《结构方程在大学生宿舍人际关系与心理健康研究中的应用毕业论文》由会员分享,可在线阅读,更多相关《结构方程在大学生宿舍人际关系与心理健康研究中的应用毕业论文(20页珍藏版)》请在金锄头文库上搜索。
1、天津职业技术师范大学Tianjin University of Technology and Education毕 业 论 文专 业: 数学与应用数学 班级学号: 0901 12 学生姓名: 孙雯 指导教师: 吕晓静 副教授 二一三年六月 / 文档可自由编辑打印天津职业技术师范大学本科生毕业论文结构方程在大学生宿舍人际关系与心理健康研究中的应用Application of Structural Equation for Relationship between College Students Dormitory Interpersonal Relationships and Mental H
2、ealth专业班级:数学0901学生姓名:孙雯指导教师:吕晓静 副教授学 院:理学院2013 年 6 月摘 要当代大学生心理健康问题日益突出,宿舍人际关系是影响大学生心理健康的重要因素。为了解大学生宿舍人际关系对心理健康的影响,采用自编的“大学生宿舍人际关系调查问卷”和自编的一般健康调查问卷,从天津职业技术师范大学在校生中随机抽取560名本科大学生,向他们发放调查问卷并收回,得到有效问卷500份。然后再统计问卷结果,用SPSS软件和LISREL软件对数据进行相关分析和结构方程模型分析,得出结论。结果表明大学生宿舍人际关系对心理健康水平有着重要影响,宿舍人际关系越好,大学生心理健康水平越高,改进
3、宿舍人际关系有利于提高大学生心理健康水平。关键词:结构方程模型;心理健康;宿舍人际关系ABSTRACTMental health problem of contemporary college students is getting increasingly remarkable , the dormitory interpersonal relationship is an important fact or that affect students mental health . In order to get to know the influence of college studen
4、ts dormitory interpersonal relationship on mental health , we used self-designed “questionnaire on college students dormitory interpersonal relationship and self-designed general health questionnaire , chose 560 undergraduate college students from Tianjin Normal University of Technology and Eduation
5、 as a random sample to take the test and get 500 effective answers back . After summing up the questionnaire results , we analysed the data with SPSS and LISREL from relative and structural equation model perspective , reached a conclusion . Results show that college students dormitory interpersonal
6、 relationships are , the higher level the college students mental health gets . Improve the dormitory interpersonal relationship is helpful to improve college students mental health . Key Words:Strutural Equation ; Mental Health ; Dormitory Interpersonal Relationship目 录1 引 言12 研究工具42.1研究对象42.2研究工具42
7、.2.1大学生宿舍人际关系调查问卷42.2.2大学生一般健康问卷62.2.3统计分析73 结果与分析83.1描述统计和各主要连续变量的相关分析83.2大学生宿舍人际关系质量与心理健康的结构方程模型84 讨 论104.1理论贡献以及实践意义104.2课题不足104.3进一步研究的建议11结 论12参考文献14致 谢151 引 言大学生是国家的未来和民族的希望,保护大学生的身心健康,就是保护国家未来和希望。关注大学生的成长,就必然要关爱他们的健康。当代大学生心理健康问题日益突出,据有关部门的调查,当代大学生存在心理异常、生命淡薄的现象日益增多,一旦出现恶心刺激和精神打击,往往会在心理和行为上出现偏
8、激。大学生各种心理健康问题以及由此产生的许多严重后果,已经向全社会和教育界敲响了警钟,再也不能忽视大学生的心理健康问题!大学生大部分的时间都是在宿舍里,宿舍生活是大学生生活最主要的部分,所以宿舍人际关系也成为影响大学生心理健康的重要因素。人际交往是人与人之间最基本的交往活动,良好的宿舍人际关系对于脱离父母独立学习和生活的大学生来说是他们正常学习和生活的基本保证。所以对大学生宿舍人际关系现状及其影响因素的调查尤为重要。本课题采用了自编的大学生宿舍人际关系调查问卷来调查大学生的宿舍人际关系,在从人际交往、自信心、学习兴趣三个方面来反映宿舍人际关系,采用自编的一般健康调查问卷调查大学生的心理健康状况
9、。本课题从天津职业技术师范大学在校大学生中随机抽取了五百多名名学生,包括各年级大学生,向他们发放问卷并收回。收回以后进行筛选,剔除做答不完整和规律性作答的问卷,筛选出500份有效地问卷。然后对问卷进行统计,得出每一题每一选项的选择人数,在根据赋值算出得分。先用SPSS软件对数据进行相关分析,得出大学生宿舍人际关系质量和心理健康的三个因子均存在显著地相关性。SPSS采用类似EXCEL表格的方式输入与管理数据,有以下基本特点:数据自动处理;强大的统计功能;完全的Windows风格;良好的帮助系统合自学功能;简单的编程;完美的图形处理功能;丰富的数据对接功能;支持DLE与Active技术。SPSS的
10、功能有样本数据的描述和预处理;假设检验;方差分析;列联表;相关分析;回归分析;对数线性分析;聚类分析;判别分析;因子分析;对应分析;时间序列分析;生存分析;可靠性分析。然后再建立相关结构方程模型,利用LISREL软件进行结构方程模型分析。关于结构方程模型所延伸出来的多变量分析技术,已经趋近成熟。LISREL被公认为最专业的结构方程模块分析工具,它的权威性不容其他类似软件代替。LIEREL最新的特色包含对遗漏值的最大概似估计法、多元结构等式模型、以recursive modeling为基础的正式推论、multiple imputation和非线性多元回归模型以及各式各样操作界面的改进,包括使用长
11、的数据和文件名称。由于LISREL在探讨多变项因果关系上的强力优势,使得LISREL在社会学研究上似乎有越来越受重视的趋势,LISREL系属于结构等式模式家族的一员,因此LIEREL的最大能耐亦在于探讨多变项或单变项之间的因果关系。结构方程模型也称协方差结构模型或线性结构模型,线性结构模型是自20世纪六、七十年代才开始出现的新兴的统计分析手段,被称为今年来统计学三大进展之一。结构方程模型是一种建立、估计和检验因果关系模型的方法,模型中既包含有可观测的显在变量,也可能包含无法直接观测的潜在变量。从数理的角度上来看,结构方程模型综合了通径分析和证实性因子分析,是一种杂合体。目前结构方程模型已在心理
12、学领域里得到广泛的应用。 结构方程模型的建立过程首先要构建模型,然后再进行模型拟合。利用结构方程模型分析变量的关系,根据专业知识和研究目的,构建出理论模型,然后用测得的数据去验证这个理论模型的合理性。构建模型包括:观测变量与潜变量的关系;各潜变量间的相互关系;在复杂的模型中,可以限制因子负荷或因子相关系数等参数的数值或关系。结构方程模型分析中的模型拟合目标是使模型隐含的协方差矩阵即模型的“再生矩阵”与样本协方差矩阵尽可能地接近。模型拟合中的参数估计方法有许多种,每种方法有自己的优点和适用情况。常用的参数估计方法包括:不加权的最小二乘法、广义最小二乘法、极大似然法、一般加权最小二乘法、对角一般加
13、权最小二乘法。目前极大似然法是应用最广的参数估计方法。结构方程模型是一个包含面很广的数学模型,可用以分析一些涉及潜变量的复杂关系。结构方程分析可同时考虑并处理多个因变量。在回归分析或路径分析中,就算统计结果的图表展示多个因变量,其实在计算回归系数或路径系数时,仍是对每个因变量逐一计算。所以图表貌似多个因变量同时考虑,但在计算对某一个因变量的影响或关系时,都忽略了其他因变量的存在及其影响。结构方程分析容许自变量和因变量均含测量误差,变量也可用多个指标测量。用传统方法计算的潜变量间相关系数,与用结构方程分析计算的潜变量间相关系数,可能相差很大,这种差距的大小取决于潜变量与其指标间关系的强弱。假设要
14、了解潜变量之间的相关,每个潜变量都用多个指标或题目测量,一个常用的做法是对每个潜变量(如自信),先用因子分析计算潜变量(即因子)与题目的关系(即因子负荷),进而得到因子得分,作为潜变量的观测值(如自信的因子得分作为自信这个变量的观测值),然后再计算因子得分(如自信与外向性格因子得分)的相关系数,作为潜变量之间的相关系数。这是两个独立步骤,用自信题目计算自信的因子得分时,并不考虑外向因子;反过来也一样。在结构方程分析中,这两步同时进行,即因子与题目之间的关系和因子与因子之间的关系同时考虑。例如,自信题目与自信因子、外向题目与外向因子,以及自信因子与外向因子间的关系,全都在同一步骤中估计。我们再从
15、另一角度,看结构方程分析与传统的统计分析的差异。假设在新的研究中,对上述同一组被试还要考虑自信与合群性的关系,即一共要计算两个(自信与外向,自信与合群性)相关系数。用传统分析方法,在新研究的原有因子内的结构和关系,仍然不变。就是说,自信题目与自信因子的关系、外向题目与外向因子的关系,新研究内的关系与原有关系完全相同。这说明,各因子内结构不会因为其他因子的存在而变化。然而,在结构方程分析中,自信因子的结构,会兼顾其他同时存在的变量而有所调整和改变。就是说同一个研究中其他共存的因子及其结构,会相互影响,不仅影响因子间关系,也影响因子的内部结构(即因子与指标的关系)。传统上,我们只容许每一题目(指标)从属于单一因子,但结构方程分析容许更加复杂的模型。传统因子分析难以处理一个指标从属多个因子,或者考虑高阶因子等有比较复杂的从属关系的模型。在传统路径分析中,我们只估计每一路径(变量间关系)的强弱。在结构方程分析中,除了上述参数的估计外,我们还可以计算不同模型对同一个样本数据的整体拟合程度,从而判断哪一个模型更接近数据所呈现的关系。2 研究工具2.1研究对象20