2 结 果

    2.1矿工工作倦怠的JD-R模型探索与验证

    在模型探索前,分层回归分析显示相对其他变量,人口学变量对主变量的解释贡献率较低,JD-R模型设定时可以忽略,以简化模型。再将所有数据在SPSS中按照50%的比例随机分成两半,并保证测量条款与样本比例符合结构方程技术要求标准[22]。对其中一半数据进行矿工工作要求-资源、社会支持与工作倦怠3个维度之间关系的探索分析。

    根据Bakker的研究[4],借鉴其他职业倦怠模型经验[5-6],提出矿工工作倦怠JD-R假设模型,假设矿工工作要求、工作资源、社会支持与工作倦怠3个维度均有显著影响。

    根据Amos7.0提供的修正指数发现,工作资源对疏离工作、社会支持对生理疲乏的预测不理想,因此在模型中删除了这两条路径,对假设模型进行修正,得到如图1所示的模型M1,模型M1的各项拟合指数:χ²/df=3.35,GFI=0.90,AGFI=0.85,TLI=0.91,CFI=0.93,RMSEA=0.064。

    根据另一半调查数据对模型M1进行验证性分析,得到的验证模型与探索模型一致。验证模型的各项拟合指数:χ²/df=3.66,GFI=0.90,AGFI=0.85,TLI=0.91,CFI=0.93,RMSEA=0.069,说明验证模型,是有效合理的,证明了探索模型M1中的变量关系能够解释矿工的工作倦怠 ......