《心理应激系统论的实证性分析研发》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分析研发（15页珍藏版）》请在金锄头文库上搜索。
1、心理应激系统论的实证性研究浙江大学医学院 顾成宇 姜乾金姜乾金教授提出的应激系统论观点是：应激是由应激源、应激反应、和其它许多 应激有关因素所构成的多因素之间相互作用、 反馈调节与控制的系统； 其中人格是核 心因素， 认知评价是关健因素。 本研究运用实验数据结合目前先进的统计学方法路径 分析、结构方程，寻求支持应激系统论的证据或者证伪应激系统论，然后进一步了解 应激系统各元素的在本系统中的位置和相互关系， 相互作用的途径及各种路径对应激 效应量的大小。 矚慫润厲钐瘗睞枥庑赖。对象与方法1.1 对象于2006年4月，调查浙江省某监狱男性服刑人员540名；年龄1869岁，平均33.500 7.76
2、1 岁。犯人刑期绝大部分为 10年以上至死缓，评分如下：死缓 1 ， 无期2 ， 10 年以上3 ， 10年以下4. 聞創沟燴鐺險爱氇谴净。1.2 方法1.2.1 心理压力反应问卷（SRQ）:由浙江大学医学心理学教研室编制，用于评估个体对压力的相应心身反应程度，分心理反应、躯体反应和社会行为反应3方面，共 28个条目，本研究以条目总分表示压力反应程度（内部一致性a系数0.902，与SA别SDS的相关性分别为 0.585和0.574，重测信度为 0 . 9 1 3 ）。残骛楼諍锩瀨濟溆塹籟。1.2.2 特质应对方式问卷（TCSQ）:分积极应对PCffi消极应对N（两个量表分，用以评 估个体日常相
3、对稳定的应对策略。 酽锕极額閉镇桧猪訣锥。1.2.3 自动思维问卷（ ATQ）：Hollon & kendall（1980） 为评价与抑郁有关的自动出现 的消极思想的频度而设计的 5 。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15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。 彈贸摄尔霁毙攬砖卤庑。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。 謀荞抟箧飆鐸怼类蒋薔。1.2.5 艾森克人格问卷（EPQ :选用北京大学陈
4、仲庚修订的成人EPQ共85个条目， 分四个量表：E量表（外向一内向）、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）。厦礴恳蹒骈時盡继價骚。126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：茕桢广鳓鯡选块网羈泪。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
5、、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年一剩余2年2，剩余2年以下3。鹅娅尽損鹤惨歷茏鴛賴。1.2.7统计分析采用SPSS13.0计软件，作相关分析（Pearson相关或Spearma相关）和多重线 性回归分析，检验水准为a =0.05 ; MINITAB乍BOX-CO转换，AMOS.4
6、 0作路径分析和 结构方程建模。 籟丛妈羥为贍债蛏练淨。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.預頌圣鉉儐歲龈讶骅籴。2. 对连续变量和有序分类变量进行正态性检验，限于SPS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.C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MINITABt进行了 BOX-CO转换，转换后
7、的各变量基本接 近正态分布。渗釤呛俨匀谔鱉调硯錦。（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（ a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。铙誅卧泻噦圣骋贶 頂廡。表1服刑态度问卷omp onent1q1对于从前所犯的错误我觉得很后悔-.028.839q6对家人我觉得很愧.136.812q2我是一个被社会排斥的人765-
8、.015q3出狱以后我不知道怎么生活820.053q4我的前途十分渺茫.816.128q5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、 0.2
9、65、 -0.105、 0.127、 0.138、一 0.262、 0.184、 0.282、 0.214、 0.120（ P0.05 ）. 擁締凤袜备訊顎轮烂蔷。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压力总反应-.138(*).496(*).680(*).748(*)-.262(*)家内支持家外支持PENL压力总反应-.184(*)-.282(*).351(*)-.214(*).632(*)-.120(*)注：*0.05* PvO.01 ;未婚、已婚、
10、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。贓熱俣阃歲匱阊邺 镓騷。（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
11、显著性水准为0.05的标准进行多重逐步回归 分析。坛搏乡囂忏蒌鍥铃氈淚。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 %.蜡變黲癟報伥铉锚鈰赘。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。買鯛鴯譖昙膚遙闫撷凄。表3因变量进入方程的自变量BtPRR2压力总反应消极应对.204.38911.950.000839.705自动思维.329.2708.512.000神经质.009.2277.274.00
12、0消极认知.078.1144.168.000学历-.043-.079-3.234.001掩饰.004.0863.041.002精神质.159.0712.465.014（五）结构方程模型分析结果结构方程模型（Structural Equation Modeling, SEM是一种综合运用多元回归分析、路径分析（path analysis ）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
13、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。 SE啲决策流程包括模型设定（model specification ）、模型辨识（model identification）、模型估计（model estimation ）、模型
14、评价（model evaluation ）以及模型修正（model modification ）等步骤。本研究采用Amos4.0软件来实现SE啲 验证过程。Amos （Analysis of Moment Structures）由 James L. 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，Amo可以同时计算多条回归路径系数。根据 Amo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 AMO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：綾镝鯛駕櫬鹕踪韦辚糴。卡方检验值（CMIN，chi-square test ， X）：用以检验模型与数据的拟合度，X越小或Pfi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20.05）的要求可忽略不计。驅踬髏彦浃绥譎饴憂锦。X/ 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。猫虿驢绘燈鮒诛髅貺庑。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，
