状态焦虑结构模型的验证性因子分析_中小学教师状态焦

状态焦虑结构模型的验证性因子分析_中小学教师状态焦

2．3　状态焦虑结构模型的验证性因子分析

通过前面的探讨，我们获得了中小学教师状态焦虑的结构模型，是一个三阶单因子、二阶三因子、一阶四因子模型。三阶单因子是中小学教师状态焦虑，二阶三因子包括控制感焦虑、满足感焦虑和冲突感焦虑，一阶四因子主要是在满足感焦虑和冲突感焦虑下的目标与结果的自我合意性低、付出与回报的自我合意性低、职业自我冲突和教师角色与家庭角色冲突。但该模型的准确性和简洁性还需要通过验证性因子分析（Confirmatory Factor Analysis，CFA）来检验，以进一步证实中小学教师状态焦虑结构模型内部潜变量之间以及与外显变量之间的关系。

同时，验证性因子分析还可以同时检验量表的结构效度。一个量表实际测得所要测量的理论结构和特质的程度，或者说测验分数能够说明心理学理论的某种结构或特质的程度就是这个量表的结构效度。根据中小学教师状态焦虑结构模型和实际调查信息编制而成的《中小学教师状态焦虑量表》所能测量的结构模型的程度如何呢？这是需要检验的一个问题，而验证性因子分析恰恰是估计结构效度的一种方法。因此，我们选择验证性因子分析来检验模型的正确性、简洁性以及量表的结构效度。如果验证性因子分析的各项指标拟合不好，说明可能编制的量表所能测量的理论结构的程度低；如果验证性因子分析的各项指标拟合很好，则说明编制的量表所能测量的理论结构的程度高，具有高结构效度，适合推广应用。

2．3．1　研究目的

通过验证性因子分析对中小学教师状态焦虑模型的准确性、稳定性和简洁性进行检验，同时评估自编《中小学教师状态焦虑量表》的结构效度。(www.guayunfan.com)

2．3．2　研究方法

2．3．2．1　被试

采用整群随机抽样的方法进行了《中小学教师状态焦虑量表》的正式施测。共计发放量表1 100份，回收量表1 023份，回收率为93%。剔除回答不全或有误的量表83份，得到有效量表940份，有效率为85．455%。有效被试的具体构成情况见表2．9。

表2．9　验证性因子分析被试情况分布一览表

2．3．2．2　研究材料

自编《中小学教师状态焦虑量表》，共30个题项，采用4点计分制，单选迫选形式进行调查。

2．3．2．3　研究程序

（1）量表的正式施测。采用自编《中小学教师状态焦虑量表》在全国11个省份进行随机抽样调查。

（2）模型的设定。首先根据理论结构模型和量表编制初始维度的项目归属设定备择模型M1，这也是本研究的目标模型。然后根据简约原则，设定备择模型M2、M3、M4、M5。后4个模型都是备择模型M1的嵌套模型。

（3）确定模型的识别性。在进行验证性因子分析的过程中，备择模型设定好后，首先要对模型进行可识别性检验，删除不可识别的模型，保留可识别的模型。否则，用一些不可识别的模型进行分析，将使研究失去意义。

（4）样本数据与估计方法。本研究采用最大似然法（ML）对数据进行估计。但在使用最大似然法估计时，要求变量服从多元正态分布。所以在进行验证性因子分析之前，要对数据进行多元正态分布检验。

（5）确定所采用的参数估计和拟合指数。在进行模型比较之前，要确定采用哪些指数来对模型进行估计，以及了解这些参数估计和拟合指数的优缺点等。

（6）5个模型的比较。根据各个拟合指数的结果对5个模型进行比较，选择拟合较好的模型。

2．3．3　统计方法

采用SPSS16．0和AMOS16．0统计软件进行各种统计分析。

2．3．4　结果

2．3．4．1　模型的设定

在初始的理论模型设计上通过综合以往研究，我们将二阶潜变量中的控制感焦虑又细分为3个维度：对教学事件的重要性评价高、对教学事件结果的预测消极、教学事件发生过程中的自我评价低。这3个维度与其他二阶潜变量的维度还不同，主要是因为这3个维度是不能截然分开的，也就是说在同一教学事件发生时，只有个体主观上同时感受到了重要性评价高、结果预测消极同时又自我评价低的时候，个体才会产生主观上的焦虑体验。因此，在将这些维度转换成题项进行量表测量时，只能再将3个维度合在一起同时测量。这样控制感焦虑变量在结构方程的模型设定中就没有再细分，而是直接影响显变量。即如图2．3所示的M1。

M1：

图2．3　中小学教师状态焦虑初始结构模型

在本研究中，除上面提到的在量表初编时获得的模型M1外，还假设了4个模型来与M1模型进行比较，即：

M2：一阶单因子模型。量表总体上只有中小学教师状态焦虑一个因子解释。从研究历史上看，曾有很多人将状态焦虑看作是单一的结构维度。本研究试检验一下这样的情况与中小学教师的状态焦虑是否一致。

M3：二阶三因子模型。此模型是使控制感焦虑、满足感焦虑和冲突感焦虑三者之间两两相关。目的是检验一下中小学教师的控制感焦虑、满足感焦虑和冲突感焦虑是否需要状态焦虑这一公共因子来统合。

M4：二阶一因子、一阶三因子模型。此模型是将冲突感焦虑和满足感焦虑直接解释各个题项，从而把目标与结果的自我合意性低、付出与回报的自我合意性低、职业自我冲突、教师角色与家庭角色冲突这4个潜变量去除。目的是检验一下是否需要对满足感焦虑和冲突感焦虑进行更详细的维度划分。

M5：虚无模型。各变量之间互不相关。目的是检验模型设置的必要性。

2．3．4．2　模型的识别性

一般来说，结构方程模型主要分为测量模型（Measurement Model）和结构模型（Structural Model）两部分。测量模型用于描述指标与潜变量之间的关系，结构模型则用于描述潜变量之间的关系。但并不是任何可设定的结构方程模型都是可识别的，这就需要在进行验证性因子分析之前，对模型的可识别性进行检验。检验可以分别从测量模型和结构模型这两部分进行。识别模型的法则很多，本研究主要采用了指定潜变量的测量单位、t-法则和三指标法则来检验5个模型的可识别性。所谓指定潜变量的测量单位，就是为每一个潜变量指定一个测量单位，这是模型可识别的必要条件。通常的做法是固定潜变量的一个负荷或固定潜变量的方差。在本研究中采用的是固定潜变量的一个负荷的方法。

一般来说，一个模型中共有p＋q个变量（内生观测变量个数设为p，外生观测变量个数设为q），可以产生（p＋q）（p＋q＋1）／2个不同的方差或斜方差。而t为模型中所有自由估计的参数个数，那么模型可识别的一个必要条件是t≤（p＋q）（p＋q＋1）／2（吴明隆，2009）。这就是t-法则。在本研究所假设的模型中，自由参数的个数与所产生的方差或斜方差的个数之比分别为：

M1：t＝112，（p＋q）（p＋q＋1）／2＝741，t＜（p＋q）（p＋q＋1）／2；

M2：t＝91，（p＋q）（p＋q＋1）／2＝496，t＜（p＋q）（p＋q＋1）／2；

M3：t＝108，（p＋q）（p＋q＋1）／2＝703，t＜（p＋q）（p＋q＋1）／2；

M4：t＝100，（p＋q）（p＋q＋1）／2＝595，t＜（p＋q）（p＋q＋1）／2；

M5：t＝60，（p＋q）（p＋q＋1）／2＝465，t＜（p＋q）（p＋q＋1）／2，

可见5个模型都符合t-法则。

三指标法则是模型可以识别的一个充分条件，包括：每个因子至少有3个指标、每个指标只测量一个潜变量、误差之间不相关（侯杰泰，温忠麟，成子娟，2004）。本研究所假设的前4个模型完全符合三指标法则。只有第5个虚无模型不符合三指标法则，但第5个模型具备模型识别的必要条件，也是可以识别的。综上所述，可以得出结论，即本研究所假设的5个模型都是可识别的。

2．3．4．3　样本数据与估计方法

在本研究中，各个模型的估计采用了最大似然法估计，这就要求变量为多元正态分布。所以我们给出了数据分布的直方图和P-P概率图（Probability Plots，P-P），用以检验数据分布是否为正态。

直方图是根据频数表或连续变量的原始值作图来观察变量分布情况的方法。如果直方图形基本上都在正态曲线内，则表明数据是正态分布的（萨尔金德，2011）。在我们的估计中，各个直方图几乎完全分布在正态曲线内，可以说数据基本符合多元正态分布，如图2．4所示。

P-P概率图是根据变量的累积概率对应于所指定的理论分布累积概率绘制的散点图，它可以直观地检测样本数据是否与某个概率分布的统计图形一致。因此，在P-P图中，如果数据呈正态分布，则图中数据点应与理论直线（对角线）基本重合（张文彤等，2002）。在我们的估计中，各个散点几乎与正态直线完全重合（见图2．5），总的来说，数据的正态性还是令人满意的。因此，通过直方图和P-P图的检验，我们可以说数据分布基本是正态的。

图2．4　样本数据的直方图

图2．5　样本数据的P-P概率图

另外，对于样本中的缺失数据，本研究采取最大似然估计法进行处理。也就是电脑程序会将各种缺失形态作不同组别处理，并以最大似然法估计缺失值。

2．3．4．4　参数估计和拟合指数

拟合指数是拟合优度统计量（goodness of fit statistic）的简称，是人们从某一角度构造出来，用于反映模型拟合好坏的统计量。要检视模型是否与数据拟合，需要比较由假设模型推出的总体协方差矩阵（也叫再生协方差矩阵）与样本协方差矩阵之间的差异。这两个矩阵的整体差异，可用一个综合数字表示，也就是拟合函数（fit function）（Kreft，2007）。所有拟合指数都是样本协方差矩阵与再生协方差矩阵的函数，用于衡量二者之间的差异或距离。参数估计就是要求出代表再生协方差矩阵与样本协方差矩阵之间差异最小的这一拟合函数。

拟合函数的种类很多，据不完全统计，文献中先后出现了40多种拟合指数，用于评价和选择模型（温忠麟，侯杰泰，马什赫伯特，2004）。但并非所有的拟合指数都适合于验证性因素分析的研究。一个理想的拟合指数应该具有3个特征：与样本容量无关，即拟合指数不受样本的系统影响（Marsh，Balla，Hau，1996）；惩罚复杂模型，即拟合指数根据模型参数多寡进行调整，惩罚参数多的模型；对误设模型敏感，即如果所拟合的模型不真，拟合指数能反映出来。本研究在考虑了研究的需要和各拟合指数的特点之后，决定采用以下指标来检验模型与数据的拟合程度：

（1）χ2（chi-square）检验统计量。这是很多结构方程拟合检验都要选用的拟合指标，主要是根据卡方值与自由度之比（χ2／df）来确定模型的拟合优度。一般认为，当χ2／df在2．0～5．0时，可以接受模型。因为它受样本容量影响大，对评价单个模型的意义不大，但在模型比较时很有参考价值。

（2）近似误差（Error of Approximation）指数RMSEA（Root Mean Square Error of Approximation，近似误差均方根）。RMSEA由Steiger等人（1980）提出，一直被广泛使用。它受样本容量的影响较小，对参数较少的误设模型稍微敏感一些，是一个比较理想的拟合指数。一般认为，该指数越小越好，但至于小到多少才算好没有统一标准。应用较广的标准是RMSEA小于0．05表示模型拟合得好，在0．05～0．08则表示模型基本可以接受。但Steiger（1990）认为，RMSEA低于0．1表示好的拟合；低于0．05表示非常好的拟合；低于0．01表示非常出色的拟合，但这种情形在应用上几乎找不到。Hu＆Bentler（1999）推荐的界值是0．06。温忠麟等人的观点与公认的标准基本一致，他们认为RMSEA的界值应该是小于0．08。综合各家观点，我们决定采用温忠麟等人的所提出的界值标准，即0．08。

（3）其他常用拟合指数。除上述以外，常用拟合指数包括以下几种：

①RMR（rootmean square residual，均方根残差）。这是拟合残差的一种平均值，说明样本方差和协方差在假定模型正确的情况下估计值的差异，RMR越小，说明拟合越好，如果RMR等于0，表明模型完美拟合。目前，一般公认的RMR界值是小于0．035。

②GFI（Goodness of fit index，拟合优度指数）。用于考察观测变量的方差协方差矩阵S与引申的方差协方差矩阵∑的匹配，如果∑＝S，则GFI＝1，说明模型完全拟合。一般0．9以上说明模型拟合的好。AGFI（Adjusted goodness of fit index，调整拟合优度指数）主要是通过用参数估计的总数进行调整而获得的一个拟合指数。估计的参数比观测数据的方差协方差总数越少，AGFI越接近GFI。GFI和AGFI都不能对模型拟合度作正常的统计检验，只是模型是否适当的指标。0．9以上说明模型拟合观测数据。

③NFI（Normed Fit Index，赋范拟合指数）。用来比较设定模型与独立模型在拟合上的改善程度。它的取值范围是0～1，当NFI等于1时，拟合得最好，等于0时拟合得最差。但NFI也受样本容量的系统影响，在样本量少时，会低估拟合程度。因此，研究者提出了另一种修正方法，即IFI（Incremental Fix Index，增值拟合指数），它能减少指数对样本规模的依赖。另一种修正是不规范指数NNFI（Non-normed Fit Index，非范拟合指数，又写作TLI，Tucker-Lewis Index），该指数处理了自由度对指数的影响，但有时其值超出0～1。

④CFI（Comparative Fit Index，比较拟合指数）。这是一个受样本容量影响很小的拟合指数，它的优点是不受样本容量的系统影响，能够敏感地反映误设模型的变化，它的不足之处是没有惩罚复杂模型，因为它没有对模型复杂性作矫正。

在综合前面各项拟合指数界值的基础上，我们的研究所采用的界值标准是，在大样本情况下，如果NFI、NNFI、CFI、IFI、GFI、AGFI、RFI大于0．9，RMR小于0．035，RMSEA值小于0．08，那就表明模型与数据的拟合程度很好。如果模型拟合结果小于0．9，但值都很接近，也是可以接受的，因为我们的模型是比较复杂的模型。Bentler＆Chou（1987）曾指出：对于包含较多变量的模型来说，完全达到一般认定的拟和优度是比较困难的。

2．3．4．5　5个模型的比较

通过5个模型分别拟合数据，我们获得各个模型拟合数据后的各个拟合指数（见表2．10），进而可以根据这些拟合指数的优劣最终选定理想的模型。

表2．10　中小学教师状态焦虑5个假设模型的拟合指数

从表2．10可知，模型M5完全被拒绝。而M2的各项拟合指数数值较低，说明中小学教师状态焦虑不是单维结构，而是一个多维结构。剩余的3个模型M1、M3、M4的各项拟合指数都能基本满足拟合优度模型条件。这一方面说明中小学教师状态焦虑是多维的结构，另一方面说明《中小学教师状态焦虑量表》具有很好的结构效度。但与M4相比，M1和M3的各项拟合指数数值明显较好，因而M1和M3是我们的首选模型。通过进一步观察，我们发现M1和M3的各项拟合指数数值完全相同，但从M1的路径系数图可以看出，三阶因子与二阶因子关系（GA系数）很强且大致相同（0．87，0．94，0．96），说明三阶因子能够比较充分地表达二阶因子间的关系，故根据省敛性原则，我们认为M1模型是可以接受的（见图2．6）。

图2．6　中小学教师状态焦虑的内部结构模型

2．3．5　讨论

综合理论分析和验证性因子分析的结果可知，中小学教师状态焦虑包含控制感焦虑、满足感焦虑和冲突感焦虑3个二阶因子，包含目标与结果的自我合意性低、付出与回报的自我合意性低、职业自我冲突、教师角色与家庭角色冲突4个一阶因子，说明中小学教师状态焦虑确实是一个多维度、多层次的复杂结构。从中小学教师状态焦虑的结构内容方面看，3个二阶因子和4个一阶因子与以往关于焦虑、状态焦虑、教师焦虑的结构研究方面有一致之处，也有差异很大之处。

（1）二阶因子中的控制感焦虑这一提法的来源综合了Martens（1990）、Bandura （1977）和不确定性理论的观点。Martens所提出的运动状态焦虑结构中的对结果重要性知觉和对结果不确定性的知觉单独适用于运动员的运动状态焦虑是合适的，而教师的状态焦虑显然要复杂得多；Bandura的自我效能期望理论提出个体的焦虑更多的由个体对自我效能的评价决定，说明自我评价在焦虑的产生过程中起着重要的作用；不确定性理论强调事件的不确定性会增加个体的焦虑感，他们的观点与Martens的观点有异曲同工之处。在此基础上本研究提出教师的控制感焦虑是个体在对教学事件的结果预测消极、同时对教学事件评估重要、而自我评价又很低的时候产生的一种焦虑状态，但它仅是教师状态焦虑的维度之一。由于研究手段和人力物力限制，本研究虽然在初始的结构划分中将控制感焦虑进行了细分，但在编制量表和测量以及后面的验证性因子分析的过程中，都将控制感焦虑当作单维的因子。

（2）二阶因子中的满足感焦虑和冲突感焦虑的提法来源于以往教师焦虑的实证研究结果、半开放式量表调查结果和半结构式访谈结果。在我们的半结构式访谈和半开放式问卷调查过程中，我们发现几乎所有被调查教师都反映，他们的付出和所获得的回报太不成比例，他们的教育理想和教育现实差距太大，他们为了工作几乎放弃了任何履行家庭义务的角色。其中有一个重庆市第八中学的女教师说，她12岁的女儿曾想用30元钱买妈妈一天的时间来陪她。在总结了实证研究结果和调查研究结果的基础上，我们提出了满足感焦虑和冲突感焦虑，而满足感焦虑和冲突感焦虑还分别蕴涵教师角色与家庭角色冲突、职业自我冲突、国家教育理念与当前教育现实的冲突、公众标准与自身现实的冲突以及目标与结果的自我合意性低、付出与回报的自我合意性低这样几个维度。但随着实证研究的进一步深入，以及综合了不同学科领域学者的意见，我们对其进行了修改。因为根据不同学科领域学者的观点，国家教育理念与当前教育现实的冲突、公众标准与自身现实的冲突这两个因子的内涵与其他冲突感焦虑的因子内涵有重叠。而且实证研究的结果也充分证实，三阶一因子、二阶三因子、一阶四因子的结构，才更符合中小学教师状态焦虑的内在结构。通过这些理论探讨和实证研究，我们发现在中小学教师这一群体中，他们不仅要像运动员一样要经常面对控制感焦虑，满足感焦虑和冲突感焦虑也是他们经常要应对的独特困境。

从以上关于中小学教师状态焦虑的结构内容的获得过程可以看出，在本研究中，心理结构模型的建构是通过理论和实证相结合的途径来实现的。这样，一方面避免了仅仅是泛泛的理论思辨而无法证实的形而上缺陷，同时也避免了只追求数据和实证研究的那种无源之水、无本之木的绝对实证主义缺陷。可以说，本研究所遵循的途径无论是在方法上还是理论上都保证了中小学教师状态焦虑结构模型的合理性和可证实性。

2．3．6　结论

（1）中小学教师状态焦虑是一个多维的复杂结构。无论是理论分析、实际调查结果还是验证性因子分析的结果都说明，中小学教师状态焦虑是一个多维的复杂结构，它的结构模型是一个三阶一因子（教师状态焦虑）、二阶三因子（控制感焦虑、冲突感焦虑、满足感焦虑）、一阶四因子（教师角色与家庭角色冲突、职业自我冲突、目标与结果的自我合意性低、付出与回报的自我合意性低）的结构。

（2）《中小学教师状态焦虑量表》具有很好的结构效度。验证性因子分析中多个模型比较的结果表明，《中小学教师状态焦虑量表》具有很好的结构效度。