心理应激系统论的实证性研究医学心理学网Word文档下载推荐.docx

心理应激系统论的实证性研究医学心理学网Word文档下载推荐.docx

《心理应激系统论的实证性研究医学心理学网Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《心理应激系统论的实证性研究医学心理学网Word文档下载推荐.docx（12页珍藏版）》请在冰豆网上搜索。

曹日芳等人研究表明该量表具有较好的信度和效度。

量表共30个条目，按1～5级评分，各条目累计为总分，总分越高自动出现的消极思想越频繁。

自动思维总分作为负性自动思维的指标。

1.2.4领悟社会支持量表（PSSS）：

分家庭内支持和家庭外支持两个量表分，用以评定个体领悟到的各种社会支持源如家庭、朋友和其他人的支持程度。

1.2.5艾森克人格问卷（EPQ）：

选用北京大学陈仲庚修订的成人EPQ，共85个条目，分四个量表：

E量表（外向－内向）、N量表（神经质）、P量表（精神质）和L量表（掩饰、假托或自身隐蔽）。

1.2.6自编服刑认知评价问卷：

共有6个条目。

根据三名资深监管专家关于犯人对自身现状的“消极认识”初步意见并添加非消极认知条目，接合应激系统理论中关于对生活事件的“认知评价”内涵，编制如下问卷：

q1对于从前所犯的错误我觉得很后悔

q2我是一个被社会排斥的人

q3出狱以后我不知道怎么生活

q4我的前途十分渺茫

q5就我所犯的罪而言，不该判那么重的刑

q6对家人我觉得很愧

每个条目记分按：

从来没有、很少、偶尔、经常、总是；

依次记1、2、3、4、5分。

1.2.7一般情况问卷：

包括年龄，学历，家庭经济，婚姻情况，刑期和已服刑时间等。

评分如下：

年龄：

按实际年龄；

学历：

文盲1小学2初中3高中4大学及以上5；

家庭经济：

极端贫穷1比较贫穷2富裕3中等富裕4非常富裕5；

婚姻：

未婚1已婚2离异3丧偶4；

刑期：

死缓1，无期2，10年以上3，10年以下4；

已服刑时间：

1年以内1，1年—剩余2年2，剩余2年以下3。

1.2.7统计分析

采用SPSS13.0统计软件，作相关分析（Pearson相关或Spearman相关）和多重线性回归分析，检验水准为α=0.05；

MINITAB作BOX-COX转换，AMOS4．0作路径分析和结构方程建模。

结果

（一）数据处理

1.为了后续的相关分析和多元变量回归分析，对职业变量进行合并（后续统计也按合并变量进行）：

农民1；

工人和服务为2；

行政和知识分子为3.婚姻：

未婚1，已婚2，离异和丧偶3.

2.对连续变量和有序分类变量进行正态性检验，限于SPSS功能只能进行一元正态性检验。

3.由于相关分析和结构方程分析要求变量成多元正态分布，但是由于没有合适的统计软件可用，只有在SPSS13.0上进行一元正态性检验，其中积极应对和家庭外支持符合正态分布，其余的连续变量在MINITAB上进行了BOX-COX转换，转换后的各变量基本接近正态分布。

（二）自编服刑认知评价问卷的因子分析

对服刑态度问卷六个条目进行因子分析，经方差最大正交旋转筛选出两个大于1的特征根（分别为2.201和1.384），累积贡献率为59.75％见表1。

其中q2、q3、q4、q5条目总分组成服刑人员的消极认知。

该问卷内部一致性系数（α系数）为0.711，折半信度（在不可能进行重复调查的情况下可代替重测信度）为0.728。

表1服刑态度问卷

Component

1

2

q1对于从前所犯的错误我觉得很后悔

-.028

.839

q6对家人我觉得很愧

.136

.812

q2我是一个被社会排斥的人

.765

-.015

q3出狱以后我不知道怎么生活

.820

.053

q4我的前途十分渺茫

.816

.128

q5就我所犯的罪而言，不该判那么重的刑

.510

.029

（三）各变量对应激总反应的相关分析结果

经单因素相关分析和等级相关分析（见表2），应激总反应与离婚或丧偶、工人、消极认知、负性自动思维、消极应对、艾森克人格的精神质和神经质维度成有统计学意义的正相关，相关系数依次为0.632、0.195、0.496、0.680、0.748、0.351、0.106；

应激总反应与学历、富裕程度（经济）、未婚、农民、知识分子或干部、积极应对、家庭外支持、家庭内支持、内外向和掩饰成负相关，相关系数依次为－0.196、－0.265、－0.105、－0.127、－0.138、－0.262、－0.184、－0.282、－0.214、－0.120（P<

0.05）.

表2

学历

经济

未婚

离异丧偶

农民

工人

压力总反应

-.196

（**）

-.265

-.105

（*）

.106

-.127

.195

知识分子或干部

消极认知

自动思维

消极应对

积极应对

-.138

.496

.680

.748

-.262

家内支持

家外支持

P

E

N

L

-.184

-.282

.351

-.214

.632

-.120

注：

*<

0.05**P<

0.01；

未婚、已婚、离异或丧偶、农民、工人、知识分子或干部都依次按回归方程的哑变量方法处理。

未婚、已婚、离异或丧偶、农民、工人、知识分子或干部、家内支持、家外支持、P、E、N、L、自动思维、消极应对、积极应对变量作的是Pearson相关系数；

学历和经济作的是Spearman相关系数。

（四）各变量对应激压力总反应的多元线性回归分析结果

以应激反应总分为应变量，以被调查对象的年龄、职业、婚姻、经济状况、学历水平、刑期、已服刑期、艾森克人格维度（P、E、N、L）、家庭内社会支持、家庭外社会支持、消极应对、积极应对、负性自动思维、消极认知等为自变量，按剔除变量的显著性水准为0.10、入选变量的显著性水准为0.05的标准进行多重逐步回归分析。

消极应对、负性自动思维、神经质、消极认知、学历、掩饰人格（L）、精神质人格（P）7个自变量依次进入方程，预测力为70.5％.

经过下面的回归模型的诊断和分析，表明此多重线性回归模型较好。

只有进入回归方程的最后两项（掩饰和精神质）存在一定程度的共线性，而这个可以通过后续的路经分析或结构方程来解决。

表3

因变量

进入方程的自变量

B

β

t

R

R2

压力

总反应

.204

.389

11.950

.000

.

839

.705

.329

.270

8.512

神经质

.009

.227

7.274

.078

.114

4.168

-.043

-.079

-3.234

.001

掩饰

.004

.086

3.041

.002

精神质

.159

.071

2.465

.014

（五）结构方程模型分析结果

结构方程模型（StructuralEquationModeling，SEM）是一种综合运用多元回归分析、路径分析（pathanalysis）和确认型因子分析方法而形成的一种统计数据分析工具（李怀祖，2004）。

可以用于解释一个或多个自变量与一个或多个因变量之间的关系。

以SEM为代表的验证分析的基本思想是：

根据先前的理论和已有的知识，通过推论和假设，形成一个关于一组变量之间的相互关系（常为因果关系）的模型。

然后用数据对模型进行验证，如果模型能很好的拟合数据，模型就可以被接受，否则，需要对模型进行修正使其更好地拟合数据（李霞，2001）。

结构方程模型有以下优点（Bollen和Long，摘自候泰杰，温忠麟，成子娟.结构方程模型及其应用.北京：

教育科学出版社，2004年7月）：

同时处理多个因变量；

容许自变量和因变量含测量误差；

同时估计因子结构和因子关系；

容许更大弹性的测量模型；

估计整个模型的拟合程度。

SEM的决策流程包括模型设定（modelspecification）、模型辨识（modelidentification）、模型估计（modelestimation）、模型评价（modelevaluation）以及模型修正（modelmodification）等步骤。

本研究采用Amos4.0软件来实现SEM的验证过程。

Amos（AnalysisofMomentStructures）由JamesL.Arbuckle设计，是一种功能齐全的统计分析工具，可以实现路径分析、协方差结构分析，回归分析等多方面功能。

除此之外，Amos可以同时计算多条回归路径系数。

根据Amos所提供功能与指标的意义，本研究根据候泰杰等（2004）关于拟合指数的分类与评论，基于AMOS所提供的功能和统计指数，并结合本文需求，选定如下整体模型的衡量标准：

卡方检验值（CMIN，chi-squaretest，χ2）：

用以检验模型与数据的拟合度，χ2越小或P值越大（大于0.05为佳）表明模型拟合越好，但对于参数过多或参数过少的假设模型，样本容量影响χ2值及其检验结果。

而如果（df：

自由度），则对χ2不显著（对应p>

0.05）的要求可忽略不计。

χ2／df：

越接近1越好，小于5可以接受。

标准拟合指数（NFI）：

NFI反应设定模型与独立模型改善的增量干系，一般来说，其值应大于0.8，理想值在0.9以上。

但NFI在样本量少的情况下，会低估拟合程度。

非标准拟合指数（TLI即NNFI）：

以虚模型为基准来衡量模型的拟合改进程度，处理了自由度对模型的影响，考虑了样本的大小，其值需大于0.9，当用TLI来衡量时，越接近1拟合越好。

比较适配指数（CFI）：

CFI是通过与独立模型相比较来评价拟合程度，即使对小样本估计，模型拟合时也能做的很好。

取值范围在0-1之间，一般要求在0.8以上，越接近1，表明模型拟合程度越好。

近似误差均方根（RMSEA）：

Steiger和Lind（1980，摘自候泰杰，温忠麟，成子娟.结构方程模型及其应用.北京：

教育科学出版社，2004年7月）提出之后被广泛使用至今，对于饱和模型（df＝0），RMSEA没有意义（因为除数为0），当df接近0时，RMSEA就变得很不稳定，但总的来说，RMSEA仍是一个好的拟合指数，Steiger认为，RMSEA小于0．1表示好的