安徽省普通高校大学生体质健康的发展趋势——基于潜变量混合增长模型

陈露露,程洋洋,汪 波,章 翔

(1.皖西学院 体育学院,安徽 六安 237012;2.安庆师范大学 体育学院,安徽 安庆 246133)

体质是指机体能够满足日常生活、享受娱乐休闲以及应对紧急情况的综合能力[1]。大学生是国家未来发展的中坚力量,其体质健康是民族强盛的基本前提。近年来,党和政府为评估以及增强大学生体质健康采取了一系列的措施[2]。从我国1985年以来组织的7次大规模学生体质健康调查数据来看,大学生体质健康水平整体呈逐年下降的变化趋势[3]。2019年开展的第8次全国学生体质健康调查结果显示,19—22岁的大学生体质健康达标率较往年仅上升0.2%。另外,朱海涛等人调查发现重庆市部分高校大一、大二学生的体质健康测试合格率较高,而大三、大四学生合格率逐渐降低[4]。潘晖等人对大连海洋大学19—21岁的大学生在10年期间体质健康的变化趋势进行了调研,发现大学生体质健康有逐年下降的趋势[5]。目前,科研人员对于大学生体质健康发展趋势的研究大多基于对不同年龄或年级组的被试进行同时性的测量,抑或是在不同时期对同一个年龄组的不同被试进行测量,而非对相同被试进行多时点的追踪调查,研究结果的解释力有限,不能真正揭示相同被试在不同时期的体质健康水平的变化趋势。为了更好地回答相同被试体质健康的发展趋势以及被试间发展趋势差异的问题,本研究采用对相同被试进行多时点测量的面板设计展开调查。

1 数据来源与方法

1.1 数据来源

随机抽取3000名安庆师范大学、皖西学院、巢湖学院2018级大学生2018、2019、2020年度的体质健康测试成绩,经筛查及整理后,保留2611名大学生3年间的体质测试成绩进行分析。其中,男生1340人,女生1271人;体育类专业183人,非体育类专业2428人。

1.2 研究方法

潜变量增长模型(LGM)是结构方程模型的一种变式,LGM首先定义截距和斜率两个潜变量,然后用某变量不同时间点的测量值估计模型中的两个潜变量,这种对发展轨迹进行简单描述的模型称为线性无条件LGM,其公式如下:

测量水平:

ynt=in+snt+ent

个体水平:

in=a1+b1n+r1

sn=a2+b2n+r2

其中,in与sn分别表示截距和斜率,ent为残差,a1与a2分别表示截距和斜率的均值,r1与r2分别表示截距与斜率的方差。在线性无条件LGM之后,如果截距或斜率的变异显著,则可以继续考察影响截距或斜率的因素,即构建线性条件LGM。如果某一变量与截距或斜率存在显著的共变关系,则可以确定该变量是影响截距或斜率的因素[6]。

潜变量增长模型(LGM)通常假设样本所代表的总体具有同质性,而当总体中存在不同的潜在类别k时,往往采用潜变量混合增长模型(LGMM)进行参数估计,其公式如下:

测量水平:

个体水平:

ink=a1k+b1nk+r1k

snk=a2k+b2nk+r2k

其中,p(cn=k)表示被试n属于潜类别k的概率。

本研究基于LGM和LGMM,深度挖掘安徽省普通高校大学生体质健康水平的纵向发展趋势。

1.3 数据分析过程

将3年纵向追踪调查的体质健康测试成绩录入Excel中,对数据进行筛查后,将有效数据保存。先将有效数据导入SPSS中,对大学生的3年体质健康测试成绩进行描述统计分析和相关分析。之后,采用Mplus导入有效数据,分别构建:1)大学生体质健康发展轨迹的线性潜变量增长模型(线性无条件LGM、线性条件LGM);2)大学生体质健康发展轨迹的潜变量混合增长模型(LGMM)。通过对模型拟合指标的比较,确定最优模型。

2 结果与分析

2.1 安徽省普通高校大学生体质健康的现状分析

由表1可见,安徽省普通高校大学生2018、2019、2020年的体质健康测试成绩均值分别为73.081、74.667、73.493分,均值间的差异较小。表明,这些大学生整体的体质健康水平在3年时期里波动不大、较为稳定。参照《国家学生体质健康标准》的评分标准:90分以上为优秀、75—89分为良好、60—74分为及格、59分以下为不及格,可知,3年间安徽省普通高校大学生整体体质健康成绩均值介于及格与良好之间。2018、2019、2020年大学生体质健康成绩的优秀率较为一致,不及格率分别为6.8%、3.6%、7.1%。

表1 描述统计结果(N=2611)

根据定类-定类、定类-定量、定量-定量情况下的两变量间相关性分析常采用2×2列联相关、T检验和积距相关方法[7],经分析得出表2,2018、2019与2020年的体质健康成绩两两呈显著相关,且相关系数r均大于0.8,说明大学生体质健康水平的发展具有连续性。专业与2018、2019、2020年的体质健康成绩有显著相关,性别与2018年成绩无显著相关,与2019、2020年成绩显著相关,专业与性别之间相关系数不高。

表2 相关分析结果(N=2611)

不过,由于被试的体质健康水平可能存在较大的个体差异或不同的亚类,而表1、2中的统计分析结果易受样本数据极值的影响,所以,该分析结果用于描述大学生体质健康水平与发展趋势的解释力有限,在研究中仅供参考,不能作为研究定论。

2.2 安徽省普通高校大学生体质健康的发展趋势:线性无条件LGM、线性条件LGM

为能较为清晰地描述安徽省普通高校大学生3年期间体质健康的发展趋势,本研究分别构建了线性无条件LGM、纳入专业和性别两个随时间不变协变量的线性条件LGM。从表3的拟合指标可以看出,线性无条件LGM对数据的拟合优于线性条件LGM,因此,确定安徽省普通高校大学生体质健康的发展趋势更为符合线性无条件LGM。

表3 大学生体质健康发展趋势的线性潜变量增长模型拟合指标(N=2611)

由线性无条件LGM结果可知,安徽省普通高校大学生体质健康的初始水平为74.11(P<0.01),在3年期间呈递增的变化趋势(斜率s=0.20,P<0.01),这与8次全国大学生的体质健康调查结果不同。另外,安徽省普通高校大学生体质健康的初始水平存在显著的个体差异(P<0.01),并且变化速度也存在显著的个体差异(P<0.05)。截距和斜率之间相关不显著(r=-1.25,P>0.05),表明安徽省普通高校大学生体质健康的初始水平与变化速度无显著的相关性。

2.3 大学生体质健康的发展趋势:LGMM

在线性无条件LGM基础上,为进一步考察安徽省普通高校大学生体质健康的发展趋势是否存在潜在类别的差异,构建了潜变量混合增长模型(LGMM),如图1。y2018、y2019、y2020分别表示2018年、2019年、2020年的体质健康测试成绩。潜变量i、s可以表示3次测试成绩的变化,对于3次间隔相等的重复测量,分别将i、s到y2018、,y2019、y2020的路径系数固定为1、1、1和0、1、2,i描述3次体质健康测试成绩的初始水平,称为截距;s描述3次成绩的线性变化速度,称为斜率。这一部分的模型相当于线性无条件潜变量增长模型(LGM)。c为潜在分类变量,用来描述变化趋势可能存在的类别[8]。由于潜在类别数未知,本研究分别选取1—5个潜在类别的混合增长模型(LGMM)进行拟合分析。

图1 大学生体质健康发展趋势的潜变量混合增长模型(LGMM)

在LGMM中,AIC、BIC和aBIC是描述模型与数据拟合的指标,其值越小,表示模型与数据的拟合越好。熵(Entropy)的值越接近于1,表示类别划分越清晰。LMR和BLRT用于考察c类模型较c-1类模型拟合效果是否有显著提升,通常只有当p值显著才考虑接受该模型[9]。如表4,通过模型的比较可以看出,随着分类数的增加,AIC、BIC、aBIC的值不断下降。当类别数c=1～4时,模型的Entropy值均大于0.8,表明分类的准确性均超过90%,并且LMR、BLRT的p值均为显著;而当c=5时,Entropy值小于0.8,且LMR的p值不显著。因此,综合考虑模型的合理性、准确性与简约性,确定4个潜在类别的分类作为最优模型。

表4 大学生体质健康发展轨迹的潜变量混合增长模型拟合指标(N=2611)

在确定4个潜在类别的分类为最优模型的基础上,分别对这4个类别的大学生体质健康发展趋势进行了考察。由表5的分析结果可知,类别1占比为19%,其体质健康初始水平略高于及格线60分,呈递减的发展趋势,但其发展速度不具备显著性;类别2占比最大,为73%,体质健康初始水平稍高于类别1,呈显著递增的发展趋势;类别3的人数占比最小,为1%,初始水平最差,低于及格线,呈显著递减的发展趋势;类别4占比较小,为7%,体质健康初始水平最高,呈显著递减的发展趋势。4个类别的大学生体质健康初始水平与发展速度呈显著负相关(r=-0.65,p<0.01),即初始水平越高的大学生,3年期间的体质健康水平的发展速度越慢;初始水平越低的大学生,其发展速度则越快。参照《国家学生体质健康标准》,将类别1命名为及格水平-衰退组,将类别2命名为及格水平-上升组,将类别3命名为不及格水平-衰退组,将类别4命名为优秀水平-衰退组。

表5 各潜在类别的截距与斜率估计均值(N=2611)

综合而言,不同类别安徽省普通高校大学生体质健康的初始水平与发展速度存在较大的差异。其中,初始水平为优秀或不及格的大学生人数较少,符合正态分布的特点,其体质健康水平均呈递减的发展趋势,说明这些学生自上大学后,体质健康水平逐年衰退。而大部分的大学生体质健康初始水平达到及格水平。在这些及格的大学生中,多数学生的体质健康初始水平接近优秀,呈逐年递增的发展趋势;少数学生的体质健康初始水平略高于及格线,呈逐年递减的发展趋势。

3 结论与启示

3.1 安徽省普通高校大学生体质健康整体情况

研究结果显示,安徽省普通高校大学生在2018、2019、2020年的整体体质健康水平波动不大,均介于及格与良好之间,且优秀率十分接近,而不及格率在2019年为最低,2018年与2020年的不及格率相差0.3%,说明这些学生在这3年间的体质健康成绩具有一定的连续性。另外,研究发现专业与体质健康成绩显著相关,而性别与2018年成绩无显著相关,与2019、2020年成绩显著相关。专业与性别之间显著相关。

该结果是基于安徽省普通高校大学生群体具有同质性的前提下,以被试的均值和标准差来衡量群体的体质健康水平以及探索相关的影响因素。但在社会研究中,群体具有异质性,有些个体之间悬殊极大,仅以大学生体质健康成绩的均值和标准差进行结果解释,说服力有限。政府和教育部门以此种方式评估大学生体质健康水平与发展趋势,或探究专业、性别等因素对体质健康的影响时,应充分考虑群体的异质性和个体差异,以便能获得更为真实的结果,从而有助于制定具有针对性的指导方案。

3.2 安徽省普通高校大学生体质健康的发展趋势

通过构建与比较线性条件LGM和线性无条件LGM,发现安徽省普通高校大学生体质健康发展趋势具有显著的个体差异,符合线性无条件LGM,即不考虑专业、性别对大学生体质健康的影响。但由于线性无条件LGM只关注个体差异,忽略了群体的异质性,所以,在线性无条件LGM基础上构建了LGMM。通过LGMM的构建,发现安徽省普通高校大学生体质健康发展趋势具有显著的群体异质性,包含有4个类别:及格水平-衰退组、及格水平-上升组、不及格水平-衰退组、优秀水平-衰退组。

由于不同大学生体质健康水平的发展具有个体差异和群体异质性,因此在管理、教学以及干预过程中应区别对待。不同学生在上大学前的体质基础有所不同,另外,较高中而言,大学的生活丰富多彩,学业相对轻松,一部分学生可用于体育锻炼的时间增加,还有一部分学生会忙于社团活动,或培养课余兴趣,使得锻炼时间被占用,导致大学生体质健康水平出现不同的类别。

提高身体活动参与度是改善体质水平最直接的干预措施[10]。对不同类型的大学生,应采取多种手段直接或间接地促进与保障学生的身体活动。一是加强地方、学校的体质相关制度建设。国家为了提高大学生体质健康水平,曾多次发文提出“体测不合格不予毕业”的政策[11]。但各地政府、学校在实际执行时,常因“法不责众”,使得政策落实难以得到保障。另外,不同体质类型的大学生所面临的境况不同,有些学生存在特殊原因,如:肥胖等,因此,使用同样的标准会打击部分学生参与体育锻炼的积极性和信心,建议对不同类型的学生可适当采用分级的标准进行衡量与评价,增加体质健康目标达成的可行性,增强学生参与体育活动的动力。二是学校应重视体育课堂的作用。体育课堂教学在大学生的体育活动中占据着重要地位。通过体育课堂,可以强化学生对体质健康、身体活动等相关知识的学习,促进终身体育意识的形成,端正其对体质健康价值的正确认知[12],从而使学生能够自发地参与身体活动,增强体质健康水平。不同类型的学生体能基础及体育知识储备存在个体差异,认知水平也有不同,教师与家长应在学校、家庭做好针对性的教育和引导,使学生能够树立正确的观念,掌握科学参与体育运动的知识,保障学生能够自主地完成身体锻炼活动。三是增加大学生根据自身情况选择体育课程的自主权[13],丰富课程内容与形式,采用游戏化的体育教学方式[14]。不同类型的大学生,体育兴趣与爱好有所不同,适合的体育项目也因人而异。通过增加选课自主权不仅能使得学生的体质能得到针对性的训练,还能满足学生的兴趣需求,从而提高大学生对体育活动的参与度。四是对于不同类型的大学生,适度增强体育活动中的合作交流,适时开展竞赛,采用适宜的奖惩措施。从而满足大学生在生活与学习中不同的社交需求,促进体质健康水平较好学生的自我追求的实现以及身体活动成就感的获得,鼓励水平较弱的学生克服困难,积极参与身体活动,增强体质。

4 结语

由于仅收集了3年间的体质健康数据,在对安徽省普通高校大学生体质健康发展趋势进行纵向追踪研究时,有所局限。期望后续的研究能够建立在更多时间节点、范围更广的样本数据基础上。