위계적 회귀분석
단계별 투입 · ΔR² · VIF · 잔차진단
수정된 R².312모형 2
ΔR².268p < .001
최대 VIF1.62기준 < 5
Durbin-Watson1.94독립성 충족
표 22. 직무성과에 대한 위계적 회귀분석
| 변수 | 모형 1 | 모형 2 | VIF | ||||
|---|---|---|---|---|---|---|---|
| B | β | t | B | β | t | ||
| (상수) | 3.61 | 28.44*** | 1.42 | 7.91*** | |||
| 성별 (여=1) | −0.04 | −.031 | −0.62 | −0.02 | −.016 | −0.38 | 1.04 |
| 연령 | 0.01 | .128 | 2.31* | 0.01 | .094 | 2.02* | 1.38 |
| 직급 | 0.09 | .171 | 3.08** | 0.06 | .112 | 2.41* | 1.41 |
| 직무자원 | 0.21 | .233 | 4.68*** | 1.58 | |||
| 직무열의 | 0.29 | .354 | 7.02*** | 1.62 | |||
| 직무요구 | −0.05 | −.061 | −1.42 | 1.11 | |||
| R² | .052 | .320 | |||||
| 수정된 R² | .045 | .312 | |||||
| ΔR² | .052 | .268 | |||||
| F | 7.41*** | 31.52*** | |||||
N = 409. * p < .05, ** p < .01, *** p < .001. Durbin-Watson = 1.94, VIF 최대 1.62로 다중공선성 문제는 없었습니다.
표 23. 분산분석 · 모형 유의성
| 모형 | 제곱합 | df | 평균제곱 | F | p |
|---|---|---|---|---|---|
| 모형 1 회귀 | 8.71 | 3 | 2.90 | 7.41 | <.001 |
| 모형 2 회귀 | 53.62 | 6 | 8.94 | 31.52 | <.001 |
| 잔차 (모형 2) | 113.99 | 402 | 0.28 |
그림 13. 회귀 가정 진단
잔차 정규성
등분산성 · 무작위 산포
그림 14. 표준화 회귀계수
β 계수. 직무열의가 가장 큰 설명력을 보였습니다.
해석interp_rules.rule_id = REG_HIER_SIG · 매칭조건 delta_r2_p<.05 AND max_vif<5 AND 1.5
통제변수만 투입한 모형 1의 설명력은 5.2%였으나, 독립변수를 추가한 모형 2에서 32.0%로 증가하였다(ΔR² = .268, p < .001).
직무열의(β = .354, p < .001)가 직무성과에 가장 큰 영향을 미쳤고, 직무자원(β = .233, p < .001)이 뒤를 이었다. 직무요구의 영향은 유의하지 않았다(β = −.061, p = .157).
VIF가 최대 1.62로 기준값 5를 크게 밑돌아 다중공선성 문제가 없었으며, Durbin-Watson = 1.94로 잔차의 독립성 가정도 충족되었다. 잔차 산점도에서 특정 패턴이 관찰되지 않아 등분산성 가정 역시 만족하였다.
코드 생성 · 이 분석을 다른 프로그램 문법으로
MODEL: JP_mean ON sex age rank; JP_mean ON JR_mean WE_mean JD_mean; OUTPUT: STDYX MODINDICES;
모형이나 변수 지정을 바꾸면 네 코드가 함께 갱신됩니다. 심사자가 다른 프로그램으로 재현을 요구할 때 그대로 전달할 수 있습니다.