且，從第一個模型到最后一個模型的建立過程中，每一次納入新變量后，F(xiàn)增量都達到顯著水平(P0001)，說明最終模型的變量組具有較高的解釋效用。DurbinWatson(德賓一沃