你有两个问题：

• 如何形成工作满意度的整体衡量标准？
• 如何检查您创建的分数的组差异？

形成工作满意度的总体衡量标准

如果您使用既定的工作满意度衡量标准，那么测试手册应该告诉您应该如何计算总体工作满意度得分。

如果工作满意度的衡量标准是新颖的，则有多种方法可以形成总体工作满意度得分，其中各个项目询问参与者工作满意度的各个方面。根据我的经验，当您对工作满意度度量进行因子分析时，第一个未旋转的因子解释了相对于任何后续因子的大部分方差。因此，无论您是运行因子分析并保存第一个因子，还是只取所有测量方面满意度的项目的平均值，您都可能得到一个非常相似的整体工作满意度度量（我希望相关性两种形式之间在 r > .95 范围内）。当然，您可以而且应该在您的数据中测试这个想法。

更重要的是，存在普遍的有效性问题。如果您不太关心测量的精度，那么我认为第一个因素节省的分数或工作满意度项目的平均值将是衡量整体工作满意度的合理近似值。

但是，如果您关心精确度，您会希望参与文献中关于是否应该直接询问总体工作满意度而不是从方面级别的测量中提取的辩论。我在这里再讨论一下。

小组工作满意度

一旦您对工作满意度进行了总体衡量，比较组的任务可能如下所示：

• 对于type of organisation, job status, 和gender, 独立组 t 检验将起作用
• 对于年龄组，您可以使用多项式对比进行方差分析。特别是，如果它们是年龄的影响，它通常同时具有线性和二次分量。如果你有一个更细粒度的年龄测量会更好。

更新

我在我的博客上收到了以下评论，您在其中写道：

但是，我仍然对我的主管如何告诉我使用因子分析感到困惑，但您似乎说使用 t 检验就足够了。你能进一步告诉我吗？

我是说你有两个问题。因子分析只涉及第一个问题，即如何构建工作满意度的总体度量。在您创建了该整体度量之后，无论是否通过因子分析，组差异的测试都很简单。

你最终的工作满意度结构对我来说听起来很可疑。当你总结工作满意度的不同方面来创建你的最终分数时，你隐含地假设每个方面都有相同的权重——它们实际上并不相同，正如你将在文献中看到的那样。

明确衡量整体满意度会更容易，这可以让您模拟每个方面对整体满意度的贡献程度（文献中有很多这样的例子）。如果没有这个，我认为你能做的最好的事情就是分别对工作满意度的各个方面进行建模。我认为这就是你的主管的因素分析建议的用武之地：如果你已经测量了工作满意度的几个方面，其中一些可能会结合在一起。因子分析可以让您根据这些变量（例如，“物质奖励”、“工作环境”）创建量表。我不是给你建议的合适人选，但我认为这可能是你的主管的一般想法。

你听起来像个大学生，所以找出是否有学生可用的统计支持，并尽其所能。这东西不容易。无论如何，这并不能阻止社会科学家这样做，但仅仅因为您的软件将计算结果并为您的模型提供显着的 p 值并不意味着该模型值得该死。

我只是在学习统计分析，我不确定我的回答是否会有所帮助，但我只是想让你停下来想一想你试图通过分析实现什么。（通常处于恐慌状态，通常最终会进行各种分析）

我收到的最有价值的建议之一是你不需要复杂的统计分析来证明一个观点。如果您接受过统计培训，那很好，但归根结底，您必须能够理解并且更重要的是向他人解释您的方法和发现。

我会采取一个简单的方法如下：

1. 根据回答的相对重要性/不重要程度给予权重，例如，1 分表示满意，0 分表示矛盾，-1 表示不满意。（李克特量表反应更好）
2. 确保您在 (1) 中的评分是等效的，即具有所有三分或五分评分。这保证了最终分数的整体规模的纯粹性。
3. 把分数加起来

您现在有了工作满意度的总分。您可以运行相关性分析，然后比较系数以查看是否存在差异。

The Job Satisfaction Survey or JSS, has some of its items written in each direction--positive and negative. Scores on each of nine facet subscales, based on 4 items each, can range from 4 to 24; while scores for total job satisfaction, based on the sum of all 36 items, can range from 36 to 216. Each item is scored from 1 to 6 if the original response choices are used. High scores on the scale represent job satisfaction, so the scores on the negatively worded items must be reversed before summing with the positively worded into facet or total scores. A score of 6 representing strongest agreement with a negatively worded item is considered equivalent to a score of 1 representing strongest disagreement on a positively worded item, allowing them to be combined meaningfully. Below is the step by step procedure for scoring.

1. 对项目的回答应从 1 表示最不同意，到 6 表示最同意每个项目。这假设量表没有被修改，并且使用了原始的同意-不同意响应选项。

2. 否定词的项目应反向计分。下面是左列中原始项目分数和右列中反向项目分数的反转。最右边的值应该替换最左边的值。这也可以通过从 7 中减去内部项目的原始值来实现。

1 = 6

2 = 5

3 = 4

4 = 3

5 = 2

6 = 1

3. 否定词项是 2、4、6、8、10、12、14、16、18、19、21、23、24、26、29、31、32、34、36。请注意，反转不是每隔一个.

4. 在从步骤 2 反转后，对每个方面得分的 4 个项目和所有项目的总分的响应相加。项目进入子量表，如表所示。

子量表

项目编号

支付

1、10、19、28

晋升

2、11、20、33

监督

3、12、21、30

附加福利

4、13、22、29

或有奖励

5、14、23、32

运行条件

6、15、24、31

合作伙伴

7、16、25、34

工作性质

8、17、27、35

沟通

9、18、26、36

完全满意

1-36

5. 如果缺少某些项目，您必须进行调整，否则分数将太低。最好的程序是计算个人每个项目的平均分数，然后用该平均值代替缺失的项目。例如，如果一个人没有对 1 个项目做出回应，则从步骤 4 中获取总数，除以回答的数字或 3 表示方面或 35 表示总数，然后将此数字替换为缺少的项目，方法是将其添加到步骤 4 的总计。一个更简单但不太准确的过程是用中间响应替换每个缺失的项目。由于刻度的中心在 3 到 4 之间，因此可以使用任何一个数字。当缺少项目发生时，应该交替这两个数字。