运用结构方程模型改进医务人员综合幸福感评价量表*

南方医科大学南方医院统计室(510515)　

陈莉雅

【提　要】　目的　使用结构方程模型改进医务人员综合幸福感量表。方法　对三家医院进行分层整群抽样，以其中两家医院的数据构建结构方程，通过配适度等指标评价新建的模型，以第三家医院数据验证模型。结果　二阶模型结果符合结构方程模型构建原则，经第三家医院数据验证已建立的结构方程模型是成立的。调整后的量表在减少了三分之一的条目后仍具有良好的信度，且架构效度明显提升。结论　运用结构方程模型改进量表的方法可行，改进的医务人员综合幸福感评价表更为简洁实用，且技术性能良好。

目前关于国内医务人员的综合幸福感研究的不多，较为成熟的是苗元江的综合幸福感量表[1-2]，此量表考虑的内容较为全面，但条目数偏多(50个条目)，结构效度不够理想。但从发表的文献来看，多数仅是对各个维度的分值进行简单的对比，忽略了各个维度直接的关系，多数仅以一个单条目做为综合幸福感评分[3-4]。结构方程模型(structural equation modeling)是一门基于统计分析技术的研究方法学，可用于处理研究者各种假设理论模型中的观察变量与潜在变量之间的关系。基本上，各种假设的理论模型都可以在结构方程中进行检验[5-6]，在心理学、社会科学及其他学科中应用广泛[7-8]。因此本研究采用结构方程模型对苗元江研制的综合幸福感量表进行验证和改进，以期在保证甚至改善信度和效度的基础上，简化量表，使其更为实用。

对象与方法

1.量表：以苗元江设计的《综合幸福感问卷》为基础调查表[1-3]，包含前50项条目，生活满意(B01～B05)，正性情感(C02、C04、C06、C09、C10、C12)，负性情感(C01、C03、C05、C07、C8、C11)，生命活力(B20～B25)，健康关注(B34～B38)，利他行为(B29～B33)，自我价值(B15～B19)，友好关系(B26～B28)，人格成长(B6～B14)，各条目均为1～7个等级，其中，负性情感反向赋值。原来调查表中的第51项为单独条目“在整个生活中您的幸福感或痛苦体验”，在整个结构方程建模中不纳入。

2.调查对象：根据结构方程样本量要求，需为观察指标(本研究为50个条目)的10～15倍[9]。2016年10月至2017年1月期间以广东省三家三甲医院(南方医科大学第三附属医院、广州市花都区人民医院和惠州市中心人民医院)的医护人员为调查对象，分层整群抽样，按各科室人员数量，抽取50%进行问卷发放，由专人负责发放和回收。南方医科大学第三附属医院发放问卷400份，回收问卷354份，无效问卷24份，有效率为93.22%。广州市花都区人民医院发放问卷400份，回收问卷386份，无效问卷26份，有效率为93.26%，惠州市中心人民医院发放问卷600份，回收问卷559份，无效问卷38份，有效率为93.20%，综合来看，此次发放调查表1400份，回收问卷1299份，回收率92.79%，有效问卷1211例，有效率93.23%，满足样本量的需求。

3.结构方程方法：先以其中两家医院的数据构建结构方程模型。以因子分析的结果，用结构方程模型进行各维度条目的探索性和验证性因子分析，根据结构方程建模规则，即先按照每个维度做一阶验证性因子分析，根据因子负荷量、标准化系数平方和组成信度等模型指标，删除和调整不合理的条目[10-11]，此外为了简化模型，减少结构方程模型的估计参数，还可以尝试构建二阶模型。最后以第三家医院数据验证已构建的模型与此样本是否适配。

4.统计分析：数据录入采用Epidata 3.1软件，统计分析软件为SPSS 23.0软件，结构方程分析软件为SPSS Amos 23。缺失值以均值替代。效度分析采用Kaiser-Meyer-Olkin Measure检验和Bartlett球型检验，信度分析时当Cronbach α系数>0.70时，认为各维度的内部一致性信度较高。检验水准α=0.05。

结　　果

1.综合幸福感问卷的效度和信度

本研究以广州市两家医院(南方医科大学第三附属医院和广州市花都区人民医院)为基础数据，样本量为690例，验证样本为惠州市中心人民医院，样本量为521例。均满足样本量500～750的要求。基础数据690例中，综合幸福感问卷因子分析得到KMO值为0.959，Bartlett’s球形检验得到P<0.001,偏相关性很弱，适合因子分析，主成分分析前9个因子，其对总方差的累积贡献率为71.70%。信度分析得到Cronbach α系数为0.960，经标准化后得到的信度为0.961，内部一致性信度高。

2.结构方程模型构建

(1)构建验证式结构方程

结果如表1所示，UnEst为非标准化因素负荷量，S.E为标准误，Est为标准化因素负荷量，SMC为标准化系数平方，CR为组成信度，AVE为平均变异数萃取量。

模型的9个维度各条目的Est范围为0.680～0.980，且P值均有显著差异。SMC范围为0.462～0.960，各维度CR范围为0.782～0.947，AVE范围为0.545～0.856。除外维度负性情感条目C11的SMC<0.5外，余指标均满足学者提出的标准[9,12]：Est>0.5，SMC>0.5，CR>0.6，AVE>0.5。而C11的SMC为0.462，接近0.5，认为其仍属于可接受范围，因此9个维度均具有收敛效度。

表1　医务人员综合幸福感量表各维度参数估计及配适度指标情况

(2)调整后量表的效度与效度

根据结构方程建模后量表得以简化，条目从50条降至33条，KMO值为0.947(调整前为0.959)，主成分分析前9个维度，其对总方差的累积贡献率为78.91%(调整前为71.70%)。信度分析得到Cronbachα系数为0.955(调整前为0.960)，经标准化后得到的信度为0.956(调整前为0.961)，可见，信息损失少，且前9个维度对总方差的累积贡献率大幅提升，调整后的量表具有良好的效度和信度。量表简化前后见表2。

表2　医务人员综合幸福感量表改进前后对比

(3)简化模型构建二阶模型

分别对调整后的量表数据建模，如表3所示，其中一阶一因子分析，即以调整后的33条目为观察变量，以综合幸福感为潜在变量做分析，得到其配适度指标均与建议值相差较大，如GFI的建议值为>0.8，而此模型得到该值为0.514。而一阶九因子无相关模式，即以9个维度彼此之间无相关建模，得到其配适度指标，也未达到建议值范围，如GFI=0.641，RMSEA=0.152，远大于建议值对应的GFI>0.8和RMSEA<0.08。一阶九因子有相关模型，是指以9个维度彼此之间有相关建模，得到良好的配适度指标，即χ2/df=2.224，GFI=0.917，AGFI=0.899，CFI=0.969，RMSEA=0.042，均满足建议值范围。

为了简化模型，减少结构方程模型的估计参数，构建了二阶模型，即以一阶为九因子，第二阶为综合幸福感得到，其对应的配适度指标为χ2/df=2.718，GFI=0.891，AGFI=0.874，CFI=0.983，RMSEA=0.050，均满足建议值范围，此外一阶九因子有相关模型与二阶因子的卡方比值为77.26%，即目标系数=0.77，根据Marsh HW建议[13]，目标系数越接近1越佳，本次二阶模型可接受。

表3　综合幸福感二阶验证因素模型配适度指标结果

(4)验证二阶模型的适配

以惠州市中心人民医院数据验证模型的适用性，结果见图1，χ2/df=2.605，GFI=0.867，AGFI=0.847，CFI=0.949，RMSEA=0.056，根据结构方程配适度指标，均满足建议值范围,可见模型良好，此群体数据适配于此假设模型。从模型可得到影响综合幸福感的因素从大至小分别为生命活力(标准回归系数为0.89)>人格成长(标准回归系数为0.88)>健康关注(标准回归系数为0.78)>正性情感(标准回归系数为0.75)>生活满意(标准回归系数为0.74)>利他行为(标准回归系数为0.73)>自我价值(标准回归系数为0.65)>友好关系(标准回归系数为0.64)>负性情感(标准回归系数为0.46)。

讨　　论

目前随着社会经济的发展，人们生活水平的提高，人们对医务人员的要求也越来越高，因此医务人员的压力越来越大，研究其综合幸福感具有现实意义，但目前国内测量医务人员综合幸福感的量表较少，比较成熟的是苗元江学者的综合幸福感量表，但其量表有局限性，多数是分维度单独进行比较，且仅以单项条目第51条“在整个生活中您的幸福感或痛苦体验”作为总的幸福感进行分析[3-4]，未能充分利用量表，从全局进行统一分析。

图1　医务人员综合幸福感量表的结构方程二阶模型验证图

运用结构方程模型，简化了量表，使得量表条目从50条减少至33条，且量表的信度和效度改变不大，调整后量表的KMO值为0.947，Cronbachα系数为0.955，具有良好的信度和效度，且九个维度对总方差的累积贡献率为从调整前的71.70%上升至调整后的78.91%，其九个维度更好地解释了综合幸福感。

以两家医院的基础数据做的二阶模型其配适度满足结构方程建模的要求，以惠州市中心人民医院的医务人员幸福感数据做验证模型，模型成立，满足建模要求。也从模型中可以看到，不同医院医务人员的幸福感有所不同，这可能与医院所在位置、医院的管理模式及待遇压力等方面不同有关。提升医务人员综合幸福感可从结构方程模型的结果进行有针对性的改善，二阶模型更加真实地反映综合幸福感各项条目及维度之间的相互关系。

本研究应用结构方程模型建模，从探索式模型到验证式模型，及从一阶模型到二阶模型，根据结构方程模型的建模标准，逐步深入。本研究的调整后的综合幸福感量表更能适用于医务人员，是今后改善医务人员幸福感提供良好的测量工具和数据支持。