作者：李东 北京市朝阳区团结湖社区卫生服务中心

数据分析我们通过一个工作周的每日问卷收集日水平的数据，通过一般问卷收集一次个人水平的数据。白天的测量都是嵌套在人体内的，因为每个人都是在几天内观察到的。因此，我们使用层次线性模型（HLM）6.0软件包进行了多层分析。我们将人水平的预测变量集中在大平均周围，日水平的预测变量集中在各自的人均值（组平均中心）。我们采用了群体平均集中法，因为我们只对人际关系感兴趣。
结果描述性分析显示了变量的平均值、标准差和相互相关性。在测试假设之前，我们检查了一天内特定工作参与的可变性（个人内部方差，第1级方差）。总方差为1.396，其中46.1%的方差可归因于第1级的方差（人内方差），53.9%的方差可归因于第2级的方差（人间方差）。这些结果表明，特定日期的工作参与在人内部和人之间显示出实质性的差异。
对假设的检验，我们指定并比较了不同的hlm来预测特定日期的工作投入。在空模型中，截距是唯一的预测器。在模型1中，我们输入了人层面的控制变量。在模型2和模型3中，我们输入了白天水平的预测变量：恢复状态、心理气候、工作控制和时间压力。在模型4a中，我们测试了工作控制和时间压力之间的交互项。在模型4b中，我们测试了恢复状态与时间压力之间的相互作用项。显示了预测工作投入的所有变量的多级估计值、标准误差和t值。模型1比Null模型有显著改善。性别、年龄、专业经验和领导地位等控制变量都不是工作投入的显著预测因素。一般的工作投入水平显著预测了特定日期的工作投入。模型2比模型1有了额外的改进。为了支持假设4，恢复的特定状态积极预测工作投入。模型3比模型2有了进一步的改进。假设1和假设2的支持、特定工作控制和特定工作心理氛围与工作投入呈正相关
模型4a比模型3有了额外的改进，即在特定日期的工作控制和预测工作投入的特定日期的时间压力之间的交互项。我们使用了牧师、提供的在线HLM计算器，对这种交互效应进行了简单的斜率测试。我们选择了两个主持人日特定工作控制的条件值：高于平均值一个标准差（高工作控制）和低于平均值一个标准差（低工作控制）
工作时间压力和工作控制对工作投入的交互作用。对于高工作控制，将时间压力与工作投入呈正相关的简单斜率是显著的。对于低工作控制，将时间压力与工作投入呈负相关的简单斜率略有显著。如假设3所预测的，结果显示，在工作控制高的日子，时间压力与工作投入呈正相关，而在低工作控制的日子，时间压力与工作投入呈负相关。与模型3相比，Df模型4b没有显示出额外的改进，即特定天数的恢复状态和特定天数的时间压力之间的交互项与工作投入没有显著相关。因此，假设5不被支持。1本日记研究探讨了特定工作需求、特定工作和个人资源对工作投入的加性和交互效应。特定日期的工作投入随着早晨的恢复状态、特定日期的时间压力、特定日期的工作控制和特定日期的工作心理气候而变化。这些结果强调了我们的主张，即动态前因应该包含到预期结果的模型中，如工作参与。通过表明工作投入随着时间的推移而显著变化，并通过根据个人和工作的特定日期特征来解释这些变化，我们的研究支持了JD-R模型的理论命题的假设适用于日常过程水平的假设。我们的方法允许我们利用“紧急情况”
以及工作的动态特征”以及这个人，并显示了他们在预测工作参与度方面的意义。最重要的发现是，特定日期的工作控制限定了时间压力和工作投入之间的联系。据我们所知，本研究首次证明了JD-R模型的中心命题，即工作需求和工作资源应该共同预测日常水平上的工作参与度。在员工认为有高工作控制的日子里，特定日期的时间压力与工作参与度呈正相关。在员工认为工作控制较少的日子里，特定时间的时间压力与工作参与度呈负相关。这一发现与丹尼尔斯和德乔格所讨论的匹配的概念是一致的作者认为，匹配被定义为“两个或多个工作特征之间的一致性或对应关系”，可以促进幸福感和表现。