自编手机依赖量表在大学生群体中的探索性因子分析及信效度检验——以张家口市某高校为例

宣懿楠，王新雷，王从从，李 强

（1.河北北方学院， 河北 张家口 075000；2.唐山工业职业技术学院，河北 唐山 063299）

随着社会信息化的发展，以及校园信息化趋势的加快，越来越多的大学生出现过度使用手机现象。手机依赖必然影响大学生的学习和生活。笔者自编大学生手机依赖量表对张家口市某高校130名在校生进行调查，并对该量表因子结构及其信效度进行检验，为预防和干预大学生手机依赖提供实证依据。

1 研究对象

测试采用随机整群抽样方法，选取张家口市某高校大一至大三本科生作为调查对象，随机抽取二级学院，向分布在不同学院的所抽班级全体学生发放自制量表130份。回收后，检查所有回收样本的有效性，将被试者基本信息不完整、作答不完整题量超过20%及作答数据不规范的样本剔除。最终得到有效样本数量为121份，有效率为93.1%。研究对象基本情况详见表1。

表1 张家口市某高校在校大学生被试情况分布表(n=121)

2 研究方法

《大学生群体手机依赖量表》参照中文版智能手机成瘾量表（SAS）和手机成瘾指数（MPAI）中有关成瘾和依赖的相关问题，结合张家口市某高校在校学生个案访谈和群体实例进行编制。

2.1 研究工具编制

量表由心理依赖性因子、人际疏离性因子、学习干扰性因子和情绪安抚性因子构成，共22个条目，采用Likert五点记分法，其中：1=完全不符合，2=比较不符合，3=不确定，4=比较符合，5=完全符合。评分设置为1～5分，得分越高，表明手机依赖程度越明显。

2.2 统计分析

本研究采用SPSS25.0中文版软件对回收数据进行描述性统计、信度和效度分析、探索性因子分析等。

3 研究结果

对该量表因子结构及其信效度进行检验，结果如下。

3.1 项目分析

根据描述性统计结果，各变量的标准差大部分都在0.8～1.3之间，只有V3的标准差为0.631，V4为0.680，V12为0.552，表明被试反应趋同。但值得注意的是，虽然这些变量标准差较小，但结合该变量的意义和内容，此时考虑不删除，而是保留。根据变量的相关系数矩阵，相关系数＞0.4的情况在整个矩阵中所占比例较高，且有较大比例的系数呈现中等程度相关（0.4～0.7），说明各变量之间具有较强的线性关系，可以进行因子分析。

3.2 探索性因素分析

对《大学生群体手机依赖量表》的22个变量进行探索性因素分析，测试采用KMO系数及Bartlett球形检验。KMO系数越接近1，表明对变量进行因素分析的效果越好。第一次测试结果显示，KMO系数为0.847，介于0.8～0.9之间；Bartlett球形度检验表明：Bartlett球形检验的值为1560.325(df=231)，且显著性概率p=0.000，＜0.05，达到显著水平，说明相关矩阵不是一个单位矩阵，相关矩阵间存在共同因素。由此可见，该量表很适合进行探索性因素分析。同时，在反映像矩阵中，当某一变量的KMO＜0.5时，则认为该变量不适合进入因子模型。在本量表中，V3、V4变量的KMO为0.495、0.420，V3仅比0.5小一些，并且在后面的因子旋转矩阵中的因子载荷＞0.5，且与其他变量能一起解释第3个潜在因子，因此该变量尚可进入因子模型中，则V4需要考虑删除。

在公因子方差列表中，第2列所有因素分析初始解下的变量共通性均为1，它的意义为：如果对原始22个变量采用主成分分析方法萃取出所有的特征值（22个），那么原始变量的所有变异数都可被解释。事实上，因素分析的目标必须使得因素个数小于原始变量的个数，所以不可能萃取全部特征值。依所设定的萃取条件（本测试设置为特征值＞1）来萃取特征值时，变量的绝大部分信息往往可被萃取出的因素解释，这些因素可称为共同成分。整体而言，本量表中因素萃取的效果可以接受，各变量都远远＞0.16。

采用主成分分析法进行最优斜交旋转，按照Kaiser的理论，特征值大于1的变量应予以保留，故萃取出5个因子，其特征值分别为8.096、2.739、1.672、1.319、1.084，这5个因子共同解释了原始变量之总变异数的67.769%。整体而言，原始变量的信息遗失量不多，因此此次的因子分析有效。

观测变量分析情况，对取样适切性量数＜0.5的变量进行删除。在第一次探索性因子分析时，第4个因子只包含了V13和V22变量。根据变量筛选的原则，一个因子对应2个或2个以下变量时，需要删除该变量和其对应的因子，因此需要删除V13、V22变量和第4个因子。综合以上信息，对V4、V13、V22变量进行删除。

删除V4、V13、V22变量后，再进行第2次探索性因子分析，结果如下：KMO取样适切性量数为0.849，表示很适合进行因子分析，Bartlett球形检验x2的值为1376.429(df=171)，且p=0.000，＜0.005，即相关矩阵不是一个单位矩阵，故可以进行因子分析。对剩余19个变量进行第2次因子分析后发现，4个因素的解释变异量分别为38.789、14.264、8.310、5.960%，总累计解释变量为67.323%。

根据各共同因素中各变量的负荷量大小排序可知，第1个因子包含V14～19、V21等7个变量；第2个因子包含V7～12等6个变量；第3个因子包含V1～3等3个变量；第4个因子包含V5、6、20等3个变量。本研究采用主成分分析法，将成分矩阵表按凯撒正态化最优斜交法进行旋转，结果显示在第5次迭代后收敛。表2展示各个变量在各因子的负荷量。

表2 旋转后的成分矩阵表

通过矩阵旋转后进一步简化了数据结构，可以较为简洁地反映出原始变量与这些因子之间的归属关系。由此表可知，第1个因子替代了7个变量的作用，这些变量可以归纳为“心理依赖”方面，因此该因子可以命名为“心理依赖性”。第2个因子替代了6个变量的作用，这些变量可以归纳为“人际交往”方面，因此该因子可以命名为“人际疏离性”。第3个因子替代了3个变量的作用，这些变量可以归纳为“学习管理”方面，因此该因子可以命名为“学习干扰性”。第4个因子替代了3个变量的作用，这些变量可以归纳为“不良情绪”方面，因此该因子可以命名为“情绪安抚性”。

3.3 内部一致性信度检验

在探索性因子分析后，为进一步评价《大学生群体手机依赖量表》的质量标准，笔者采用Cronbach α系数作为信度分析方法，首先对总量表中19个变量的内部一致性进行检验，结果如表3所示。

表3 可靠性统计

整个量表的克伦巴赫系数为0.909，根据评价标准，说明该量表的同质性很高，属于非常理想层次。同时，针对各因子的内部一致性进行检验，分别如下。

表4 各因子的内部一致性信度检验统计

结果显示，各因子的α系数分别为0.903、0.876、0.687、0.513，都具有较好的内部一致性。

3.4 重测信度检验

将《大学生群体手机依赖量表》对同一被测间隔2周后进行重复测试。重测结果表明，总体重测信度为0.913，心理依赖性、人际疏离性、学习干扰性和情绪安抚性4个因子的重测信度分别为0.907、0.885、0.716、0.542，根据重测信度评价标准，表明该量表重测信度可接受。

3.5 结构效度检验

通过测量各因子间皮尔逊相关系数、各因子与总分之间的相关系数，考察量表的结构效度。量表各因子间相关系数均在0.201～0.716之间，且所有因子均达到显著性水平。各因子与总分之间的相关性在0.514～0.801之间，说明各因子与总量表之间的相关性也很高。同时，各因子间的系数小于因子与总量表间的系数，说明各因子间既相互独立，又具有显著的相关性。详见表5所示。

表5 结构效度检验结果

4 研究结论

笔者在基于使用《大学生群体手机依赖量表》进行前期调查的基础上，结合SAS和MPAI中有关成瘾和依赖的界定，设定19个项目，4个维度，分别为心理依赖性、人际疏离性、学习干扰性、情绪安抚性。通过探索性因子分析、信效度检验，最终形成了一个内部一致性理想、信效度良好的量表。但其他中介变量是否影响手机使用与其依赖关系还需进一步研究。

在对样本的现状分析时还发现，不同性别大学生在4个因子间存在差异，男生在心理依赖、学习干扰2个因子上的得分高于女生，其原因可能与男生更喜欢用手机打游戏有关，而女生在人际疏离因子中得分更高，较男生更频繁使用手机人际功能。其次，不同年级大学生在心理依赖、人际疏离因子上的得分也存在差异(p＜0.05)，其原因可能是刚入学的新生课业负担较轻，可支配时间相对充裕，有很多时间玩手机，而大三学生较其他年级更少使用手机。家庭住地性质仅在情绪安抚因子上存在差异(p＜0.05),成长于农村的孩子要比城镇的孩子在情绪抚慰得分高。

5 建议

研究显示，学生每天使用手机的时间较长，将会对大学生的心理依赖、人际疏离、学习干扰和情绪安抚4个因子产生了不同程度的正向影响。这一现象提示高校引起重视，通过开设相关课程教育与引导学生对手机的合理使用，严格控制每天使用手机的时间，减少不良行为的发生率；举办心理讲座增强学生抵御手机心理依赖能力；广泛培养学生兴趣爱好，开展丰富的校园活动，分散学生手机依赖的注意力，促使学生向外发展，降低闭塞空间对手机依赖的可能性。有效干预学生手机依赖行为是由多种影响因素综合作用的结果，学校、家庭、社会都应做出相应的努力，保障学生在和谐健康的环境下健康成长。