hierarchical multiple regression an

hierarchical multiple regression analysis was used to test
Hypothesis 1. Hypothesis 2 concerns compliance with work
rules and terminations. The response options for each of
these questions were ordinal. For the item relating to attendance,
we combined the first two response options (1 = bottom
5%; 2 = lower than most) with the third response option
(3 = typical of most) because these two options were selected
by less than 1% of the sample for each category. This recoding
resulted in three categories for attendance rating (3 = typical
of most or lower; 4 = higher than most; 5 = top 5%) and ordinal
logistic regression was used to test for generational differences.
Similarly, the response options for appearance ratings
were ordinal, and the two lowest categories (1 = appearance is
never appropriate; 2 = appearance is sometimes appropriate)
were combined with the third response option (3 = appearance
is usually appropriate). This adjustment created a binary
coding of the appearance variable (3 = appearance is not
always appropriate; 4 = appearance is always appropriate) and
binary logistic regression was used to test Hypothesis 2 with
respect to appearance rating.The response options for terminations
were ordinal (e.g., 1 = never; 2 = I left a job to avoid
being fired; 3 = I have been fired once; 4 = I have been fired at
least twice) and did not require any adjustment; thus, ordinal
logistic regression was used to test Hypothesis 2 with respect
to terminations. Finally, we combined the lowest two
response options for willingness to work overtime (1 = never
work when asked; 2 = rarely work when asked) with the third
category (3 = occasionally work when asked) and used ordinal
logistic regression to test Hypothesis 3.

Hasil (Bahasa Indonesia) 1:

hierarki analisis regresi digunakan untuk mengujiHipotesa 1. Hipotesis 2 menyangkut kepatuhan dengan pekerjaanaturan dan pengakhiran. Pilihan jawaban untuk masing-masingpertanyaan-pertanyaan ini adalah ordinal. Untuk item yang berkaitan dengan kehadiran,Kami menggabungkan pilihan dua tanggapan pertama (1 = bawah5%; 2 = lebih rendah daripada kebanyakan) dengan pilihan respon ketiga(3 = khas paling) karena dua pilihan ini dipiliholeh kurang dari 1% dari sampel untuk setiap kategori. Ini recodingmengakibatkan tiga kategori untuk kehadiran rating (3 = khassebagian atau lebih rendah; 4 = lebih tinggi daripada kebanyakan; 5 = atas 5%) dan ordinalregresi logistik digunakan untuk menguji untuk generasi perbedaan.Demikian pula, respon pilihan untuk penampilan peringkatUrut, dan dua kategori terendah (1 = penampilan adalahpernah tepat; 2 = penampilan kadang-kadang sesuai)digabungkan dengan pilihan respon ketiga (3 = penampilanini biasanya sesuai). Penyesuaian ini dibuat binerCoding variabel penampilan (3 = penampilan bukanlahselalu tepat; 4 = penampilan selalu tepat) danregresi logistik biner digunakan untuk menguji hipotesis 2 denganmemperhatikan penampilan peringkat. Pilihan jawaban untuk pengakhiranitu ordinal (misalnya, 1 = pernah; 2 = saya meninggalkan pekerjaan untuk menghindaridipecat; 3 = saya telah dipecat sekali; 4 = saya telah dipecat dipaling tidak dua kali) dan tidak memerlukan penyesuaian apapun; dengan demikian, ordinalregresi logistik digunakan untuk menguji hipotesis 2 dengan hormatuntuk pengakhiran. Akhirnya, kami menggabungkan dua terendahpilihan jawaban untuk bersedia bekerja lembur (1 = tidak pernahbekerja ketika ditanya; 2 = jarang bekerja ketika ditanya) dengan ketigaKategori (3 = kadang-kadang bekerja ketika ditanya) dan digunakan ordinalregresi logistik untuk menguji hipotesis 3.

Hasil (Bahasa Indonesia) 2:

analisis regresi berganda hirarkis digunakan untuk menguji
Hipotesis 1. Hipotesis 2 masalah kepatuhan dengan pekerjaan
aturan dan pengakhiran. Pilihan tanggapan untuk setiap
pertanyaan ini adalah ordinal. Untuk item yang berkaitan dengan kehadiran,
kami menggabungkan dua opsi pertama respon (1 = bawah
5%; 2 = rendah daripada kebanyakan) dengan opsi respon ketiga
(3 = khas dari sebagian besar) karena dua opsi tersebut dipilih
oleh kurang dari 1% sampel untuk setiap kategori. Recoding ini
mengakibatkan tiga kategori untuk wisatawan pertemuan (3 = khas
dari sebagian besar atau lebih rendah; 4 = lebih tinggi daripada kebanyakan; 5 = 5%) dan ordinal
. Regresi logistik digunakan untuk menguji perbedaan generasi
Demikian pula, pilihan respon untuk penilaian penampilan
yang ordinal, dan dua kategori terendah (1 = penampilan
tidak sesuai; 2 = penampilan kadang-kadang tepat)
digabungkan dengan pilihan respon ketiga (3 = penampilan
biasanya tepat). Penyesuaian ini menciptakan biner
coding dari variabel penampilan (3 = penampilan tidak
selalu tepat; 4 = penampilan selalu tepat) dan
regresi logistik biner digunakan untuk menguji hipotesis 2 dengan
sehubungan dengan penampilan rating.The pilihan respon untuk pengakhiran
yang ordinal ( misalnya, 1 = tidak pernah, 2 = saya meninggalkan pekerjaan untuk menghindari
dipecat; 3 = saya telah dipecat sekali; 4 = saya telah menembak
setidaknya dua kali) dan tidak memerlukan penyesuaian apapun; dengan demikian, ordinal
regresi logistik digunakan untuk menguji hipotesis 2 dengan hormat
untuk pengakhiran. Akhirnya, kami menggabungkan terendah dua
pilihan respon kesediaan untuk bekerja lembur (1 = tidak pernah
bekerja ketika ditanya; 2 = jarang bekerja ketika ditanya) dengan ketiga
kategori (3 = kadang-kadang bekerja ketika ditanya) dan digunakan ordinal
regresi logistik untuk menguji Hipotesis 3 .