1
Dans l’article présenté ci-dessus, nous avons analysé les mesures de satisfaction au travail à l’aide de MEM (avec sujet et item comme effets aléatoires croisés) afin de pouvoir généraliser aux sujets de la population et aux instruments de mesure de la satisfaction au travail. L’utilisation des ces modèles avait pour but de pouvoir comparer les résultats en fonction du choix de la mesure de satisfaction au travail.
En effet, si les différentes mesures de satisfaction au travail opérationnalisaient le même construit, alors nous nous serions attendu à obtenir des résultats similaires indépendamment de l’échelle choisie, ce qui n’a pas été le cas.
Le pouvoir de généralisabilité aux items des MEM nous a permis de discuter les quatre échelles de satisfaction au travail mesuré dans la première étude.
D’autres manières d’analyser ces données s’offraient à nous, mais avec des buts différents. Comme nous l’avons mentionné dans la partie II, une autre manière d’analyser des données de type question-naire serait d’utiliser des SEM (considérés par beaucoup comme “The state of the art” en psychologie).
Les SEM, nous l’avons vu, permettent de ne pas considérer chacune des mesures de satisfaction au travail comme des mesures parallèles. Dans ces modèles, il y a l’idée que les différentes mesures défi-nissant le facteur latent représentent bien ce facteur, mais il n’y a pas (à l’heure actuelle en tout cas) une notion de généralisabilité aux items mesurant le facteur latent.
Ainsi, si nous analysons les quatre mesures de satisfaction au travail à l’aide de SEM, si nous trouvons des résultats différents pour les quatre VD, nous ne pourrons pas conclure s’il s’agit d’une différence liée à la non généralisabilité des items ou d’une différence liée à des facteurs latents différents.
Comme les MEM nous permettent de tester les différences entre les échelles, nous avons choisi de présenter dans cette partie les résultats de l’analyse des quatre VD une fois avec les MEM (reprise des analyses présentées dans l’article) et une fois avec des SEM afin de voir si nous serions arrivés aux mêmes conclusions. Mais notons bien que ces deux types d’analyses ont des finalités différentes et que pour atteindre notre but qui était de comparer différentes échelles de satisfaction au travail et d’apporter quelques arguments au débat sur l’existence ou non d’un consensus sur la définition de la satisfaction au travail, seuls les MEM avec leur capacité à généraliser aux items étaient adaptés.
Lorsque nous essayons d’expliquer les différentes mesures de satisfaction au travail à l’aide de facteur lié au travail, les résultats obtenus en utilisant des MEM (cf. table 12.3) sont très proches (dans l’interprétation) de ceux obtenus en utilisant des SEM2 (cf. table 12.4). Par interprétation, nous entendons que si la VI est liée positivement à la VD dans le MEM alors cette relation sera également positive dans le SEM, par contre la taille des paramètres estimés est assez différentes en fonction du choix du modèle.
Si nous n’avions pas analysé nos données au préalable à l’aide de MEM, concernant les différences trouvées pour la demande psychologique et la significativité de la tâche entre les VD, nous ne pourrions pas dire qu’il s’agit de différence entre les facteurs latents, car cela pourrait également s’expliquer par la non prise en compte de item comme effet aléatoire.
Pour l’analyse de la satisfaction au travail à l’aide des facteurs liés à la personnalité, nous trouvons des différences entre l’analyse à l’aide de MEM (cf. table 12.5) et celle à l’aide de SEM (cf. table 12.6).
Nous avons vu dans l’article qu’il y a plus de différences pour les facteurs liés à la personne et les
1. Cette section est un complément à l’article et il n’a pas été soumis. Il a pour but de faire le lien entre les modèles à effets mixtes (MEM) que nous proposons d’utiliser et les modèles à équations structurelles (SEM) qui correspondent au “state of the art” dans la littérature.
2. Le logiciel OpenMx ne calcule pas directement les p-valeurs pour les paramètres estimés, c’est pourquoi nous avons estimé pour chaque paramètre deux modèles : un modèle avec et un modèle sans le paramètre (i.e. dans les path diagrammes : avec et sans la flèche entre la variable explicative et la satisfaction au travail). La différence de déviance (moins deux fois la différence entre les log vraisemblances de ces modèles) suit une loi duχ2 avec un degré de liberté, ce qui est représenté dans les tables 12.4 et 12.6.
quatre échelles de satisfaction en utilisant des MEM. Le genre était significativement lié au MSQ et non significatif lié aux autres échelles ; le lieu de contrôle interne était significativement lié au ESVP et au MSQ ; la chance au MSQ et au PUR (Baillod & Semmer, 1994) ; l’auto-efficacité au ESVP, au MSQ et au PUR. Pour le lieu de contrôle externe (externe par une puissance), le pourcentage va du simple au quadruple. Maintenant, en utilisant des SEM, nous serions arrivés à la conclusion que le genre n’était pas lié à la satisfaction au travail et que ceci était valable pour les quatre échelles.
Ce résultat irait en faveur de l’idée que ces quatre mesures opérationnalisent le même construit, vu que nous obtenons les mêmes résultats, ce que les analyses avec les MEM tendent à infirmer. Cette remarque peut également s’appliquer à l’auto-efficacité où cette variable est significativement liée aux quatre échelles de satisfaction au travail.
Concluons cette partie en se rappelant que les outils statistiques sont au service du questionnement des chercheurs et si le but est de pouvoir comparer des résultats mesurés sur des échelles différentes, comme c’est notre cas, l’utilisation des MEM est recommandée. Par contre si le but est de tester une théorie ou un modèle sur la base d’échelles bien définies, l’utilisation de SEM sera plus adaptée. En résumé, à chaque question son outil.
Si nous revenons sur les résultats des simulations du chapitre 9, nous avons vu que le taux d’erreur de type I pour des variables de N2su dans le cas des SEM est légèrement supérieur à celui des MEM pour 4 items. La différence de taux qui semble diminuer avec l’augmentation du nombre d’items. Ainsi, dans la plupart des cas3, pour le MSQ constitué de 20 questions, le choix du SEM ou du MEM ne devrait pas avoir de grande conséquence sur l’inférence. Par contre pour les trois autres échelles qui ont entre 4 et 7 items, il sera plus difficile dans le cas du SEM de savoir si les différences de relation entre les facteurs et les échelles de satisfaction au travail sont dues à un problème d’échelle de satisfaction au travail ou à un problème d’inférence.
3. Dans la plupart des cas car dans le cas de la variable “age” dans l’analyse du MSQ avec un SEM, elle n’est pas significativement liée à la satisfaction au travail, par contre elle l’est avec l’analyse du MEM.
Table 12.3 – Analyses des quatre échelles de satisfaction au travail à l’aide de MEM : facteurs liés
Table12.4 – Analyses des quatre échelles de satisfaction au travail à l’aide de SEM : facteurs liés au
Table12.5 – Analyses des quatre échelles de satisfaction au travail à l’aide de MEM : facteurs liés à
Table12.6 – Analyses des quatre échelles de satisfaction au travail à l’aide de SEM : facteurs liés à
Job dissatisfaction : a work or a personality problem ?
Ce chapitre constitue un article qui est en révision.
13.1 Abstract
The main purpose of this study was to investigate if job satisfaction (JS) is related to work conditions, to personality, to both independently ; or to an interaction of both factors. Firstly, the affectivity and the locus of control were found to mainly moderate the relation between work variables and JS. These effects were dependent of the trade (affectivity moderated between 20.0% and 46.7%
of the job variables and locus of control moderated between 16.6% and 40.0% of the job variables).
Secondly, it was found that the work-related variables were better predictors of JS than the personality ones and explained a large amount of its variance (up to 50% for a single work-related variable versus merely up to 20% for the personality one). Lastly, the vertical interactional and distributive justice, skills utilizations, role ambiguity and conflict, trust in organization, PA and power others external locus of control were found to explain around 78% of JS variance in the two studies.
13.2 Introduction
Job satisfaction (JS) is one of the most frequently studied concepts in work and organizational psychology. It has been of interest to researchers as an outcome as well as an explanatory variable. It is seen as an indicator of the organization’s functioning which could lead employees to show positive or negative behaviors toward the organization. Moreover, it has an impact on life in general (Spector, 1997).
Two groups of factors have been mainly been studied in relation to JS : factors related to work and factors related to the person. Few studies have simultaneously focused on the factors related to work and on those related to person in an attempt to explain JS. One exception is for example the study of Judge et al. (2000) in which the authors examined the mediating role of job characteristics in the relation between personality and JS.
In this article, we will turn our attention simultaneously to both groups of factors and test the moderating effects of personality variables on work variables (i.e., the interaction between work-related variables and personality-related variables) to more comprehensively explain JS and define if job dissatisfaction is a problem related to work conditions, to personality, to both independently ; or to an interaction of both factors.
Firstly, the literature on factors related to JS will be presented ; secondly, the personality variables 163
moderator effect on the JS and the work-related variables relations will be tested. Thirdly, the pre-dictive power of the person-related and work related factors will be tested. And lastly, a JS’s model will be proposed and replicated to another set of data.
13.2.1 Theoretical Background : factors related to JS
There is nothing surprising in the fact that the first group of factors is related to work. One cannot talk about JS without talking about the job. Therefore we start by defining what characterizes jobs or work in more general terms.
According to Hackman and Oldham’s (1976) theory on job characteristics, there are five essential elements defining the five core job dimensions that must be present to generate positive work outcomes : 1) skill variety, 2) task identity, 3) task significance, 4) autonomy and 5) feedback. These five elements lead to the experience of three psychological states : meaningfulness of work (related to the first three characteristics), responsibility for the outcomes (i.e., autonomy) and the knowledge of the actual results of the work activities (i.e., feedback). A high level in the five characteristics, and therefore in the three psychological states, defines a high level of JS. This link has been supported by many researches (Fried & Ferris, 1987 ; Judge et al., 2000 ; Loher et al., 1985). It is further important to note that the relation between job characteristics and JS has been shown to be moderated by the intensity of the personal need for growth (Goris et al., 2000).
Karasek (1979) has proposed to simultaneously take into account two characteristics of the work environment : job decision latitude and job demands. The first one, which also includes the characte-ristics of Hackman et Oldham (1976), is the worker’s possibility to decide how to meet these demands.
The second one is the psychological job demands placed on the worker (qualitative and quantita-tive psychological job load). Many researchers have found that a high level of psychological demands and a low level of job decision latitude have a negative impact on health and on JS (Karasek, 1979 ; Niedhammer et al., 2006 ; Pelfrene et al., 2001). A third dimension in the Karasek model was added later : the social support at work (Karasek & Theorell, 1990). In a validation of the Karasek “Job Demand-Control-Support” model (Pelfrene et al., 2001), the decision latitude and the social support were found to have a large impact on JS, while the degree of psychological demands seems to be more related to the fact of feeling stressed than to JS.
Another environmental factor related to JS is organizational constraints. These constraints, when felt by the employees, decrease JS (Spector, 1997) and could be directly related to certain job cha-racteristics such as the need for further skills to do the tasks (Spector, 1986) or the impact of not receiving feedback (Anseel & Lievens, 2007). An additional source of dissatisfaction is the problem related to roles in an organization. For example, an employee with a high level of role ambiguity or with a high level of role conflict will be dissatisfied (p. ex. : Abramis, 1994 ; Acker, 2004 ; Jackson &
Schuler, 1985 ; Yousef, 2000).
One of the main sources of JS is organizational justice (Irving et al., 2005 ; Loi et al., 2009 ; Masterson et al., 2000). Organizational justice corresponds to the employee’s perception of fairness and it is mainly examined through three forms of justice : the distributive justice (i.e., outcome distributions corresponding to implicit norms such as equity, equality and need (Deutsch, 1975)), the procedural justice (i.e., the processes by which decisions are made), and the interactional justice (i.e., the decision makers’ interpersonal treatment, respect and explanation of decisions during the procedures) (Colquitt, 2001). This last dimension could be further separated into two : the superior, called the vertical interactional justice and the colleagues, called the horizontal interactional justice (Iglesias & Renaud, 2011).
Organizational justice is highly related to the trust in the organization and this could be increased by ensuring procedural justice (Dirks & Ferrin, 2002 ; Tan & Tan, 2000). Trustful relationships lead to feelings of confidence, support and security and thus improve JS (e.g, Mulki et al., 2006). The trust in the organization is described as a source of affective organizational commitment (Albrecht
& Travaglione, 2003) which will motivate employees to identify themselves with the goals and values of their organization and therefore develop loyalty to it (Ladebo, 2006). High levels of co-worker and organizational trust have been positively related to JS (Aryee et al., 2002).
The above mentioned factors are only some of the numerous job factors related to JS. And as mentioned earlier, another group of factors were studied in relation to JS : the person-related variables.
When talking about these variables, “attributes” of the person, e.g. sex, age, have to be distinguished from personality attributes (p. ex. : internal locus of control, neuroticism). The personality attributes have been widely studied in the eighties, following some innovative studies as on the genetic bases of JS (Arvey et al., 1989) or on the stability of JS related to personal dispositions (Staw & Ross, 1985).
Concerning the variable sex, findings are unequivocal. Some studies found no significant relation between sex and JS (Brush et al., 1987 ; Pana & McShane, 2001 ; Witt & Nye, 1992). Other studies found that women are more satisfied than men even though they have lower positions in term of salary, autonomy or advancement opportunities (Sangmook, 2005).
Finally, other studies found that men are more satisfied than women (Cheung & Scherling, 1999).
Regarding another person attribute variable, the relation between age and JS, findings seems more substantial but they are not clear cut either. In fact, some researches reported evidence for a positive linear relation between age and JS (Brush et al., 1987 ; Warr, 1992 ; White & Spector, 1987), while others found support for a non-linear relation. When controlling for professional status (partially depending on age), the relation between age and JS has been demonstrated to be of a quadratic U-shape (A. E. Clark et al., 1996 ; Hochwarter et al., 2001 ; Kacmar & Ferris, 1989 ; Zeitz, 1990).
However, no convincing explanation concerning this relation has been given.
Concerning factors related to personality, many studies found JS stability over time (p. ex. : Connolly & Viswesvaran, 2000 ; Dormann et al., 2006 ; Judge & Bono, 2001) and they showed that JS was dependent on the individual dispositions.
One way to tackle the individual dispositions is to investigate the affective individual disposition.
Studies conducted by Watson and his colleagues (p. ex. : Watson & Clark, 1984 ; Watson & Slack, 1993) suggest that the affective disposition is made up of two facets : positive affectivity (PA) and negative affectivity (NA). Many studies supported that workers with an high NA level would be less satisfied at work (p. ex. : Brief et al., 1995 ; Judge, 1993 ; Levin & Stokes, 1989 ; Schaubroeck et al., 1996) including two meta-analyses (Connolly & Viswesvaran, 2000 ; Thoresen et al., 2003). Regarding people with a high PA level, they are expected to be more satisfied at work (p. ex. : Connolly &
Viswesvaran, 2000 ; Thoresen et al., 2003. The various studies showed a stronger relation between PA and JS than between NA and JS.
Another way to analyze individual dispositions is to use the Big Five (Goldberg, 1990) which contains five dimensions of personality : openness, conscientiousness, extroversion, agreeableness and neuroticism (p. ex. : Costa et al., 1998. Results of a meta-analysis conducted by Judge et Heller (2002) show that neuroticism is the dimension most strongly correlated with JS (negative correlation), follo-wed by conscientiousness and extroversion (positive correlations). Finally, agreeableness and openness do not correlate with JS.
A more recent approach to study the link with individual disposition is to focus on how we evaluate our environment. This appraisal will affect the perception of job characteristics and in return JS. It is called core self-evaluations and depends on four elements : self-esteem, self-efficacy (i.e., the ability to mobilize the motivation, cognitive resources and actions needed to control life events), locus of control (i.e., representing the perceived degree of control over life) and the absence of neuroticism (p. ex. : Judge et al., 1997 ; Judge & Bono, 2001. Various studies show that the four dimensions are positively correlated with JS (p. ex. : Faragher et al., 2005 ; Judge et al., 2000).
Furthermore, Judge & Heller (in 2002, cited by Bowling et al., 2005) found that core self-evaluations better predicted overall satisfaction at work than affective disposition (NA-PA) or a combination of the Big Five personality traits.
Most studies on the link of JS with core self-evaluations seem to go in the same direction except Dormann et al. (2006). The latest studies conclude that although one could argue for the use of the four above dimensions, it is not recommended as these dimensions are too vast to study with JS. It would be preferable to analyze the NA and the locus of control which are the two important variables and leave aside self-esteem and self-efficacy as they are not strongly related to JS.
Concerning the links between the different factors used to evaluate the individual disposition, it is of interest to mention a few additional points : the neuroticism factor is sometimes referred to as emotional stability and it is highly related to NA (Judge et al., 1998 ; Larsen & Ketelaar, 1991 ; Watson & Tellegen, 1988) ; the extroversion factor is strongly related to PA (Watson & Tellegen, 1988) ; self-esteem is one of the major sources of PA (Judge et al., 1998). Furthermore, some studies have attempted to link self-esteem and the Big Five (Farmer et al., 2001 ; Judge & Heller, 2002).
13.2.2 Hypotheses/Goals
Our main aim was to define if job dissatisfaction is a problem related to work conditions, to personality, to both independently ; or to an interaction of both factors. We pursued three goals : 1) To explore if the variables of personality moderated the relation between JS and variables of work ; 2) To explore which variables (personality versus work ones) were better predictors of the variability of JS ; and 3) To propose a model to explain JS and to confirm it on an extra set of data.
13.3 Materials and Methods
13.3.1 Samples Study 1
This sample consists of 301 public workers from the French speaking part of Switzerland made of four trades : postmen (48), secretaries (103), prison guards (44) and teaching and research assistants (106). They were between 18 and 65 years old (with a mean (M) of 38.01 and a standard deviation (SD) of 11.01). There were 171 women and 127 men (3 participants did not report their group membership).
For a repartition by trade see table 13.1.
Figure13.1 – Sample Size and Characteristics by Building Trades of Study 1
T
This sample consisted of 152 workers belonging to the public and para-public employer’s union trade of the Canton of Fribourg in Switzerland. They were between 18 and 65 years old (their age was recorded in 5 categories : with 1 worker less than 25 years, 21 workers aged between 25 and 34, 42 between 35 and 44, 59 between 45 and 54 and 29 older than 54 years). There were 101 women and 50 men (1 participant did not report his/her sex).
13.3.2 Data and Procedure
A particular attention to the questionnaire methodology was drawn in order to avoid spurious correlation between the scales following Podsakoff et al. (2003) recommendations.
The questionnaire consists of three separate booklets grouping scales by theme : “JS”, “work” and
The questionnaire consists of three separate booklets grouping scales by theme : “JS”, “work” and