Paragrafo "Analisi della Mediazione" della tesi di Laurea Magistrale in Economia Aziendale "La relazione tra giustizia organizzativa, work engagement e performance nelle aziende pubbliche. Un'analisi empirica"
More than Just Lines on a Map: Best Practices for U.S Bike Routes
Paragrafo "Analisi della Mediazione"
1. 93
4.6.2 Analisi della Mediazione
Sulla base di questi risultati possiamo indagare l’ipotesi H9 definendo le seguenti
sotto ipotesi:
H9a: il Work Engagement media la relazione tra Giustizia Procedurale e
Contextual Performance.
H9b: il Work Engagement media la relazione tra Giustizia Distributiva e Task
Performance.
Si è provveduto quindi a costruire due modelli di mediazione semplice per
studiare i nessi causali tra le variabili oggetto di indagine.
4.6.2.1 Primo Modello di Mediazione
E’ stato utilizzato il Baron and Kenny’s Casual-Steps Test perché “Baron and
Kenny’s (1986) casual-steps test is by far the most commonly used test of
mediation” (Fritz & MacKinnon, 2007, p. 235).
Prima di procedere con gli step della mediazione sono state condotte l’analisi dei
residui e la verifica degli outliers. Al dataset di partenza sono state rimosse le
osservazioni n°104 e n°129, sulla base delle precedenti analisi.
Il test degli outliers di Bonferroni non ha rilevato anomalie e per tutte le equazioni
sono state confermate le ipotesi di normalità distributiva, linearità ed
omoschedasticità dei residui. (Grafici presenti nell’allegato 2).
2. 94
Inoltre è stata preliminarmente condotta anche l’analisi del variance inflation
factor (VIF) per escludere problemi di multicollinearità nell’equazione relativa
allo step 3.
Analisi del Variance Inflation Factor (VIF)
Giustizia Procedurale Work Engagement
1,130653 1,130653
Tabella 16: Verifica multicollinearità
Step 1: Contextual Performance = β0+ β1Giustizia Procedurale + ε
Analisi della Mediazione, Step 1
Variabile Dipendente Variabile Indipendente Estimate
Std.
Error
t-
value
p-value Multiple R-squared
Contextual Performance Giustizia Procedurale 0,16333 0,03606 4,53
7,01E-
06
0,03015
Nota. Significativo se p < 0,05
Tabella 17: Analisi della Mediazione, Step 1
La relazione tra Giustizia Procedurale e Contextual Performance risulta
significativa. La Giustizia Procedurale causa in media una variazione del 16,33%
della Contextual Performance quando aumenta di una unità il suo punteggio.
3. 95
Step 2: Work Engagement = β0+ β2Giustizia Procedurale + ε
Analisi della Mediazione, Step 2
Variabile Dipendente Variabile Indipendente Estimate Std. Error
t-
value
p-
value
Multiple R-squared
Work Engagement Giustizia Procedurale 0,38609 0,04158 9,286 <2e-16 0,1156
Nota. Significativo se p < 0,05
Tabella 18: Analisi della Mediazione, Step 2
La mediazione ha senso solo se la variabile indipendente ha un impatto
significativo sul mediatore. L’analisi conferma questa relazione e l’incremento di
una unità nel punteggio della Giustizia Procedurale causa una variazione in media
del Work Engagement pari al 38,61%.
Step 3: Contextual Performance = β0+ β3Giustizia Procedurale + β4Work
Engagement ε
4. 96
Analisi della Mediazione, Step 3
Variabile Dipendente Variabile Indipendente Estimate
Std.
Error
t-
value
p-
value
Adjusted R-squared
Contextual Performance Giustizia Procedurale 0,01065 0,03415 0,312 0,755 0,2295
Contextual Performance Work Engagement 0,39546 0,03007 13,153
< 2e-
16
0,2295
Nota. Significativo se p < 0,05; Multiple R-squared Step 3: 0,2318
Tabella 19: Analisi della Mediazione, Step 3
Siamo in presenza di mediazione quando l’effetto della variabile indipendente
sulla variabile dipendente scompare (mediazione completa) o diminuisce
(mediazione parziale) quando il mediatore viene incluso nella regressione. Dalla
tabella si evince che siamo in presenza di mediazione completa.
Il coefficiente di determinazione totale indica quanta parte della variabilità
presente nei dati è spiegata dal modello di mediazione: in questo caso il modello
spiega circa il 22,95% della variabilità complessiva osservata.
L’analisi di bootstrapping, fortemente raccomandata negli ultimi anni (Shrout &
Bolger, 2002), ha verificato la significatività dell’effetto di mediazione e pertanto
l’ipotesi H9a può essere accettata.
Analisi di bootstrapping
Estimate
95% CI
Lower
95% CI
Upper
p-value
ACME 0,1527 0,1134 0,2 <2e-16
ADE 0,0106 -0,0644 0,08 0,78
Total Effect 0,1633 0,0832 0,24 <2e-16
Prop. Mediated 0,9348 0,6479 1,66 <2e-16
Nota. ACME= Average Causal Mediation Effects; ADE= Average
Direct Effects; ACME= (Total Effect - ADE); simulations: 1000;
significativo se p < 0,05;
Tabella 20: Analisi significatività della mediazione
5. 97
Riepilogo Effetti
Effetto Diretto Effetto Indiretto Effetto Totale
/ 0,1527 0,1527
Tabella 21: Effetti nella mediazione completa
Figura 18: Effetto della Giustizia Procedurale sulla Contextual Performance senza e con effetto del
Mediatore
4.6.2.2 Secondo Modello di Mediazione
Il test degli outliers di Bonferroni ha evidenziato che l’osservazione n°463
presentava caratteristiche anomale rispetto al resto delle unità statistiche e,
pertanto, è stata esclusa dell’analisi.
Test di Bonferroni
Numero Osservazione rstudent unadjusted p-value Bonferroni p
463 -4,46283 9,5122E-06 0,0062971
Note. se il p-value relativo al test di Bonferroni è superiore a 0,05 allora non ci sono
outliers
Tabella 22: Test di Bonferroni, equazione: Task Performance = β0+ β1Work Engagement + ε
6. 98
Per tutte le equazioni sono state confermate le ipotesi di normalità distributiva,
linearità ed omoschedasticità dei residui. (Grafici presenti nell’allegato 3)
Anche in questo caso l’analisi del variance inflation factor (VIF) ha escluso
preliminarmente problemi di multicollinearità nell’equazione reltiva allo step 3.
Analisi del Variance Inflation Factor
(VIF)
Giustizia Distributiva Work Engagement
1,120215 1,120215
Tabella 23: Verifica multicollinearità
Step 1: Task Performance = β0+ β1Giustizia Distributiva + ε
Analisi della Mediazione, Step 1
Variabile Dipendente Variabile Indipendente Estimate
Std.
Error
t-
value
p-value Multiple R-squared
Task Performance Giustizia Distributiva 0,12259 0,02816 4,53
1,55E-
05
0,02795
Nota. Significativo se p < 0,05
Tabella 24: Analisi della Mediazione, Step 1
L’analisi ha confermato la significatività della relazione tra Giustizia Distributiva
e Task Performance. La Giustizia Distributiva causa in media una variazione del
12,26% della Task Performance quando aumenta di una unità il suo punteggio.
7. 99
Step 2: Work Engagement = β0+ β2Giustizia Distributiva + ε
Analisi della Mediazione, Step 2
Variabile Dipendente Variabile Indipendente Estimate Std. Error
t-
value
p-
value
Multiple R-squared
Work Engagement Giustizia Distributiva 0,3320 0,0373 8,901 <2e-16 0,1073
Nota. Significativo se p < 0,05
Tabella 25: Analisi della Mediazione, Step 2
La relazione tra Giustizia Distributiva e Work Engagement è significativa e
l’incremento di una unità nel punteggio della Giustizia Distributiva causa una
variazione in media del Work Engagement pari al 33,2%.
Step 3: Task Performance = β0+ β3Giustizia Distributiva + β4Work Engagement
ε
8. 100
Analisi della Mediazione, Step 3
Variabile Dipendente Variabile Indipendente Estimate
Std.
Error
t-
value
p-
value
Adjusted R-squared
Task Performance Giustizia Distributiva 0,03515 0,02795 1,257 0,209 0,1437
Task Performance Work Engagement 0,26336 0,02758 9,549
< 2e-
16
0,1437
Nota. Significativo se p < 0,05; Multiple R-squared Step 3: 0,1463
Tabella 26: Analisi della Mediazione, Step 3
Anche in questo caso è significativo solo l’effetto indiretto e siamo in presenza di
mediazione completa. Il coefficiente di determinazione totale indica che il
modello di mediazione spiega circa il 14,37% della variabilità complessiva
osservata.
Analisi di bootstrapping
Estimate
95% CI
Lower
95% CI
Upper
p-value
ACME 0,0874 0,0604 0,12 <2e-16
ADE 0,0352 -0,0210 0,09 0,224
Total Effect 0,1226 0,0671 0,18 0,002
Prop. Mediated 0,7133 0,4597 1,29 0,002
Nota. ACME= Average Causal Mediation Effects; ADE= Average
Direct Effects; ACME= (Total Effect - ADE); simulations: 1000;
significativo se p < 0,05;
Tabella 27: Analisi significatività della mediazione
L’analisi bootstrapping conferma la significatività della relazione e si può quindi
affermare che il Work Engagement media completamente la relazione tra
Giustizia Distributiva e Task Performance. L’ipotesi H9b è confermata.
Riepilogo Effetti
Effetto Diretto Effetto Indiretto Effetto Totale
/ 0,0874 0,0874
Tabella 28: Effetti nella mediazione completa
9. 101
Figura 23: Effetto della Giustizia Distributiva sulla Task Performance senza e con effetto del
Mediatore
4.6.3 Analisi delle Variabili Socio-demografiche
Sono stati costruiti anche dei modelli di equazioni strutturali includendo le
variabili socio-demografiche, ma queste ultime non sono risultate statisticamente
significative (p -value > 0,05). Pertanto queste sono state analizzate singolarmente
in relazione con le altre variabili del modello. La Qualifica Funzionale, a causa
dell’eccessiva variabilità e della scarsa numerosità campionaria in alcune delle
sue categorie, è stata ricodificata nella variabile binaria (o dummy) Dirigenziale
(si/no). E’ stato utilizzato il test di Levene per valutare l’omogeneità della
distribuzione e, a causa della elevata numerosità campionaria, il grafico Q-Q plot
per verificare l’ipotesi di normalità. I grafici non hanno evidenziato anomalie
significative rispetto alla distribuzione normale, ovvero i dati sono risultati
sempre sufficientemente prossimi alla bisettrice del grafico (non è stato quindi
ritenuto utile riportare tutti questi grafici nella tesi). Il test di Levene ha
evidenziato tre diverse casistiche:
1. In relazione alle variabili socio-demografiche bimodali (Genere e
Dirigenziale) tutte le altre variabili del modello presentano una
distribuzione omoschedastica (p-value > 0,05). In questo caso la
significatività è stata valutata con il test t per campioni indipendenti (p <
0,05). Il Genere influenza in maniera significativa i punteggi della Giustizia
Distributiva (le donne in media hanno un punteggio leggermente inferiore
rispetto agli uomini). Il ruolo dirigenziale incide in modo statisticamente