AFFECT MODERATES THE ASSOCIATION BETWEEN SOCIAL SUPPORT AND RETIREMENT SATISFACTION OVER TIME
Notice bibliographique
Résumé
Abstract Retirement is becoming more important for today’s older adults because they are living longer than before. Recently, research has started to explore how different individual resources (e.g., health or finances) and social resources (e.g., social support or social network size) influence retirement outcomes such as retirement satisfaction. Moreover, the current study sought to examine the influence of time, satisfaction with social support, and affect (i.e., positive or negative) as predictors of retirement satisfaction. Data was obtained from a longitudinal study that explored how older adults in Montreal, Canada adjusted to life in retirement over the course of three years. Hypotheses were tested using a structural equation model that investigated retirement satisfaction as predicted by time, satisfaction with social support, positive affect, and negative affect. Gender differences were also explored. Overall, there was no change over time among the variables. Satisfaction with social support, positive affect, and negative affect were all associated with retirement satisfaction in the expected directions. Positive affect moderated the association between satisfaction with social support and retirement satisfaction, such that the association was stronger for those low in positive affect. Also, negative affect moderated the association between satisfaction with social support and retirement satisfaction as a function of gender. This study extended the literature by exploring how multiple predictors interacted to influence retirement satisfaction over time. Future research should examine how individual and social resources can interact with each other to better understand retirement satisfaction.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».