Impact of Forgiveness on Marital Trust: Mediating Role of Emotional Reconciliation
Notice bibliographique
Résumé
This study aimed to examine the effect of forgiveness on marital trust with emotional reconciliation as a mediating variable among married individuals in Hong Kong. A descriptive correlational design was employed using a sample of 381 married participants, selected based on Krejcie and Morgan's sample size table for large populations. Data were collected using standardized self-report questionnaires measuring forgiveness, emotional reconciliation, and marital trust. Descriptive statistics, Pearson correlation analysis, and Structural Equation Modeling (SEM) were conducted using SPSS-27 and AMOS-21 software. Assumptions for normality, linearity, multicollinearity, and homoscedasticity were tested and confirmed prior to the analysis. Pearson correlations revealed significant positive associations between forgiveness and emotional reconciliation (r = .62, p < .01), forgiveness and marital trust (r = .58, p < .01), and emotional reconciliation and marital trust (r = .55, p < .01). The SEM analysis demonstrated a good model fit (χ²/df = 2.14, CFI = 0.97, RMSEA = 0.045, TLI = 0.96). Forgiveness had a significant direct effect on emotional reconciliation (β = 0.62) and marital trust (β = 0.34), while emotional reconciliation significantly predicted marital trust (β = 0.37). The indirect effect of forgiveness on marital trust through emotional reconciliation was also significant (β = 0.23), indicating a partial mediating role. The total effect of forgiveness on marital trust was substantial (β = 0.57, p < .001). The findings suggest that forgiveness enhances marital trust both directly and indirectly through emotional reconciliation. These results underscore the importance of promoting emotional repair strategies in marital relationships to rebuild trust following interpersonal conflicts.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».