首页 > 文献资料
-
大学生网络成瘾与拖延行为的关系:核心自我评价的中介作用
目的 探讨核心自我评价在大学生网络成瘾和拖延行为之间的中介作用.方法 采用网络成瘾问卷(IAT)、核心自我评价量表(CSES)和Aitken拖延问卷(API)对1140名大学生进行调查研究,通过Bootstrap方法检验核心自我评价的中介作用.结果 研究对象网络成瘾问卷、Aitken拖延问卷及核心自我评价量表得分分别为49.4±14.9,51.9±8.5及31.8±14.5.网络成瘾、拖延行为及核心自我评价三者间的相关性分析结果显示:网络成瘾与拖延行为呈正相关(r=0.49,P<0.01),而核心自我评价与网络成瘾和拖延行为均呈负相关(r=-0.34,-0.40;P<0.01).多元逐步回归分析结果显示:以拖延行为为因变量时,网络成瘾和核心自我评价都进入回归方程,且均对拖延行为有显著的预测作用,其中网络成瘾能正向预测拖延行为,核心自我评价能负向预测拖延行为.Bootstrap方法检验结果显示:核心自我评价在网络成瘾与拖延行为之间存在部分中介效应,中介效应占总效应的比值为23.1％.结论 网络成瘾可直接影响大学生的拖延行为,又可通过核心自我评价对其产生间接作用.
-
回归混合模型:方法进展与软件实现
近来以个体为分析对象的方法日益受到研究者的重视,其中潜类别和潜剖面模型为流行.研究者在潜类别和潜剖面模型建模时往往需要进一步探讨协变量与潜分组之间的关系(即带有协变量的潜类别模型).例如,哪些变量预测个体类别归属,以及个体的类别归属对结果变量的预测.本文对近年来研究者提出的各种方法进行了回顾和比较.包括当结果变量是分类变量的LTB法;当结果变量是连续变量时的BCH和稳健三步法.在此基础上,文章为应用研究者提供了Mplus软件示例,并在后对当前研究存在的问题和未来研究趋势进行了简要评价.
-
潜变量建模的贝叶斯方法
贝叶斯统计是统计学的两大流派之一,近年来贝叶斯统计在社会及行为科学领域日益流行.鉴于国内心理学界对贝叶斯统计应用仍不广泛,本文尝试从非技术性的角度对贝叶斯统计用于潜变量建模的过程进行简要介绍.主要涉及贝叶斯与频率论在统计学基本概念上的对比;贝叶斯统计的基本原理和分析过程.后以一个验证性因子分析为例,简要介绍贝叶斯统计用于潜变量建模的分析过程.希望本文能为国内心理学者进行潜变量建模提供新的视角.
