Issn: 2278-4853 Vol 9, Issue 6, June, 2020 Impact Factor: sjif 2020 = 882

Asian Journal of Multidimensional Research (AJMR) 
https://tarj.in 
133 
 
AJMR 
Satisfaction Sub-group 
Standard  Score of Satisfaction 
Highly Satisfied (SS) 
66 and above 
Satisfied (S) 
51-65 
Middling or Average (M) 
31-50 
Dissatisfaction (D) 
16-30 
Highly Dissatisfaction (DD) 
15 and less 
Keeping  in  view  the  above  job  satisfaction  factors,  researcher  has  made  an  attempt to  find  out 
average job satisfaction score for managers, supervisors and workers in selected organizations in 
both public and private sectors. If the score of any   job satisfaction factor or factors is or are is 
more or equal to average job satisfaction factor those factor or factors will be considering as high 
job  satisfaction  factor. If  score of  any  job  satisfaction  factor or  factors  is  less  than  average  job 
satisfaction or factors will  be treating as  low  job  satisfaction  factors. This  methodology will  be 
appropriate to achieve the objective 3. To achieve objectives 1 & 2 researcher has framed 5 null 
hypotheses and applied the Chi-square test. The Chi-square is one of the most popular statistics 
because  it  is  easy  to  calculate  and  interpret.  The  purpose  of  using  this  test  is  to  determine 
whether the observed frequencies markedly differ from the frequencies that we would expect by 
chance.  The  observed  cell  frequencies  are  organized  in  rows  and  columns  like  a  spreadsheet. 
This  table  of  observed  cell  frequencies  is  called  a  contingency  table,  and  the  Chi-square  test  if 
part of a contingency table analysis. The Chi-square statistic is the sum of the contributions from 
each of the individual cells. Every cell in a table contributes something to the overall Chi-square 
statistic.  If  a  given  cell  differs  markedly  from  the  expected  frequency,  then  the  contribution  of 
that cell to the overall Chi-square is large. If a cell is close to the expected frequency for that cell, 
then  the  contribution  of  that  cell  to  the  overall  Chi-square  is  low.  A  large  Chi-square  statistic 
indicates  that  somewhere  in  the  table,  the  observed  frequencies  differ  markedly  from  the 
expected frequencies. It does not tell which cell (or cells) are causing the high Chi-square… only 
that they are there. When a Chi-square is high, you must visually examine the table to determine 
which cells (s) are responsible. (http://www.statpac.com/statistics-calculator/counts.htm)