编辑信息
主编
文章类型
研究文章
出版历史
收到的日期:2018年8月21日
接受日期:2018年9月14日
发布日期:2018年9月18日
版权
©2018 Andretta JR。这是在创意公约归因许可的条款下分发的开放式文章,其允许在任何媒体中不受限制地使用,分发和再现,只要原始作者和来源被记入。
引用
孤独感对青少年早期学业、社交和情绪自我效能感的影响:一项为期12个月的随访研究。临床医学期刊1:DOI: 10.15761/CMP.1000105
美国华盛顿哥伦比亚特区高等法院儿童指导诊所
利物浦大学心理科学系,英国利物浦
DOI:10.15761 / CMP.1000105
本研究探讨了孤独感在青少年早期的前瞻性影响。该研究包括英国的两个独立样本,样本1包括北爱尔兰的996名青少年(42.67%的女性,1.7%未报告),样本2包括苏格兰的829名青少年(54.52%的女性,1.4%未报告)。结果显示,在两个时间点上的内在得分是一致的,而孤独感的测量在社会经济地位和地区群体中是不变的。尽管加州大学洛杉矶分校孤独量表(Short form UCLA Loneliness Scale)在数据收集中保留了相同的因素结构和指标,但青少年报告的12个月时的得分系统地高于基线。最后,加州大学洛杉矶分校的短分数似乎在性别的度量和尺度上都不同。在结果方面,孤独感并不能很好地预测学业或情感自我效能。然而,孤独感与社会自我效能呈负相关,这种影响在女性中尤其强烈。
孤独、自我效能感;验证性因素分析(CFA);跨国
青春期是一个生理、社会和心理上的变化会导致压力的时期,有些人甚至会感到孤独。孤独被定义为一种消极的情绪反应,当一个人的社交网络[3]的期望和实现的质量和数量之间存在差异时。因此,由于青少年在建立亲密和令人满意的同伴关系的程度上有所不同,他们的孤独感也可能有所不同。不幸的是,青少年的孤独感并不罕见[5,6],一篇综述报告称,大约80%的人至少有过一次孤独感[7]。
孤独的发展过程并不完全清楚。众所周知的是,随着年龄的增长,孩子们越来越意识到并担心他们的同行组接受[8],同伴拒绝与孤独感相关。通过青春期,对社会群体中的一个人的担忧出现(Crone和Dahl 2012),这是孤独的强烈解释因素。事实上,缺乏朋友,低友谊质量,同伴拒绝和受害者都是青春期孤独的所有预测因子[9]。虽然似乎感知孤独趋于晚期青春期[4],但报道了孤独过程中的实质性异质性[4,10,11]。
关于结果,越来越多的研究已经证明了在一系列域中整个青春期和不利的发育后遗症的孤独水平之间的关系。例如,较高水平的孤独感与较低的心理适应水平较低,临床问题的发生率更高,包括抑郁,焦虑和自杀念头[4,5,12,13,14]。
也有理由相信孤独与社会、情感和学业要求的管理有关。也就是说,纵向研究表明,孤独感水平的升高和扩大预示着较差的学业成绩,包括通过考试的可能性降低。那些经历有问题的孤独轨迹的人也报告了低的亲和性水平,相对缺乏情绪稳定性,缺乏足够的自尊[4,13]以及情绪调节受损[16]。相反,那些稳定且很少经历孤独的人表现出最积极的同伴功能[10],以及最优的人格特征(即,最外向,最随和,情绪稳定;[4])和社会心理概况(即最高的自尊和最低水平的感知压力、抑郁症状和焦虑;[4])。
在人口统计协变量方面,以往关于孤独与社会经济地位(SES)和性别之间关系的研究得出了模棱两可的结果[4,15,17,13]。一些纵向研究,包括从儿童时期到青少年早期开始[10],以及从青少年中期到成年早期[4],没有发现性别在孤独轨迹上的差异。另一方面,一项针对高中前两年拉美裔青少年的潜在班级研究报告称,在孤独感的轨迹上存在性别差异。也就是说,男性最有可能表现出相对较低的孤独感,而且孤独感会随着时间的推移而增加。社会经济地位与孤独程度有关,社会经济地位较低的群体孤独程度较高。此外,Vanhalst等人的[4]报告称,不同社会经济地位群体的孤独轨迹类别没有显著差异。
就孤独性的跨文化研究而言,文献更加稀疏[18],并且对于独立与集体培养的功能,孤独的普遍性不存在共识[19]。事实上,范特丹和薏第尼[20]建议在各国内进行跨文化研究,以检查副文化和少数群体中的孤独。Given the limited knowledge and agreement about demographic variability in loneliness, the present study sought to address potential differences in both the measurement and effects of loneliness between the genders, SES groups (i.e., free school meal provided v. not eligible), and geographic regions (i.e., Scotland v. Northern Ireland).
There is also reason to believe that loneliness is associated with self-efficacy: ‘‘people’s judgments of their capabilities to organize and execute courses of action required to attain designated types of performance’’ [21], or again, “self-efficacy beliefs determine how people feel, think, motivate themselves and behave” [22]. Accordingly, these self-efficacy beliefs help determine individuals’ choices, efforts, persistence, and perseverance in tasks. Efficacy beliefs are best understood as domain-specific (e.g. Muris 2001) such that self-efficaciousness in one domain (e.g. academics) does not always translate to all domains of life (e.g., emotions); therefore, feelings of competence tied to task demands of a given situation have greater predictive utility than a global self-evaluation [23].
本研究旨在调查一些问题。首先,我们旨在审查UCLA孤独规模修订的评分和相关描述性统计的心理学特性,以及在英国跨越12个月的大型青少年样本中。其次,我们试图探讨孤独,以及跨越该时期的孤独的发展,预测了三个自我效能的域名。我们假设寂寞会产生与社会,情感和学术自我效能的负面关联。
数据是从英国两个独立的学校儿童样本中收集的。一项大型纵向青少年发展研究随机选取了一些学校。数据收集在基线(参与者在学校9年级[13-14岁])和+12个月。样本1包括996名青少年(42.67%为女性,1.7%未报告;99.0%白人)在北爱尔兰上中学。样本2包括829名青少年(54.52%为女性,1.4%未报告;80.5%的白人,14.2%的英国巴基斯坦人)在苏格兰上中学。作为一项具有代表性的纵向研究的一部分,这两个样本完成了相同的问卷调查。该研究的第二作者的伦理委员会批准了一份家长选择退出同意书,参与者也在每个数据收集点给予了知情同意。
孤独感是用修订过的三项加州大学洛杉矶分校孤独感量表[24]来测量的。你是否经常感到缺少陪伴?“,”你经常被遗漏一次吗?“, 和 ”你多久觉得孤立一次?“完整的UCLA规模由20项组成;然而,先前的研究表明,规模的短形式具有足够的有效性,以便在大规模研究中包含[24]。此外,Hughes等人。在短期和全长尺度分数之间表现出强烈的相关性(r= .82)。对这些项目进行了评级几乎从来没有(0)一些时间(1)或经常(2)。我们总结了这些项目,以产生孤独的分数。参见(表1)用于可靠性系数。
表格1。相关性和描述性统计。
变量 |
1 |
2 |
3. |
4 |
5 |
1.寂寞t1. |
- |
.35点* * |
-.15 ** |
-.25 ** |
-.24 ** |
2.寂寞T2. |
.51 ** |
- |
23) * *一个 |
10 * *一个 |
.33 * *一个 |
3.学术自我效能 |
-0.07 |
-.10 *一个 |
- |
36 * * |
36 * * |
4.社会自我效能 |
10 * * |
23) * *一个 |
.30 ** |
- |
55 * * |
5.情绪自我效能 |
.33 * * |
-.31 **一个 |
.30 ** |
.52 ** |
- |
α (95% ci ε) |
.79(尾数就) |
尾数就(.76) |
.86(新) |
.77(.75) |
.87点(.86) |
米(SD) |
.50(.51) |
.56(.55) |
3.41 (0.78) |
3.64(.65) |
3.12(点) |
峰度 |
3.24 |
2.74 |
2.96 |
3.71 |
2.72 |
偏态 |
0.92 |
0.74 |
-0.4 |
-0.48 |
-0.13 |
笔记。*≤.05 **≤.001。下面是北爱尔兰样本,上面是苏格兰样本,用对角线表示。描述性统计包括整个样本。功率分析使用PWR.包中R统计数据表明r.10的系数是用于最小解释的相关性的截止。电源被设置为建议的.80(ellis,2010),并且使用Bonferroni的调整确定了重要性水平(即,p=措施)。a=控制孤独T1分数的部分相关。
儿童自我效能问卷(SEQ-C)包含21个项目,评估自我效能的三个领域:(a)学业自我效能(如:你在通过所有科目时如何成功?“),(b)情绪自我效能(例如,”你能控制好自己的情绪吗?“),(c)社会自我效能(例如,”你和其他孩子保持朋友关系的能力如何?“)。每个子类由七个项目组成,受访者在5分Likert秤上对每个自我效力域的竞争力(1 =一点也不;5 =很好)。已发现SEQ-C子程定分数在结构上有效和内部一致(α> .80)。
收集了关于性别和免费校餐权利(FSM)的信息,这是一个不完美的低收入家庭的代理,因此SES[25]。北爱尔兰和苏格兰FSM所占比例分别为:Yes=16.9%/18.9%;没有= 76.6% / 65.9%;不确定= 6.5% / 15.3%。
我们检查了UCLA孤独量表的模型,并基于协方差矩阵进行了结构方程建模(SEM),并使用Mplus 7.1 [26]中的最大似然稳健(MLR)估计,这是缺少值的强大和非常态。CFA被用来检查UCLA短型理论在青少年中的拟合数据的拟合数据,采用以下准则:(a)CFI≥.95和TLI≥.90,(b)绝对误流索引的比较拟合指数。06和srmr≤08[27]。
开发了SEM模型,以检查基线和结果+ 12个月的孤独分数之间的路径系数。All SEM models were developed to control for clustering at the school level, and cross-lagged panel designs were employed to control for variance attributed to stability (i.e., autoreggression among variables; [28]. Because some individuals participated in an alcohol intervention during the course of data collection, this variable was controlled for in all analyses as well.
最后,使用具有标准误差的最大似然参数估计和调整的最大似然参数估计来使用多组SEM模型。2对非正态(MLMV)估计稳健的测试统计量,以测试跨组的结构路径系数的不变性。这里的目的是测试孤独对协变量的直接和间接影响是否在性别之间不变。在应用中,在χ2测试用于确定是否性别和或社会经济地位调节孤独评分的影响基线结果+12个月。为了帮助解释结果,我们采用Ferguson的[29]建议来解释效应量。相应的相关系数为>.2被解释为具有实际意义,>.50作为中等,和>.80作为大效果大小。另外是一个科恩的d> .41被解释为实际上很大。
描述性统计显示在(表1)中,在基线和+12个月之间孤独分数几乎没有磨损。结果在表明中报告了结果。结果表明,构建体内的分数充足的内部一致性,没有测量分数偏斜或王子。按地区和SES(见表2),观察到配置,弱,强,严格的孤独评分的测量不变性。因此,可以在没有警告的情况下进行SES和区域组之间结构不变性的测试。性别的结果表明缺乏测量不变性。性别观察到配置不变性,这意味着男性和女性存在相同数量的短UCLA因子。然而,未观察到弱,强烈,严格的分数不变。这些数据显示,Males中的短uCLA短型测量与女性的比例不同(弱不变性),这意味着得分不在相同的指标上,从而不符合较弱的不变性。因此,应采取潜在因子分数的性别比较,注意到雄性和女性之间存在实质性差异。 A test of strong invariance further showed that females (m对于三个项目=.525,497和.519)与男性相比,系统地回应了更高的物品(m对于三个项目=.387,.506和.368),因此,UCLA短表格分数似乎没有在性别之间具有相同的标量。值得注意的是,缺乏标量的不变性是在理论上保持的,女孩已经证明女孩们在青春期期间报告了比男孩更孤独。
表2。区域、性别和SES的测量不变性(N=1829)。
模型 |
χ2 |
DF. |
CFI |
ΔCFI |
TLI. |
ΔTLI |
SRMR |
RMSEA(90%置信区间) |
|
地区(1) |
|||||||||
配置一个 |
0 |
* |
0 |
1 |
- |
1 |
- |
0 |
组织(。000, .000) |
弱 |
0.816. |
2 |
1 |
0 |
1.003 |
-0.003 |
0.007 |
组织(。000, .000) |
|
强大的 |
8.344 |
5 |
0.997 |
0.003 |
0.996 |
0.004. |
0.032 |
.027(.000,.058) |
|
严格的 |
16.971 |
* |
8 |
0.992 |
0.008 |
0.994. |
0.006 |
0.037 |
.035(.010,.058) |
性别(2) |
|||||||||
配置一个 |
0 |
* |
0 |
1 |
- |
1 |
- |
0 |
组织(。000, .000) |
弱 |
4.795 |
2 |
0.997 |
0.003 |
0.992 |
0.008 |
0.017 |
.039(。000, .086) |
|
强大的 |
50.931 |
* |
5 |
0.958 |
0.042 |
0.95 |
0.05 |
0.081 |
.100(。076, .126) |
严格的 |
66.617 |
* |
8 |
0.946 |
0.054 |
0.96 |
0.04 |
0.08 |
.090(.070,.110) |
SES(3) |
|||||||||
配置一个 |
0 |
* |
0 |
1 |
- |
1 |
- |
0 |
组织(。000, .000) |
弱 |
1.193 |
2 |
1 |
0 |
1.002 |
-0.002 |
0.008 |
.000(.000,.061) |
|
强大的 |
5.542 |
5 |
0.999 |
0.001 |
0.999 |
0.001 |
0.021 |
.012(.000,.052) |
|
严格的 |
10.932 |
8 |
0.997 |
0.003 |
0.998 |
0.002 |
0.025 |
.022(。000, .050) |
笔记。*p-Value≤05。,(1)缺失,n=3, (2) missing=4, (3) missing=259;模型1-3包括了基线得分的孤独感。A = 3项的配置模型是“刚刚识别的”,其解释了0.00值。
UCLA短分的不变性也在数据收集之间进行了检验(见表3)。结果与理论并不完全一致。我们观察到,在数据收集过程中,孤独评分保持相同的因素结构(构型),评分保持在相同的度量(弱或度量不变性)。然而,加州大学洛杉矶分校的短分数并没有保持相同的标量,这是因为青少年报告的第二波分数系统地更高(m对于三个项目=.543, .657和.477)比第一波(M表示三个项目=.453,.598和.441)。
表3。按时间测量不变性(n = 1826)。
模型 |
χ2 |
DF. |
CFI |
ΔCFI |
TLI. |
ΔTLI |
SRMR |
RMSEA(90%置信区间) |
|
时间1一个 |
0 |
* |
0 |
1 |
- |
1 |
- |
0 |
组织(。000, .000) |
时间2一个 |
0 |
* |
0 |
1 |
- |
1 |
- |
0 |
组织(。000, .000) |
时间1 & 2 (1) |
|||||||||
配置一个 |
0 |
* |
0 |
1 |
- |
1 |
- |
0 |
组织(。000, .000) |
弱 |
3.36 |
2 |
0.999 |
0.001 |
0.998 |
0.002 |
0.01 |
.019(。000, .054) |
|
强大的 |
21.678. |
* |
5 |
0.992 |
0.008 |
0.99 |
0.01 |
0.031 |
.043(.025,.062) |
严格的 |
46.1 |
* |
8 |
0.981 |
0.019 |
0.986 |
0.014 |
0.034 |
.051(。03.7, .066) |
笔记。*p值≤0。。(1)失踪,n= 3。A = 3项的配置模型是“刚刚识别的”,其解释了0.00值。
开发了对方差(ANOVA)的分析,进一步研究了性别和SES对基线孤独的影响:F(2,1565)= 20.12,p≤措施,调整R.2= .02点。女性(b= .16,95%置信区间[CI] = .11- .21)和获得免费饭菜的学生(b= .05,95%置信区间[CI] = - 。01- .11)两者都报告了比同龄人更孤独,效果小。
计算基线孤独评分与其他连续变量之间的相关性,而部分相关性用于检查孤独+12个月之间的相关性,以及控制基线评分的其他结果(见表1)。在基线或+12个月的孤独之间的中等范围[29]中没有系数,以及任何其他变量。北爱尔兰和苏格兰的类似结果模式,基线孤独和+12个月之间存在几乎显着的负相关性,以及社会和情绪自我效能。在北爱尔兰样品中,+12个月孤独之间也存在实际上显着的负相关性,以及学术自我效能。
开发了一个交叉滞后的面板设计,结构方程模型(SEM),以检查基线和学术,社会和情绪自我疗效的孤独之间的因果程,并在与性别,SES和地理区域进行12个月的跟进作为协变量添加。结果表明,该模型适合数据,χ2(64)= 300.28,p≤.001,CFI = .94,RMSEA = .06(95%置信区间[CI] =。05- .06)。结果还表明,在研究的12个月中寂寞稳定(ϒ=算下来,p<.001)。
将解释对标准化系数的解释,显示孤独没有对学术自我效能的影响(ϒ= - 03,p=.26)或社会自我效能(ϒ= - 08,p=.02),两者都可以用模型(R2= .45和R2分别= .32)。相比之下,基线孤独对12个月的情绪自我效能感到小而负面影响(ϒ= -.12,p= .001),该模型解释了相当数量的社会效能得分(R2= .40)。通过Anova,女性报告(ϒ= - 。02,p=.06)和免费午餐(ϒ= .09,p=.002)报告的孤独感水平高于基线水平,尽管差异不大。
由于对社会地位的影响是显著的,第二个模型被开发来检查社会地位和孤独之间的潜在交互作用,在预测12个月后的结果的基线。在学业自我效能方面,交互参数在统计上或实践上均不显著。然而,在社会(b= 13,p=.005)和情绪(b= 23),p=措施)自我效能感。第三个模型包括了性别的互动术语,显示了在+12个月时,基线孤独感对情绪自我效能的实际显著影响(b= - 。21,p= . 05)。具体来说,女性身份和孤独感对情感自我效能有负面影响。最后,多重样本分析表明,性别和社会经济地位群体成员都没有调节基线孤独感对上述结果的影响(见表4)。也就是说,社会经济地位群体和性别群体之间的结构路径是不变的。
表4。孤独和持续成果的性别差异。
男性 |
女性 |
|||
米(SD.) |
米(SD.) |
t(DF.) |
科恩的维(95%CI) |
|
寂寞t1. |
0.42(相关性) |
0.58 (53) |
-6.73(1823)** |
-0.32(-.41,-.22) |
寂寞t2. |
0.48 (53) |
0.65(.55) |
-6.69(1823)** |
-0.31(-.41,-.22) |
学术自我效能 |
3.40(点) |
3.42(.76) |
-0.83 (1689) |
-0.05(-14,.04) |
社会自我效能 |
3.74(.63) |
3.54(.65) |
6.44(1681)** |
0.29(.19, .38) |
情绪自我效能 |
3.43 (.76) |
2.78(.78) |
17.15 (1655) * * |
0.84(.74,.94) |
**p≤.001。使用该功率分析PWR.包中R为了t- 最低。电源被设置为建议的.80(ellis,2010),并且使用Bonferroni的调整确定了重要性水平(即,p= .008)。用于最小可解释的效果大小的截止值如下效果大小如下斜斜体(a)孤独T1=。16、(b)孤独T2=。16, (c) academic self-efficacy=.17, (d) social self-efficacy=.17, (e) emotional self-efficacy=.17.
接下来,采用第一个和主要的SEM模型,包括来自北爱尔兰的青年,而且该模型再次适合数据,χ2(115) = 3076.70,p≤.001,CFI = .93,RMSEA = .07(95%置信区间[CI] =。06- .08)。北爱尔兰青年中,基线的孤独没有关于学术自我效能的影响(ϒ= - 。02,p=算下来,R2= .32)或社会自我效能(ϒ= - 。05,p= .20,R2= .30)。值得注意的是,在12个月后,基线孤独感是情绪自我效能的反向指标(ϒ= - 。17,p≤.001),该模型解释了大量的社会疗效分数(R2=点)。适合从苏格兰青少年收集的数据的模型也足够:χ2(59)= 163.09,P≤001,CFI = .94,RMSEA = .06(95%置信区间[CI] =。05- .07)。在苏格兰青少年中,基线的孤独与学术自我效能无关(ϒ= - 。06,p= .04,R2= 0.40),情绪自我效能感(ϒ= - 。06,p=无误,R2= .41)或12个月的社会自我效能随访(ϒ= - 03,p≤.12,R2= .36)。
一系列的结果t- 最低(见表5)显示女性报告的孤独水平大于基线和+12个月的男性,并且孤独的收敛性很少。审查性别手段还表明,男性和女性在12个月内报告比基线更高的孤独水平。相比之下,雄性报告了社会和情绪自我效率的更高水平而非女性。学术自我效能之间是相似的。然而,唯一可以被认为是重要的差异[29],是为了情绪自我效能。
表5。孤独和持续成果的性别差异。
男性 |
女性 |
|||
米(SD.) |
米(SD.) |
t(DF.) |
科恩的d(95%CI) |
|
寂寞t1. |
0.42(相关性) |
0.58 (53) |
-6.73(1823)** |
-0.32(-.41,-.22) |
寂寞t2. |
0.48 (53) |
0.65(.55) |
-6.69(1823)** |
-0.31(-.41,-.22) |
感觉寻求 |
3.71(.82) |
3.53(.84) |
4.75(1816)** |
0.22(.12,.31) |
学术自我效能 |
3.40(点) |
3.42(.76) |
-0.83 (1689) |
-0.05(-14,.04) |
社会自我效能 |
3.74(.63) |
3.54(.65) |
6.44(1681)** |
0.29(.19, .38) |
情绪自我效能 |
3.43 (.76) |
2.78(.78) |
17.15 (1655) * * |
0.84(.74,.94) |
**p≤.001。使用该功率分析PWR.包中R为了t- 最低。电源被设置为建议的.80(ellis,2010),并且使用Bonferroni的调整确定了重要性水平(即,p= .008)。用于最小可解释的效果大小的截止值如下效果大小如下斜斜体上面:(a)寂寞t1 = .16,(b)孤独t2 = .16,(c)求寻求= .16,(d)学术自我效率= .17,(e)社会自我效率= .17,(f)情绪自我效能= .17。
本研究的结果表明三项UCLA孤独感量表在青少年群体中的可行性。首先,该量表在基线和+12个月时获得了内部一致的评分。分析还表明,分数在社会经济地位(即是否有午餐补贴)和地理位置上是不变的。
尽管加州大学洛杉矶分校的短期分数在数据收集中保留了相同的因素结构和指标,但青少年报告的12个月的分数系统地高于基线。我们假设,经过12个月的随访,这些青少年的系统得分会较低。因此,参与本研究的青少年(基线时平均年龄为13.6岁,+12个月时平均年龄为14.5岁)仍然处于孤独感开始的中期,而不是在青少年后期观察到的缓解阶段。这些数据表明,青少年早期的孤独感可能会增加,而孤独感的减少可能会发生在这个发展阶段的后期。最后,加州大学洛杉矶分校的短分数似乎在性别的度量和尺度上都不同。因此,在研究UCLA男女之间的短因子得分时,需要谨慎。
虽然以前的研究表明,孤独对学术成就产生负面影响[15]和情绪问题[5],本研究中的孤独不是良好的预测学术自我效能。集体数据表明,孤独与学术结果相关联,但不一定是个人对其管理相关需求的能力的评估。相比之下,我们观察到患有孤独的个人可能会感知到管理社会和情感需求的能力。因此,孤独可能是社会适应的自我评价中有用的解释性因素,这可能有助于解释孤独对同伴隔离和受害的社会成果的影响。
关于社会人口变量的结果值得注意。从性别开始,在童年中的孤独中表现出相似性[10],在高中的僵化结果形成鲜明对比[4,15]。本研究包括在从初中到中高中过渡之前的发展时期,结果表明,年轻的青少年女性报告的孤独水平大于男性同行。此外,在基线上经历升高的孤独水平的女性遭受了一年的社会自我效能的最大减少。这些数据表明,孤独的风险更大的风险对社会自我效力,并且在青春期发作期间的女性可能与女性相关的社会结果。SES也对孤独感产生了影响,尽管效果很小。具体而言,收到免费午餐的学生们报告的孤独水平高于更富裕的同龄人。然而,在社会自我效能的预测中,SES和孤独之间没有相互作用。
本研究并非没有局限性。首先,在一个欧洲区域取得的结果可能不适用于生活在其他欧洲国家或世界其他地区的青少年。第二,除了本研究中包含的那些构念,其他构念也被证明与孤独有关,即心理健康和适应。上述不足之处为未来的短文体研究提供了潜在的富有成效的线索。鉴于成瘾行为的研究[30],了解加州大学洛杉矶分校孤独短形式分数在多大程度上预测青少年时期的酒精和物质使用也很重要。
研究文章
收到的日期:2018年8月21日
接受日期:2018年9月14日
发布日期:2018年9月18日
©2018 Andretta JR。这是在创意公约归因许可的条款下分发的开放式文章,其允许在任何媒体中不受限制地使用,分发和再现,只要原始作者和来源被记入。
孤独感对青少年早期学业、社交和情绪自我效能感的影响:一项为期12个月的随访研究。临床医学期刊1:DOI: 10.15761/CMP.1000105
表格1。相关性和描述性统计。
变量 |
1 |
2 |
3. |
4 |
5 |
1.寂寞t1. |
- |
.35点* * |
-.15 ** |
-.25 ** |
-.24 ** |
2.寂寞T2. |
.51 ** |
- |
23) * *一个 |
10 * *一个 |
.33 * *一个 |
3.学术自我效能 |
-0.07 |
-.10 *一个 |
- |
36 * * |
36 * * |
4.社会自我效能 |
10 * * |
23) * *一个 |
.30 ** |
- |
55 * * |
5.情绪自我效能 |
.33 * * |
-.31 **一个 |
.30 ** |
.52 ** |
- |
α (95% ci ε) |
.79(尾数就) |
尾数就(.76) |
.86(新) |
.77(.75) |
.87点(.86) |
米(SD) |
.50(.51) |
.56(.55) |
3.41 (0.78) |
3.64(.65) |
3.12(点) |
峰度 |
3.24 |
2.74 |
2.96 |
3.71 |
2.72 |
偏态 |
0.92 |
0.74 |
-0.4 |
-0.48 |
-0.13 |
笔记。*≤.05 **≤.001。下面是北爱尔兰样本,上面是苏格兰样本,用对角线表示。描述性统计包括整个样本。功率分析使用PWR.包中R统计数据表明r.10的系数是用于最小解释的相关性的截止。电源被设置为建议的.80(ellis,2010),并且使用Bonferroni的调整确定了重要性水平(即,p=措施)。a=控制孤独T1分数的部分相关。
表2。区域、性别和SES的测量不变性(N=1829)。
模型 |
χ2 |
DF. |
CFI |
ΔCFI |
TLI. |
ΔTLI |
SRMR |
RMSEA(90%置信区间) |
|
地区(1) |
|||||||||
配置一个 |
0 |
* |
0 |
1 |
- |
1 |
- |
0 |
组织(。000, .000) |
弱 |
0.816. |
2 |
1 |
0 |
1.003 |
-0.003 |
0.007 |
组织(。000, .000) |
|
强大的 |
8.344 |
5 |
0.997 |
0.003 |
0.996 |
0.004. |
0.032 |
.027(.000,.058) |
|
严格的 |
16.971 |
* |
8 |
0.992 |
0.008 |
0.994. |
0.006 |
0.037 |
.035(.010,.058) |
性别(2) |
|||||||||
配置一个 |
0 |
* |
0 |
1 |
- |
1 |
- |
0 |
组织(。000, .000) |
弱 |
4.795 |
2 |
0.997 |
0.003 |
0.992 |
0.008 |
0.017 |
.039(。000, .086) |
|
强大的 |
50.931 |
* |
5 |
0.958 |
0.042 |
0.95 |
0.05 |
0.081 |
.100(。076, .126) |
严格的 |
66.617 |
* |
8 |
0.946 |
0.054 |
0.96 |
0.04 |
0.08 |
.090(.070,.110) |
SES(3) |
|||||||||
配置一个 |
0 |
* |
0 |
1 |
- |
1 |
- |
0 |
组织(。000, .000) |
弱 |
1.193 |
2 |
1 |
0 |
1.002 |
-0.002 |
0.008 |
.000(.000,.061) |
|
强大的 |
5.542 |
5 |
0.999 |
0.001 |
0.999 |
0.001 |
0.021 |
.012(.000,.052) |
|
严格的 |
10.932 |
8 |
0.997 |
0.003 |
0.998 |
0.002 |
0.025 |
.022(。000, .050) |
笔记。*p-Value≤05。,(1)缺失,n=3, (2) missing=4, (3) missing=259;模型1-3包括了基线得分的孤独感。A = 3项的配置模型是“刚刚识别的”,其解释了0.00值。
表3。按时间测量不变性(n = 1826)。
模型 |
χ2 |
DF. |
CFI |
ΔCFI |
TLI. |
ΔTLI |
SRMR |
RMSEA(90%置信区间) |
|
时间1一个 |
0 |
* |
0 |
1 |
- |
1 |
- |
0 |
组织(。000, .000) |
时间2一个 |
0 |
* |
0 |
1 |
- |
1 |
- |
0 |
组织(。000, .000) |
时间1 & 2 (1) |
|||||||||
配置一个 |
0 |
* |
0 |
1 |
- |
1 |
- |
0 |
组织(。000, .000) |
弱 |
3.36 |
2 |
0.999 |
0.001 |
0.998 |
0.002 |
0.01 |
.019(。000, .054) |
|
强大的 |
21.678. |
* |
5 |
0.992 |
0.008 |
0.99 |
0.01 |
0.031 |
.043(.025,.062) |
严格的 |
46.1 |
* |
8 |
0.981 |
0.019 |
0.986 |
0.014 |
0.034 |
.051(。03.7, .066) |
笔记。*p值≤0。。(1)失踪,n= 3。A = 3项的配置模型是“刚刚识别的”,其解释了0.00值。
表4。孤独和持续成果的性别差异。
男性 |
女性 |
|||
米(SD.) |
米(SD.) |
t(DF.) |
科恩的维(95%CI) |
|
寂寞t1. |
0.42(相关性) |
0.58 (53) |
-6.73(1823)** |
-0.32(-.41,-.22) |
寂寞t2. |
0.48 (53) |
0.65(.55) |
-6.69(1823)** |
-0.31(-.41,-.22) |
学术自我效能 |
3.40(点) |
3.42(.76) |
-0.83 (1689) |
-0.05(-14,.04) |
社会自我效能 |
3.74(.63) |
3.54(.65) |
6.44(1681)** |
0.29(.19, .38) |
情绪自我效能 |
3.43 (.76) |
2.78(.78) |
17.15 (1655) * * |
0.84(.74,.94) |
**p≤.001。使用该功率分析PWR.包中R为了t- 最低。电源被设置为建议的.80(ellis,2010),并且使用Bonferroni的调整确定了重要性水平(即,p= .008)。用于最小可解释的效果大小的截止值如下效果大小如下斜斜体(a)孤独T1=。16、(b)孤独T2=。16, (c) academic self-efficacy=.17, (d) social self-efficacy=.17, (e) emotional self-efficacy=.17.
表5。孤独和持续成果的性别差异。
男性 |
女性 |
|||
米(SD.) |
米(SD.) |
t(DF.) |
科恩的d(95%CI) |
|
寂寞t1. |
0.42(相关性) |
0.58 (53) |
-6.73(1823)** |
-0.32(-.41,-.22) |
寂寞t2. |
0.48 (53) |
0.65(.55) |
-6.69(1823)** |
-0.31(-.41,-.22) |
感觉寻求 |
3.71(.82) |
3.53(.84) |
4.75(1816)** |
0.22(.12,.31) |
学术自我效能 |
3.40(点) |
3.42(.76) |
-0.83 (1689) |
-0.05(-14,.04) |
社会自我效能 |
3.74(.63) |
3.54(.65) |
6.44(1681)** |
0.29(.19, .38) |
情绪自我效能 |
3.43 (.76) |
2.78(.78) |
17.15 (1655) * * |
0.84(.74,.94) |
**p≤.001。使用该功率分析PWR.包中R为了t- 最低。电源被设置为建议的.80(ellis,2010),并且使用Bonferroni的调整确定了重要性水平(即,p= .008)。用于最小可解释的效果大小的截止值如下效果大小如下斜斜体上面:(a)寂寞t1 = .16,(b)孤独t2 = .16,(c)求寻求= .16,(d)学术自我效率= .17,(e)社会自我效率= .17,(f)情绪自我效能= .17。