To test our hypothesized models, we

To test our hypothesized models, we first updated the correlations of both mixed EI and ability EI with job performance. Table 1 lists the primary studies that were originally coded in the meta-analyses of Joseph and Newman (2010b) and O’Boyle et al. (2011), as well as the primary studies uniquely included in the current analysis. We also conducted 16 original metaanalyses, estimating the bivariate relationships of both general self-efficacy and self-rated job performance with mixed EI, ability EI, Emotional Stability, Conscientiousness, Extraversion, and cognitive ability (shown in Table 2). Then, by combining published meta-analyses with our original meta-analyses, we formed a meta-analytic correlation matrix (Table 3). We used this meta-analytic correlation matrix as the basis for a series of structural models to test (a) the amount of variance in mixed EI measures captured by a set of seven predictors and (b) the effect of these predictors on the mixed EI–job performance relationship (see Figures 1, 2, and 3). Although some scholars have advocated the combination of meta-analysis with structural equation modeling (Shadish, 1996; Viswesvaran & Ones, 1995), others have pointed out potential limitations of the approach because this process (a) uses a pooled correlation matrix instead of a covariance matrix, (b) lacks a definitive sample size for the meta-analytic correlation matrix, (c) assumes the elements in the meta-analytic correlation matrix represent a common population, and (d) ignores second-order sampling error (see Cheung & Chan, 2005; Landis, 2013; Newman, Jacobs, & Bartram, 2007). Unfortunately, the only alternative procedure for testing a structural model with metaanalytic data (i.e., two-stage structural equation modeling, or TSSEM; Cheung & Chan, 2005) requires at least one primary study to measure all of the constructs included in the model, and because no primary study in the current meta-analytic database met this requirement, we instead used meta-analytic SEM. In doing so, we followed Landis’s (2013) set of recommendations (i.e., we drew the elements in the matrix that were not estimated as part of the current study from published meta-analyses rather than conducting mini-meta-analyses, and we warn the reader that causal inferences cannot be drawn from these analyses). As for the problem of failing to specify a particular target popu lation to which the correlation matrix corresponds—this appears to be a ubiquitous limitation that plagues the vast majority of studies in organizational research and is not unique to meta-analytic SEM.

Hasil (Bahasa Indonesia) 1:

Untuk menguji model kita hypothesized, kita pertama diperbarui korelasi campuran EI dan kemampuan EI dengan kinerja kerja. Tabel 1 Daftar studi utama yang awalnya dikodekan dalam meta-analisis Yusuf dan Newman (2010b) dan O'Boyle et al. (2011), serta penelitian utama yang unik termasuk dalam analisis ini. Kami juga melakukan metaanalyses asli 16, memperkirakan hubungan bivariate kedua kinerja umum kemanjuran diri dan rating sendiri pekerjaan dengan campuran EI, kemampuan EI, kestabilan emosi, membangun kesadaran, Extraversion, dan kemampuan kognitif (ditunjukkan dalam tabel 2). Kemudian, dengan menggabungkan meta-analisis diterbitkan dengan meta-analisis kami asli, kami membentuk sebuah meta analitik korelasi matriks (Tabel 3). Kami menggunakan meta analitik korelasi matriks ini sebagai dasar untuk serangkaian model struktural untuk menguji () jumlah varians dalam langkah-langkah EI campuran yang ditangkap oleh serangkaian tujuh prediksi dan (b) pengaruh prediktor campuran EI-kinerja hubungan (Lihat gambar 1, 2, dan 3). Meskipun beberapa cendekiawan menganjurkan kombinasi meta-analisis dengan persamaan struktural pemodelan (Shadish, 1996; Viswesvaran & orang-orang, 1995), orang lain telah menunjukkan potensi keterbatasan pendekatan karena proses ini () menggunakan terkumpul korelasi matriks bukan matriks kovarians, (b) tidak memiliki ukuran sampel definitif meta analitik korelasi matriks, (c) mengasumsikan unsur-unsur di meta analitik korelasi matriks mewakili populasi umum, dan (d) mengabaikan urutan kedua sampling error (Lihat Cheung & Chan , 2005; Landis, 2013; Newman, Jacobs, & Bartram, 2007). Sayangnya, hanya alternatif prosedur untuk pengujian model struktural dengan metaanalytic data (yaitu, model persamaan struktural dua tahap, atau TSSEM; Cheung & Chan, 2005) membutuhkan setidaknya satu utama studi untuk mengukur semua konstruksi yang disertakan dalam model, dan karena dasar tidak belajar di arus meta analitik database memenuhi persyaratan ini, kami sebaliknya menggunakan meta analitik SEM. Dalam melakukannya, kita mengikuti Landis's set (2013) rekomendasi (yaitu, kita menarik elemen dalam matriks yang tidak diperkirakan sebagai bagian dari penelitian ini dari meta-analisis diterbitkan daripada melakukan mini-meta-analisis, dan kami memperingatkan pembaca bahwa kausal kesimpulan tidak dapat diambil dari analisis ini). Adapun masalah gagal untuk menentukan target tertentu telah hal yang sanggat menarik yang korelasi matriks sesuai — ini tampaknya pembatasan di mana-mana yang malapetaka sebagian besar studi di organisasi penelitian dan tidak unik untuk meta analitik SEM.

Hasil (Bahasa Indonesia) 2:

Untuk menguji model kami hipotesis, pertama kami memperbarui korelasi dari kedua campuran EI dan kemampuan EI dengan prestasi kerja. Tabel 1 daftar studi utama yang awalnya dikodekan dalam meta-analisis dari Joseph dan Newman (2010b) dan O'Boyle et al. (2011), serta studi utama unik termasuk dalam analisis ini. Kami juga dilakukan 16 metaanalyses asli, memperkirakan hubungan bivariat baik umum self-efficacy dan prestasi kerja sendiri dinilai dengan campuran EI, kemampuan EI, Emotional Stabilitas, Conscientiousness, Extraversion, dan kemampuan kognitif (ditunjukkan pada Tabel 2). Kemudian, dengan menggabungkan diterbitkan meta-analisis dengan aslinya meta-analisis kami, kami membentuk matriks korelasi meta-analisis (Tabel 3). Kami menggunakan matriks korelasi meta-analisis ini sebagai dasar untuk serangkaian model struktural untuk tes (a) jumlah varians dalam tindakan EI campuran ditangkap oleh satu set tujuh prediktor dan (b) pengaruh prediktor tersebut pada EI campuran hubungan kinerja -job (lihat Gambar 1, 2, dan 3). Meskipun beberapa ulama telah menganjurkan kombinasi meta-analisis dengan model persamaan struktural (Shadish, 1996; Viswesvaran & Ones, 1995), orang lain telah menunjukkan potensi keterbatasan pendekatan karena proses ini (a) menggunakan matriks korelasi dikumpulkan bukannya kovarians matriks, (b) tidak memiliki ukuran yang pasti sampel untuk matriks korelasi meta-analisis, (c) mengasumsikan elemen dalam matriks korelasi meta-analisis mewakili populasi umum, dan (d) mengabaikan orde kedua sampling error (lihat Cheung & Chan, 2005; Landis, 2013; Newman, Jacobs, & Bartram, 2007). Sayangnya, satu-satunya prosedur alternatif untuk menguji model struktural dengan data metaanalytic (yaitu, dua-tahap pemodelan persamaan struktural, atau TSSEM; Cheung & Chan, 2005) memerlukan setidaknya satu studi utama untuk mengukur semua konstruksi termasuk dalam model, dan karena tidak ada studi utama dalam arus basis data meta-analisis memenuhi persyaratan ini, kita malah menggunakan meta-analisis SEM. Dalam melakukannya, kami mengikuti (2013) Kumpulan Landis untuk rekomendasi (yaitu, kita menarik unsur-unsur dalam matriks yang tidak diperkirakan sebagai bagian dari penelitian ini dari yang diterbitkan meta-analisis daripada melakukan mini-meta-analisis, dan kami memperingatkan pembaca bahwa kesimpulan kausal tidak dapat ditarik dari analisis ini). Adapun masalah gagal untuk menentukan lation sasaran popu tertentu yang sesuai-ini matriks korelasi tampaknya menjadi batasan di mana-mana yang mengganggu sebagian besar studi dalam penelitian organisasi dan tidak unik untuk meta-analisis SEM.