Data analysis proceduresWe first co

Data analysis procedures
We first conducted confirmatory factor analyses (CFAs) to test the factor structure of the LS, SPS-O, and SPS-S in the sample
at baseline. Second, we tested if factor loadings were invariant across time for each construct to ensure relations between the
factor and other external variables can be compared across groups or time (Chen, Sousa, & West, 2005). Next, we tested the
structural model shown in Fig. 2. Specifically, we tested the autoregressive effects of the latent variable on itself over time
(Paths A1, A2, and A3).We also assessed crossed-lagged effects of LS at Time 1 on SPS-O and SPS-S at Time 2 (Paths B1 and B2),
and the crossed-lagged effects of SPS-O and SPS-S at Time 1 on LS at Time 2, respectively (Paths B3 and B4), with controls for
prior levels of the predictors.
Three fit indices were considered when evaluating the degree of model fit. The model fit was considered good or close
if the RMSEA was less than .05 (Browne & Cudeck, 1992; Hu & Bentler, 1999) and adequate if less than .08 (MacCallum,
Browne, & Sugawara, 1996). If the SRMR achieved a value of less than .08, the model fit was considered good (Fan,
Thompson, & Wang, 1999; MacCallum et al., 1996). For the CFI, a value of .95 or greater is considered an adequate fit
and a value .90 or greater was considered acceptable (Bentler, 1990; Hu & Bentler, 1999). To identify sources of misfit
within a specified model, we inspected the modification indices and conducted a sensitivity analysis to investigate the
changes in the estimates of important parameters in alternative specifications. We also took in consideration our
knowledge of theoretical and substantive research in LS and SPS when the models were re-specified. To determine if the
changes in model fit between the two nested measurement models estimated were significant, the chi-square difference
(likelihood ratio) test was first considered. A significant result of the chi-square difference test usually suggests that the
constraints on the more restricted model may be too strict. However, when the sample size is large, a small discrepancy
from the model that may be of no practical or theoretical interest can lead to rejection of the model on the basis of the
chi-square test. Therefore, goodness-of-fit indexes were also considered in the present study. According to Cheung and
Rensvold (2002), a difference of larger than .01 in the CFI would indicate a meaningful change in model fit for testing
measurement invariance.

Results (Indonesian) 1:

Prosedur analisis dataKami pertama kali melakukan konfirmasi faktor Analisis (CFAs) untuk menguji faktor struktur LS, SPS-O, dan SPS-S dalam sampelpada awal. Kedua, kami menguji jika faktor bongkar muat invarian di seluruh waktu untuk membangun masing-masing untuk memastikan hubungan antarafaktor dan variabel lain eksternal dapat dibandingkan di seluruh kelompok atau waktu (Chen, Sousa, & Barat, 2005). Selanjutnya, kami mengujimodel struktural yang ditampilkan dalam Fig. 2. Secara khusus, kami menguji efek autoregressive variabel laten pada dirinya sendiri dari waktu ke waktu(Jalan A1, A2 dan A3). Kami juga dinilai menyeberangi-lag efek LS waktu 1 pada SPS-O dan SPS-S di waktu 2 (jalur B1 dan B2),dan efek menyeberangi-lag SPS-O dan SPS-S pada waktu 1 di LS di 2 kali, masing-masing (jalur B3 dan B4), dengan kontrol untuktingkat sebelumnya peramal.Tiga indeks fit dianggap ketika mengevaluasi tingkat model fit. Model cocok dianggap baik atau tutupJika RMSEA kurang dari.05 (Browne & Cudeck, 1992; Hu & Bentler, 1999) dan memadai jika kurang dari.08 (MacCallum,Browne, & Sugawara, 1996). Jika SRMR mencapai nilai kurang dari.08, model cocok dianggap baik (Fan,Thompson, & Wang, 1999; MacCallum et al., 1996). Untuk CFI, nilai.95 atau lebih besar dianggap cocok memadaidan nilai.90 atau lebih besar dianggap dapat diterima (Bentler, 1990; Hu & Bentler, 1999). Untuk mengidentifikasi sumber ketidakcocokandalam model tertentu, kami memeriksa indeks modifikasi dan melakukan analisis sensitivitas untuk menyelidikiperubahan dalam perkiraan parameter yang penting dalam spesifikasi alternatif. Kami juga mengambil dalam pertimbangan kamipengetahuan teoritis dan substantif penelitian di LS dan SPS ketika model kembali ditetapkan. Untuk menentukan apakahperubahan dalam model yang sesuai antara dua model pengukuran bersarang diperkirakan yang signifikan, Chi-kuadrat perbedaan(kemungkinan rasio) tes pertama dianggap. Hasil yang signifikan dari tes perbedaan Chi-kuadrat biasanya menunjukkan bahwakendala pada model lebih terbatas mungkin terlalu ketat. Namun, ketika ukuran sampel besar, perbedaan kecildari model yang mungkin tidak tertarik praktis atau teoritis dapat mengakibatkan penolakan model berdasarkan umur, jenistes Chi-kuadrat. Oleh karena itu, indeks kebaikan-dari-fit juga dianggap dalam penelitian ini. Menurut Cheung danRensvold (2002), perbedaan besar dari.01 di CFI akan menunjukkan perubahan yang berarti dalam model yang cocok untuk pengujianpengukuran invariance.

Results (Indonesian) 2:

Prosedur analisis data
Kami pertama dilakukan analisis faktor konfirmatori (CFAS) untuk menguji struktur faktor LS, SPS-O, dan SPS-S dalam sampel
pada awal. Kedua, kita diuji jika beban faktor yang invarian di seluruh waktu untuk setiap konstruk untuk memastikan hubungan antara
faktor dan variabel eksternal lainnya dapat dibandingkan seluruh kelompok atau waktu (Chen, Sousa, & Barat, 2005). Selanjutnya, kami menguji
model struktural ditunjukkan pada Gambar. 2. Secara khusus, kami menguji efek autoregressive dari variabel laten pada dirinya sendiri dari waktu ke waktu
(Jalur A1, A2, dan A3) .Kami juga dinilai menyeberangi tertinggal efek LS pada waktu 1 pada SPS-O dan SPS-S di Time 2 (Jalur B1 dan B2),
dan efek menyeberangi tertinggal dari SPS-O dan SPS-S di Time 1 di LS di Time 2, masing-masing (Jalur B3 dan B4), dengan kontrol untuk
tingkat sebelumnya dari prediksi.
Tiga indeks fit dianggap ketika mengevaluasi tingkat model fit. Model fit dianggap baik atau dekat
jika RMSEA kurang dari 0,05 (Browne & Cudeck, 1992; Hu & Bentler, 1999) dan memadai jika kurang dari 0,08 (MacCallum,
Browne, & Sugawara, 1996). Jika SRMR ini mencapai nilai kurang dari 0,08, model fit dianggap baik (Fan,
Thompson, & Wang, 1999; MacCallum et al., 1996). Untuk CFI, nilai 0,95 atau lebih dianggap sebagai fit memadai
dan nilai 0,90 atau lebih besar dianggap dapat diterima (Bentler, 1990; Hu & Bentler, 1999). Untuk mengidentifikasi sumber dari ketidakcocokan
dalam model tertentu, kami diperiksa indeks modifikasi dan melakukan analisis sensitivitas untuk menyelidiki
perubahan dalam perkiraan parameter penting dalam spesifikasi alternatif. Kami juga mengambil dalam pertimbangan kami
pengetahuan tentang penelitian teoritis dan substantif dalam LS dan SPS ketika model itu kembali ditentukan. Untuk menentukan apakah
perubahan dalam model fit antara dua model pengukuran bersarang diperkirakan cukup signifikan, perbedaan chi-square
(rasio kemungkinan) tes pertama dianggap. Hasil yang signifikan dari uji beda chi-square biasanya menunjukkan bahwa
kendala pada model yang lebih terbatas mungkin terlalu ketat. Namun, ketika ukuran sampel besar, perbedaan kecil
dari model yang mungkin ada kepentingan praktis atau teoritis dapat menyebabkan penolakan dari model berdasarkan dari
uji chi-square. Oleh karena itu, kebaikan-of-fit indeks juga dipertimbangkan dalam penelitian ini. Menurut Cheung dan
Rensvold (2002), perbedaan yang lebih besar dari 0,01 di CFI akan menunjukkan perubahan yang berarti dalam model fit untuk pengujian
pengukuran invarian.