MétaCan
Menu
← Retour à la cohorte
Enregistrement W2765873729 · doi:10.5465/ambpp.2016.237

"Accounting for Endogeneity in Associations between HR Systems, Leadership, and Employee Attitudes"

2016· article· en· W2765873729 sur OpenAlexaff
Joseph A. Schmidt, Dionne Pohler

Notice bibliographique

RevueAcademy of Management Proceedings · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueJob Satisfaction and Organizational Behavior
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésEndogeneityCausal inferencePsychologyCausality (physics)ReputationSocial psychologyObservational studyInstrumental variableMatching (statistics)Causal modelEconometricsEconomicsStatisticsPolitical science

Résumé

récupéré en direct d'OpenAlex

The purpose of this research was to make stronger causal inferences about the associations between HR systems, leadership, and employee attitudes in an observational field sample. We controlled for a number of potential sources of endogeneity with longitudinal employee survey data that was collected over a period of eight years. We first conducted propensity score matching to reduce the likelihood that selection or sorting effects influenced the results. We then compared lagged panel regression models that tested if HR systems and/or leadership likely had causal effects employee attitudes, if omitted third variables were a potential source of endogeneity, or if reverse causality (employee attitudes cause perceptions of HR systems or leadership) could explain the observed effects. The results showed that there was a reciprocal relationship between HR systems and person-organization fit perceptions, leadership caused perceptions of the organization’s employment reputation, and that person-organization fit caused perceptions of leadership. We discuss how causal inference affects theory development and provide suggestions about how scholars can improve research designs to make stronger causal inferences with observational field data.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,075
score de la tête « metaresearch » (Gemma)0,175
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,075
Score d'incertitude au seuil0,398

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0750,175
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,003
Communication savante0,0020,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,073
Tête enseignante GPT0,286
Écart entre enseignants0,214 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management Proceedings→Même sujetJob Satisfaction and Organizational Behavior→Travaux en français237 207→