需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

一种用于筛选、评分与可视化本科生身心健康问卷数据的结构化工作流程

109 次观看

⸱

DOI：

10.3791/72304

⸱

2026年9月3日

 ,  ,  ,  , 
1Graduate School of Education, University of Pennsylvania, 2Suryadhep Teachers College, Rangsit University, 3School of Education, Xizang University, 4College of Aeronautics, Guizhou Open University

本文内容

摘要

本方案展示了一种结构化且可审计的工作流程，用于处理匿名的本科生幸福感问卷数据，从原始数据导出和应答筛选，到量表计分、信度检验、回归诊断、图表源数据验证，直至生成可用于可视化的分析结果。

摘要

基于问卷的研究被广泛用于考察大学生的福祉状况，但从原始作答数据到可分析变量、统计表格及可视化结果的处理流程往往缺乏充分记录。本方案展示了一种结构化且可审计的工作流程，用于处理通过多个李克特型量表部分收集的匿名本科生福祉问卷数据。该流程从伦理审批、知情同意文件准备、问卷设置和原始数据导出开始，随后依次进行作答筛查、重复作答审查、缺失数据处理、条目编码、反向计分、信度评估、描述性分析、相关分析、对比组比较、回归建模、诊断检验以及可视化图表源数据准备。示例问卷采用基于抑郁-焦虑-压力量表-21（DASS-21）、塔克曼拖延量表（Tuckman Procrastination Scale）、学校归属感心理量表（Psychological Sense of School Membership Scale）、高阶思维测量文献以及主观幸福感量表文档构建的、来源明确并经研究调整的量表部分。以负性情绪、学业拖延、学校归属感、高阶思维和主观幸福感作为示例的量表层面变量，展示如何将条目层面的作答转化为可追溯的分析结果。代表性输出包括作答筛选流程表、人口统计学摘要、描述性统计与取值范围验证结果、内部一致性估计值、相关矩阵、组间对比分析结果、回归系数、残差与影响诊断结果，以及图表源文件。本方案强调预设决策规则、关联的量表映射图、分析前筛查日志、反向计分验证以及图表数值来源的可验证性。本方法并非旨在提出新的心理测量量表、验证测量模型或建立因果关系，而是为需要对基于问卷的本科生福祉数据进行筛查、计分、分析与可视化的研究人员提供一种实用且可审计的操作流程。当量表映射图、伦理审批、计分规则、作答筛查阈值和可视化图表源文件在分析前已明确时，该工作流程可适用于其他类似的问卷研究。

引言

主观幸福感是学生研究中的一个重要结果指标，因为它反映了学生如何评估自己在学习环境中的生活、情绪体验、社会关系以及日常功能表现。在高等教育中，学生的幸福感是多维度的，而不仅仅局限于生活满意度或心理困扰1。因此，当研究人员需要在同一分析框架内考察情绪、行为、社会、认知及与幸福感相关的体验时，问卷数据仍然具有重要价值。

问卷数据的价值不仅取决于所选择的构念，还取决于如何将原始回答转换为分析变量。许多研究在报告量表得分、相关矩阵、组间比较或回归模型时，未展示从原始记录到最终表格和图表之间的中间决策过程。缺失的回答可能被不一致地处理，反向计分题目可能被错误编码，重复提交的数据可能仍保留在数据集中，而注意力不集中的回答可能被当作有效观测值处理。因此，缺失数据的处理决策应当预先规划、详细记录并予以报告，而不应作为不可见的事后步骤2。在线问卷数据还需要明确的应答质量判定规则，因为作答速度过快、直线型作答、答案不一致以及其他低努力作答模式可能会扭曲描述性统计、信度估计以及观测到的关联关系3。

本方案的创新之处在于其从原始问卷导出数据到最终统计与可视化结果之间建立了关联的审计追踪。具体而言，该工作流程增加了完整的量表映射表、分析前筛查日志、反向计分检查点、计分验证日志、图表的数值来源验证以及将每个表格或图表与其源文件关联的审计轨迹。这使得该方法区别于标准的问卷数据清洗、量表计分、信度检验或可视化操作。本方案不仅声明问卷数据经过清洗和分析，更明确指出哪个文件被锁定、哪个文件经过筛查、应用了哪些规则、生成了哪些量表得分，以及每个可视化结果所依据的经验证的数值表格。

本工作流程以匿名的大学生问卷数据为例进行演示，数据中包含五个量表水平的变量：负面情绪、学业拖延、学校归属感、高阶思维和主观幸福感。选择这些构念旨在一个结构化且可审计的工作流程中，提供情感、行为、学校情境、认知及结果导向的示例。已有研究指出，学业拖延与大学生后续的心理健康问题（包括抑郁、焦虑和与压力相关的结果）存在关联4。在学校群体中，学校归属感与主观幸福感也密切相关，这支持将归属感和幸福感相关的测量指标纳入同一问卷处理框架中5。然而，在本方案中，这些构念仅用于演示工作流程，而非建立因果心理模型。

该方案的一个核心特点是将数据处理决策与实质性解释分离开来。量表图在分析前即已绘制完成，反应质量标准在量表计分前即已确定，反向计分的验证在统计检验前完成，图表仅在核对了其对应的数值源表后才生成。这一顺序至关重要，因为李克特型反应量表要求题项表述、反应锚点、计分方向与统计处理之间必须进行仔细的匹配6。该方案还强调，在模型复杂性之前，应优先确保预处理和计分验证的透明性。预测模型或多变量模型可能在学生研究中具有应用价值7，当图形化摘要与经过验证的数值矩阵保持一致时，可提升结果的可解释性8，但这两者都依赖于输入变量的透明化准备。因此，本工作流程将相关性分析、组间对比分析、回归建模、诊断检验和可视化作为示例性模块呈现，而非作为必须采纳的实质性结论。

本方案适用于需要对匿名学生福祉数据进行实际问卷处理流程的研究人员。当需要从在线平台导出条目级别的问卷响应数据，并基于李克特型条目计算量表层面的变量，且目标是生成透明的描述性统计、相关性分析、组间比较、回归分析、诊断结果以及可用于可视化的输出时，本方案尤为适用。本方案不用于建立因果关系、验证新量表、替代验证性因子分析、替代测量不变性检验，或取代项目反应理论与潜变量建模。其贡献在于流程化：使从问卷记录到最终报告的表格与图表的整个过程清晰可见、可重复且可审计。这一重点与当前关于在线调查数据质量9、回归分析与影响检验10，以及可审计的基于问卷的分析流程11的关切保持一致。

访问受限。请登录或开始试用以查看此内容。

方案

本研究涉及人类受试者，已由贵州开放大学航空学院伦理委员会审查并批准（批准号：GZOU-EDU-2024-015）。该委员会认定本研究符合伦理豁免条件，因其采用匿名、自愿的问卷程序，对受试者造成的风险不超过最低限度。所有受试者在填写问卷前均通过电子方式提供了知情同意，并可在任何时间无惩罚地中止回答。由于部分问卷条目涉及负面情绪、压力、孤独感、无助感、不满或相关心理健康体验，知情同意页面及问卷末页均提供了研究人员及所属机构的联系方式，以便出现不适的受试者联系。本方案所用数据集在筛选、评分、分析与可视化之前已进行匿名化处理。完整问卷详见补充文件1。

1. 准备问卷、伦理材料和工作流程文档

  1. 在设计问卷之前，明确界定合格人群、研究场所、问卷结构以及计划的分析输出结果。
  2. 准备一份伦理申请，内容涵盖目标人群、招募途径、问卷内容、预计完成时间、匿名保护措施、数据存储方式、退出流程、参与者支持信息以及计划进行的数据分析。
  3. 在数据收集开始前，将伦理审批或豁免文件、知情同意书文本、招募文字、问卷版本、参与者支持信息及计划的工作流程存入项目文件夹中。
  4. 将目标人群定义为年龄至少18岁、目前注册在读、能够理解问卷内容并能够提供知情同意的全日制本科学生。
  5. 在招募前明确排除标准。排除拒绝签署知情同意书、不符合目标人群定义、提交重复应答、缺失数据超过阈值，或符合第1.4步所述综合无效应答标准的受访者。
  6. 在问卷的开头放置知情同意声明。说明研究目的、参与的自愿性、预计完成时间约为12分钟、匿名性保护、退出权利、数据使用计划、研究人员联系方式以及支持渠道的联系方式。
  7. 不要收集直接可识别的信息，包括学生学号、国家身份证号码、手机号码、个人电子邮件地址、宿舍地址或其他个人标识符。
  8. 将问卷按以下顺序排列：知情同意书、人口统计学信息、负面情绪条目、学业拖延条目、学校归属感条目、高阶思维条目和主观幸福感条目。
  9. 在编写问卷前，需选定源量表。本方案中，负性情绪采用21项抑郁-焦虑-压力量表-21进行评估，学业拖延采用16项塔克曼拖延量表，学校归属感采用18项学校成员心理感受量表，高阶思维采用改编自已发表高阶思维测量文献的20项高阶思维题项集，主观幸福感则采用适用于大学生研究的20项主观幸福感量表。12,13,14,15,16.
  10. 在设计问卷之前，准备一份锁定量表地图。内容应包括构念名称、原始量表名称、原始文献出处、语言版本、使用许可或授权状态、翻译或改编流程、条目编号、条目表述、作答范围、作答锚点、计分方向、反向计分条目状态、最终量表层面变量及计分规则。
  11. 仅当记录了源量表、引用文献、验证证据以及改编或翻译状态时，才可将条目集描述为经过验证的量表。应明确指出任何由作者自行开发或针对特定研究设计的条目集 表1 和 补充文件 1.
  12. 在数据收集前锁定测量框架。对于经过翻译或改编的测量工具，须在招募开始前完成翻译、审查、校对及预试验检查。
  13. 准备一份工作流程审核包，其中包含锁定的问卷文件、量表图、原始数据导出核对表、筛选日志、评分验证日志、分析日志、图表来源表模板以及分析语法或脚本文件。
  14. 为所有工作流产物使用带版本号的文件名。
  15. 定义每个审计文件所需的列。
    1. 筛选日志包含记录ID、筛选标准、标记状态、排除状态、排除原因、决定日期和审核者姓名缩写。
    2. 量表地图包含构念名称、量表来源、题目编号、题目表述、作答范围、作答锚点、反向计分状态、最终变量名称、计分规则以及许可或改编状态。
    3. 评分验证日志包含项目代码、原始值范围、重编码值范围、反向计分公式、范围检查结果、差异状态、所作修正及修正日期。
    4. 图源表格包含图号、图中分图编号、源表格、绘制的变量、显示的统计量、样本量以及验证状态。
  16. 在编写问卷程序之前定义分析工作流程：调查实施、原始数据导出、应答筛选、量表计分、信度评估、描述性分析、相关分析、高低组比较、回归建模、诊断检验及可视化准备17.
  17. 将实验方案围绕决策、操作步骤和验证输出进行组织，而非软件菜单路径。
  18. 在符合机构和期刊政策的前提下，提供工作流程相关资源，包括问卷文件、量表图、筛查记录模板、评分记录模板、分析语法或脚本文件以及图表源数据表。
    注意： 图1 展示了从问卷设计到原始数据导出、应答筛选、量表计分、统计分析、诊断检验及可视化输出的全过程。 表1 报告每个构念所对应的源仪器、条目数量、应答范围、计分框架、反向计分规则、使用权限或改编状态，以及最终的量表层面变量。

2. 设置并分发问卷

  1. 确认问卷平台支持知情同意门槛设置、必答题项、重复提交审查、时间戳捕获以及答题时长记录功能。
  2. 使用材料表中列出的在线调查平台创建问卷，并根据锁定的量表结构对问卷进行编程。
  3. 在发布问卷链接前，逐项比对已编程的问卷与锁定的量表结构。所有更正均需记录在研究日志中。
  4. 将知情同意项设为首个必答项目。当参与者选择“我不同意参与”时，自动终止问卷。
  5. 按照第1.8步确定的顺序，对人口统计学问卷和心理量表部分进行编程。使用与量表结构相匹配的题项编码。
  6. 仅在获得伦理审查批准或豁免、且参与者可无惩罚退出的情况下，将心理量表题项设为必答。若不允许强制回答，应在数据收集前记录缺失数据处理规则。
  7. 在每个量表部分开始前显示作答锚点，并确保同一量表内的锚点保持一致18。
  8. 当调查平台提供该功能时，禁用重复提交。保留用于重复响应审查所需的任何匿名设备、浏览器、平台或提交标识符。
  9. 启用提交时间与完成时长的自动记录功能。
  10. 将问卷开放期设为7个自然日，或采用伦理委员会批准的数据收集窗口期。
  11. 通过经批准的机构招募渠道发送问卷链接，并向所有参与者提供相同的书面指导说明。
  12. 在预设的数据收集期结束后关闭问卷。
    注意：需在研究日志中保存招募用语、问卷链接、开放与关闭日期、平台设置、知情同意文本、最终版问卷以及平台导出设置。

3. 导出并保存原始数据

  1. 在数据收集窗口关闭后，立即将完成的问卷回复导出为电子表格文件。
  2. 将首次导出的文件保存为锁定的原始数据集。请勿编辑此文件。
  3. 创建一个用于筛选、计分和分析的工作副本。文件命名应包含日期、版本号和项目标识符。
  4. 确认导出文件中每一行对应一位受访者，每一列对应一个人口统计学变量、问卷条目、时间戳变量、平台变量或衍生的平台字段。
  5. 将锁定的原始数据集、工作副本、量表映射表、问卷文件、研究日志、筛选日志、计分验证日志、分析日志、图表源数据表以及语法或脚本文件存储在受密码保护的项目文件夹中。
  6. 检查数据集中是否不包含直接可识别的信息。在分析前，从工作副本中删除任何意外出现的可识别字段，并在研究日志中记录该字段名称、删除原因、删除日期及负责审查人员的姓名缩写。
  7. 在共享或发布个体参与者数据前，检查间接可识别性。审查由性别、年龄、年级、机构类别和专业类别组合形成的小样本量人口统计单元。若某单元中受访者少于五人，应合并类别、隐藏该单元，或仅提供汇总数据。
  8. 在研究日志中记录数据可获取状态，包括个体参与者数据是否可获取、是否因伦理或隐私要求受限，或是否已被汇总的工作流程数据集替代。
  9. 在数据清洗前创建筛选日志。记录原始样本量、筛选标准、标记记录数、删除记录数、保留记录数、排除原因、决策日期及审查人员姓名缩写。
  10. 在进行统计分析前创建分析追踪文件。记录每次分析运行所使用的软件名称、软件版本、操作系统、文件名、数据版本、脚本或语法版本及日期。
    注意：仅使用锁定的原始数据集进行核验。所有筛选、计分和分析操作均应使用工作副本进行。

4. 筛查反应并构建分析数据集

  1. 在计算任何量表得分之前，应用预先设定的排除标准和质量控制规则。
  2. 按以下顺序对工作副本应用筛选规则：知情同意状态、入组资格、重复提交、缺失数据、作答时长、直线作答、超出范围的数值以及综合作答质量指标。
  3. 每次筛选操作后，记录筛选日志中标记、删除和保留的记录数量。不得覆盖工作文件的早期版本。
  4. 删除所有知情同意项标记为“否”或未作答的记录。
  5. 删除所有不符合第1.4步中定义的纳入标准的记录。
  6. 使用匿名作答标识符、提交时间、平台重复提交标记以及重复的作答模式来筛查重复提交。
  7. 当检测到重复条目时，保留首次完整的提交，除非有书面理由支持保留后续的完整作答。
  8. 在计算量表得分前，应先确定所有作答质量规则。表2汇总了工作流程中使用的排除阈值、标记阈值、依据、文献支持以及敏感性分析计划。
  9. 筛查缺失数据。当某受访者缺失超过20%的量表条目时，将其删除。仅当某量表至少已完成80%时，才可将孤立的缺失条目替换为该受访者在同一量表上的平均得分。除非某一人口统计学变量未用于任何分析，否则不得对该变量进行插补。
  10. 记录因缺失超过20%量表条目而被排除的受访者数量，以及接受量表内均值插补的受访者数量。在当前数据集中，有4名受访者因缺失超过20%的量表条目而被排除，21名受访者因37个孤立缺失条目接受了量表内均值插补。
  11. 筛查作答时长。对完成时间少于180秒的作答进行标记。将此值视为加速作答的警示标志，而非自动排除规则。
  12. 筛查直线作答情况。当某受访者在超过90%的李克特量表条目中选择了相同选项时，进行标记。将此值视为作答模式异常的警示标志，而非自动排除规则。
  13. 筛查其他低努力作答指标，包括重复提交的证据、不可能的时间戳、跨独立提交的重复作答序列，或平台元数据与问卷内容之间的冲突。
  14. 仅当至少两个质量控制指标提示作答无效时，才删除被标记的作答记录，例如极短完成时间与直线作答相结合、存在重复提交证据或平台元数据异常19。
  15. 即使保留被标记的记录，也应全部记录。在当前数据集中，19份作答因完成时长 < 180 s 被标记，8份作答因 >90% 的直线作答被标记，13条记录因满足两个或以上作答质量指标而被排除。
  16. 筛查超出范围的数值。确认负性情绪条目的取值在1–4之间，学业拖延、学校归属感和高阶思维条目的取值在1–5之间，主观幸福感条目的取值在1–6之间。
  17. 仅当原始导出数据明确显示存在格式错误时，才可更正数值。不得因心理得分异常偏高或偏低而修改有效的心理分数。
  18. 生成一份筛选流程表，报告提交的问卷数量、因知情同意和资格被排除的数量、因重复提交被排除的数量、因缺失数据被排除的数量、作答质量标记情况、综合质量控制排除情况、孤立条目插补情况、保留用于分析的案例数量以及最终分析样本量。
  19. 使用锁定的筛选日志完成筛选流程表，并保留一份导出的审计记录以存档筛选决策。在当前数据集中，筛选流程如下：提交的问卷，n = 448；因知情同意或资格被排除，n = 6；删除重复提交，n = 5；因缺失 >20% 量表条目被排除，n = 4；因满足两个或以上作答质量指标被排除，n = 13；最终分析数据集，n = 420。
  20. 将保留的记录保存为分析数据集。使用新的版本化文件名，并将筛选日志与分析数据集一并保存。
    注意：除非存在已记录的作答质量问题，否则应保留有效的极端得分。

5. 心理量表评分

  1. 仅在完成应答数据筛查并保存分析数据集后，再将条目级应答转换为量表级变量。
  2. 根据锁定问卷中的应答锚点及量表映射图中的计分规则，对所有李克特型条目进行编码。
  3. 保持原始条目变量不变。为重新编码或反向计分的条目创建独立的派生变量。
  4. 依据锁定的量表映射图以及相应的原始测量工具或计分手册，对每个量表进行计分。
  5. 在计算主观幸福感得分前，对指定的主观幸福感条目进行反向计分。对于1–6应答量表，将每个反向条目按“7减去原始得分”计算，并在派生变量名称后添加 _R。
  6. 计算主观幸福感时，使用反向计分后的变量，而非原始变量。
  7. 将每个量表级得分计算为其保留条目的均值：负性情绪、学业拖延、学校归属感、高阶思维和主观幸福感。
  8. 将最终的量表级变量命名为负性情绪、学业拖延、学校归属感、高阶思维和主观幸福感。
  9. 将每个量表级变量的最小值和最大值与其理论应答范围进行核对。若任何得分超出预期范围，需重新检查编码、反向计分及缺失值处理过程。
  10. 在进行推论分析前，核对每个量表的方向是否与量表映射图一致。较高的得分应反映构念所预期的方向。
  11. 在分析前进行反向计分审核。可行时，对随机子集记录或所有反向计分条目重新计算反向得分，并将审核结果记录在计分验证日志中。
  12. 若发现计分错误，应修正派生变量，重新生成受影响的量表得分，更新计分验证日志，并基于修正后的分析数据集重新运行所有后续分析及图表数据表。
    注意：在进行相关分析、组间比较、回归建模或可视化之前，须将反向计分和范围验证视为必需的检查点。

6. 评估内部一致性与描述性特征

  1. 使用锁定量表映射中定义的项目变量，计算每个量表的内部一致性、校正的项目-总分相关性以及描述性统计量。
  2. 记录每个量表的 Cronbach’s α 系数、项目数量、有效样本量、校正的项目-总分相关性以及删除项目后的 α 值。
  3. 将 Cronbach’s α 系数 0.70 作为本工作流程可接受的最低信度阈值。在删除任何项目之前，需检查项目措辞、得分方向、反向计分、构念一致性以及原始量表文档20。
  4. 当分析环境支持时，计算 McDonald’s omega 作为补充的信度估计指标。当 omega 与 Cronbach’s α 的估计结果导致不同的信度解释时，应同时报告两者。
  5. 在考虑删除项目前，应首先检查校正的项目-总分相关性为负或极低的项目。应优先将其视为可能存在的编码错误、反向计分错误或构念不一致问题。
  6. 不得仅为了提高 Cronbach’s α 系数而删除项目。项目的删除必须基于计分手册、项目措辞、校正的项目-总分相关性、概念契合度以及已记录的计分验证结果进行合理说明。
  7. 计算全部五个量表层面变量的描述性统计量，包括均值、标准差、最小值、最大值、偏度和峰度。
  8. 通过记录在每个量表最小和最大可能得分上作答的受访者比例，检查是否存在地板效应或天花板效应。
  9. 在分析日志中记录信度估计值、项目-总分诊断结果、描述性统计量以及任何计分决策。
    注：Cronbach’s α 仅用作信度检查点，而非完整的心理测量学验证流程。当需要正式的测量评估时，应补充 McDonald’s omega、验证性因子分析、测量不变性检验、项目反应模型或其他潜变量方法。

7. 进行相关性分析

  1. 使用五个经过验证的量表水平变量：负面情绪、学业拖延、学校归属感、高阶思维和主观幸福感。
  2. 在计算皮尔逊相关系数之前，检查每对量表水平变量的分布情况及双变量散点图。
  3. 评估这些变量是否表现出近似连续的分数变化、严重偏态、非线性关系或具有显著影响的异常值模式。
  4. 当假设条件适用于描述性关联分析时，计算所有量表水平变量两两之间的皮尔逊相关系数及双尾 p 值。
  5. 记录每对变量的相关系数、p 值、样本量及关联方向。
  6. 相关系数保留三位小数进行报告。
  7. 将每个系数的方向与量表结构图进行比较。若系数方向与预期构念方向相矛盾，需重新核对条目计分方式。
  8. 将验证后的相关矩阵保存为“代表性结果”部分中相关热图的数值源表格。
  9. 当分布明显偏态、需要考虑序数尺度敏感性，或散点图提示存在单调但非线性关联时，应使用斯皮尔曼相关重复分析，并比较两种方法所得关联的方向和相对强度。
  10. 记录皮尔逊与斯皮尔曼分析结果是否得出相同的实质性解释。
    注意： 将相关分析同时用于描述性关联检验和计分方向审核。

8. 创建高主观幸福感和低主观幸福感组

  1. 使用经过清理和评分的分析数据集。不得返回原始导出数据以构建分组。
  2. 在回归模型中，将连续的主观幸福感得分作为主要结局指标。仅在对比性特征分析中使用高低分组。
  3. 按主观幸福感得分从高到低对受访者进行排序。
  4. 应用预先设定的27%极端分组规则，定义高、低主观幸福感组。在表2和分析日志中记录该阈值的依据。
  5. 将得分位于前27%的受访者划入高主观幸福感组，将位于后27%的受访者划入低主观幸福感组。
  6. 将中间46%的受访者保留在完整的分析数据集中，用于描述性统计、相关性分析、性别比较和回归建模，但在高低对比分析中排除这些样本。
  7. 创建一个名为“主观幸福感组”的分组变量。将前27%组编码为“高”，后27%组编码为“低”，其余受访者编码为“中”。
  8. 确认高、低组包含预期数量的样本。若在27%边界处出现相同得分的情况，应应用预先设定的平分处理规则，并在分析日志中记录决策过程。
  9. 当27%边界因相同得分或样本量较小导致分组成员不稳定时，进行敏感性检验。采用其他预先设定的规则（如三分位分组），并报告结果解释是否保持一致。
    注：高低分组是一种描述性对比方法，不应替代主要回归模型中连续的主观幸福感得分。

9. 比较高主观幸福感组与低主观幸福感组

  1. 筛选分析数据集，仅保留主观幸福感分组变量中被编码为高或低的受访者。
  2. 比较高分组与低分组在负性情绪、学业拖延、学校归属感和高阶思维方面的差异。
  3. 在进行组间比较之前，应检查每个变量的组别特异性分布、样本量及方差齐性。
  4. 使用独立样本 t- 在分布和方差假设可接受时进行检验。使用韦尔奇法（Welch’s） t当方差齐性假设不成立时进行检验。
  5. 记录各组均值、标准差、均值差异 t值，自由度 p值和 95% 置信区间。
  6. 计算每组差异的 Cohen’s d，并结合 p 值解释效应量大小。
  7. 检查各组差异的方向是否与构念定义及相关系数矩阵一致。
  8. 将已验证的组间比较表格保存为组间比较可视化图表的数值来源。
  9. 将该分析报告为极端主观幸福感特征之间的对比。
    注意：切勿将高低比较视为因果证据。

10. 检查性别差异

  1. 移除高低组过滤条件，返回完整的分析数据集。
  2. 将性别用作描述性分组变量，而非因果暴露变量。
  3. 比较女性与男性受访者在负面情绪、学业拖延、学校归属感、高阶思维能力及主观幸福感方面的差异。
  4. 在进行比较前，检查各组的样本量、缺失数据情况、分布特征及方差齐性。
  5. 当假设条件可接受时，采用独立样本t检验；若方差齐性假设不成立，则使用Welch t检验。
  6. 记录各组均值、标准差、均值差异、t值、自由度、p值、95%置信区间以及Cohen’s d效应量。
  7. 对性别差异进行描述性解释，并结合p值报告效应量。
  8. 不得依据性别比较结果进行事后排除、量表修改或因果推论。
    注意：性别比较仅作为本横断面问卷工作流程中的描述性亚组检验而包含在内。

11. 估计回归模型

  1. 以主观幸福感作为因变量。
  2. 将负性情绪、学业拖延、学校归属感和高阶思维作为同时进入的量表水平预测变量21。
  3. 使用在量表计分过程中生成的连续型量表水平变量。不要将连续的主观幸福感得分替换为高低分组变量。
  4. 采用同时进入法的多元线性回归拟合主要模型。
  5. 记录非标准化系数、标准化系数、标准误、t值、p值、95% 置信区间、R2、调整后 R2、容差及方差膨胀因子。
  6. 以方差膨胀因子值低于 5.00 作为不存在严重多重共线性的判断阈值。
  7. 检查双变量散点图、偏回归图或成分加残差图，以评估预测变量与主观幸福感之间的关系是否大致呈线性。
  8. 使用 Durbin-Watson 统计量评估残差的独立性。
  9. 使用残差 Q-Q 图以及在样本量适当时进行正式的正态性检验，以评估残差的正态性。
  10. 通过绘制标准化残差对标准化预测值的散点图来评估同方差性。
  11. 保存标准化残差、标准化预测值、杠杆值和 Cook 距离，用于诊断检验。
  12. 在样本描述中报告的性别、年龄、年级、机构类别和专业类别等人口统计学变量可获得且分布合理时，估计一个补充的调整模型，包含四个心理预测变量及上述人口统计学变量。
  13. 比较主要模型与补充调整模型，记录四个心理预测变量的方向、效应大小和统计解释在人口统计学调整后是否保持稳定。
  14. 将主要模型中经验证的标准化系数及其 95% 置信区间保存为“代表性结果”部分中系数图的数值来源表格22。
    注： 将回归系数解释为条件关联，而非因果效应。人口统计学调整模型用于敏感性分析，以评估在控制可获得的背景变量后，工作流程的结论是否保持稳定。

12. 诊断回归模型

  1. 检查拟合回归模型的标准化残差。标记标准化残差绝对值大于 3.00 的个案。
  2. 检查杠杆值和库克距离，以识别具有影响性的观测值。
  3. 将库克距离大于 4/n 的观测值标记为可能具有影响性，其中 n 为分析样本量。将库克距离大于 1.00 视为严重影响性的参考阈值，而非唯一的筛选界限。
  4. 检查残差与预测值图，识别非线性、方差不齐以及异常聚类情况。
  5. 检查残差 Q-Q 图及残差正态性检验结果。记录正态性评估是否支持在线性模型中用于描述性关联分析。
  6. 记录杜宾-沃森统计量，并判断残差独立性是否可接受。
  7. 将所有标记个案与筛选日志、评分核查日志及入组标准进行核对。
  8. 当标记个案代表有效观测，且不反映数据录入错误、评分错误、重复提交、入组标准违规或已记录的应答质量问题时，应予以保留。
  9. 仅当审计追踪记录显示存在明确的程序、入组资格、编码、评分或数据录入错误时，方可对标记个案进行修正或删除。
  10. 在完成任何有记录的修正后，重新运行回归模型，并将系数、置信区间、R2、调整后 R2 及诊断输出结果与原始模型进行比较。
  11. 通过排除库克距离大于 4/n 的个案后重新拟合模型，进行影响敏感性检验。报告实质性解释是否发生变化。
  12. 在分析日志中记录最终的诊断决策，包括被标准化残差标记的个案数、被库克距离大于 4/n 标记的个案数、最大库克距离、杜宾-沃森统计量，以及残差正态性和线性检验的结论。
    注意： 不得仅为了改善模型拟合而删除有影响的个案。删除或修正必须基于有记录的审计追踪理由。

访问受限。请登录或开始试用以查看此内容。

结果

响应筛选后生成的分析数据集
反应筛选流程从提交的448份问卷中生成了包含420名匿名学生记录的分析数据集。筛选日志记录了每个决策节点。其中，6份记录因未满足知情同意或入组资格要求而被剔除，5份重复提交的记录被删除，4份记录因超过20%的量表条目缺失而被排除，13份记录因满足两项或以上作答质量警示指标而被排除。另有19份回答因完成时长异常被标记。 <180 s，有八个响应被标记 >90% 的直线应答，以及对 21 名受访者共 37 个孤立的缺失条目进行了量表内均值插补。最终分析数据集中不含任何可直接识别的参与者信息，所有保留的个案均未超过缺失数据排除阈值，且所有保留的条目应答均处于预定义的应答范围之内。筛选流程总结如下 表3.

保留的样本包括275名女性受访者和145名男性受访者，分别占分析数据集的65.5%和34.5%。平均年龄为20.1 ± 1.2岁。受访者分布在四个本科年级中，其中大一至大四分别占样本的27.1%、27.4%、25.5%和20.0%。数据集还包括三类院校类别和五类学科专业类别...

访问受限。请登录或开始试用以查看此内容。

讨论

本方案标准化了基于问卷的幸福感研究中一个常见但常被忽视的流程：从原始应答记录到筛选后的数据、量表得分变量、统计输出结果以及可用于可视化的文件。本方案的贡献并非提出新的主观幸福感理论或因果模型，而是提供了一条可审计的工作流程，涵盖问卷配置、应答数据筛选、量表计分、信度检验、描述性分析、关联性分析、回归诊断以及图表源数据验证。这一区别至关重要，因为基于问卷的调查研究的可审计性依赖于在统计解释开始之前就做出的过程性决策，包括保留哪些记录、如何处理缺失项目、如何处理反向计分项目，以及如何将数值源表格与可视化输出结果进行关联。明确这些决策有助于减少量表研究中存在问题的测量实践23，并促进更加透明的研究文化24。

该方案的一个核心特征是使用具体的审计文档，而不仅仅依赖口头描述。修订后的工作流程将每个构念与对应的原始量表、条目范围、作答锚点、计分方向、反向计分规则、最终量表层面的变量，以及改编或文档状态信息相互关联。审计记录包括锁定的问卷文件、锁定的量表映射表、锁定的原始数据导出文件、筛选日志、计分验...

访问受限。请登录或开始试用以查看此内容。

披露

作者声明无利益冲突。

致谢

作者感谢参与问卷调查的大学生在数据收集过程中给予的支持。作者还感谢相关指导教师和研究助理在问卷发放、数据整理、结果核对以及图表制作方面提供的帮助。本研究未获得任何专项资助。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
broom R 包CRANR 软件包用于将回归分析结果转换为结构化的系数表和模型汇总表。
car R 包CRANR 软件包用于方差膨胀因子验证及回归诊断支持。
抑郁焦虑压力量表-21 原始文档澳大利亚心理学基金会Lovibond 和 Lovibond，1995负性情绪部分的源文档。该工作流程采用了与近期负性情绪状态评估相一致的研究适配表述。
dplyr R 包CRANR 软件包用于数据筛选、重新编码、分组、筛选流程汇总以及分析表格的制备。
ggplot2 R 包CRANR 软件包用于生成相关性热图、主观幸福感相关性图、回归系数图以及诊断显示图。
高阶思维测量来源文档施普林格·自然DOI: 10.1038/s41598-024-70908-3高阶思维部分的源文档。该工作流程采用了一套经研究调整的题目集，与分析性、评价性、反思性、整合性以及基于证据的思维方式相对应。
IBM SPSS StatisticsIBM 公司版本 29.0.2.0用于描述性统计，Cronbach’s alpha、Pearson 相关性、独立样本和 Welch’s t检验，多元线性回归，Durbin-Watson统计量，标准化残差，杠杆值，Cook’距离、方差膨胀因子
psych R 包CRANR 包用于心理测量学汇总，Cronbach’s alpha 验证，以及 McDonald’s omega
心理性学校归属感量表 来源文档Wiley心理学校. 1993;30(1):79-90学校归属感部分的原始文献资料。该研究采用经过调整的表述方式，与个体感知到的学校环境中的接纳、联系、支持和归属感相一致。
R 统计环境R 统计计算基金会版本 4.4.2用于二次分析验证，McDonald’s omega、Spearman 敏感性检验、回归结果输出准备、诊断结果输出准备以及可视化源数据准备。
readxl R 包CRANR 软件包用于将电子表格格式的问卷导出文件导入 R 验证工作流程中。
中国公民主观幸福感量表源文件文档科学的 & 学术出版DOI: 10.5923/j.ijap.20190905.01主观幸福感部分的源文档。该流程采用了针对本研究调整的措辞，并使用了与生活满意度、意义感、支持感、进展感、不满、无助感以及与压力相关的幸福感体验相对应的反向计分条目。
补充文件 1：问卷结构与量表说明文档作者补充文件 1提供所使用问卷的结构、构念顺序、量表来源、条目编码、作答锚点、计分方向、反向计分规则、量表层面的得分计算方法及文档状态信息。
塔克曼拖延量表 来源文档SAGE出版社Educ Psychol Meas. 1991;51(2):473-480学术拖延部分的源文献记录。该工作流程采用了针对学术延迟和任务推迟行为调整过的表述方式。
问卷星在线问卷平台长沙冉星信息技术有限公司基于网络的平台用于电子知情同意、问卷编程、项目反应收集、时间戳捕获、完成时长记录、重复提交审查及原始反应数据导出。

参考文献

  1. 1. Khatri P et al. Student well-being in higher education: scale development and validation with implications for management education. Int J Manag Educ. 2024;22(1):100933.
  2. Mirzaei A, Carter SR, Patanwala AE, Schneider CR. Missing data in surveys: key concepts, approaches, and applications. Res Social Adm Pharm. 2022;18(2):2308-16.
  3. Gummer T, Roßmann J, Silber H. Using instructed response items as attention checks in web surveys: properties and implementation. Sociol Methods Res. 2021;50(1):238-64.
  4. Johansson F et al. Associations between procrastination and subsequent health outcomes among university students in Sweden. JAMA Netw Open. 2023;6(1):e2249346.
  5. Li X, Kuo YL, Huggins TJ. Perceived feedback and school belonging: the mediating role of subjective well-being. Front Psychol. 2024;15:1450788.
  6. Sönning L. Ordinal response scales: psychometric grounding for design and analysis. Res Methods Appl Linguist. 2024;3(3):100156.
  7. Song P et al. Predictive analysis of college students’ academic procrastination behavior based on a decision tree model. Humanit Soc Sci Commun. 2024;11:869.
  8. Dudáš A. Graphical representation of data prediction potential: correlation graphs and correlation chains. Vis Comput. 2024;40(10):6969-82.
  9. Niessen ASM, Meijer RR, Tendeiro JN. Detecting careless respondents in web-based questionnaires: which method to use? J Res Pers. 2016;63:1-11.
  10. Parsons J, Bao L. A unified approach for outliers and influential data detection: the value of information in retrospect. Stat. 2022;11(1):e442.
  11. Donche V et al. Careless responding in online student learning surveys: profiles and impact on data quality. Frontline Learn Res. 2026;13(3):1-14.
  12. Lovibond SH, Lovibond PF. Manual for the Depression Anxiety Stress Scales. 2nd ed. Psychology Foundation; Sydney; 1995.
  13. Tuckman BW. The development and concurrent validity of the Procrastination Scale. Educ Psychol Meas. 1991;51(2):473-80.
  14. Goodenow C. The psychological sense of school membership among adolescents: scale development and educational correlates. Psychol Sch. 1993;30(1):79-90.
  15. Li D, Fan X, Meng L. Development and validation of a higher-order thinking skills (HOTS) scale for major students in the interior design discipline for blended learning. Sci Rep. 2024;14:20287.
  16. Huang L, Xing Z. A nationwide study on Subjective Well-being Scale for Chinese Citizens (SWBS-cc). Int J Appl Psychol. 2019;9(5):117-27.
  17. DeSimone JA, Harms PD, DeSimone AJ. Best practice recommendations for data screening. J Organ Behav. 2015;36(2):171-81.
  18. Revilla MA, Saris WE, Krosnick JA. Choosing the number of categories in agree-disagree scales. Sociol Methods Res. 2014;43(1):73-97.
  19. Muszyński M. Attention checks and how to use them: review and practical recommendations. ASK Res Methods. 2023;32(1):3-38.
  20. McNeish D. Thanks coefficient alpha, we’ll take it from here. Psychol Methods. 2018;23(3):412-33.
  21. Romeo I, Stanislaw H, McCreary J, Hawley M. The importance of belonging for well-being in college students. PLOS Ment Health. 2024;1(1):e0000057.
  22. Kastellec JP, Leoni EL. Using graphs instead of tables in political science. Perspect Polit. 2007;5(4):755-71.
  23. Flake JK, Fried EI. Measurement schmeasurement: questionable measurement practices and how to avoid them. Adv Methods Pract Psychol Sci. 2020;3(4):456-65.
  24. Nosek BA et al. Promoting an open research culture. Science. 2015;348(6242):1422-5.
  25. Wilkinson MD et al. The FAIR Guiding Principles for scientific data management and stewardship. Sci Data. 2016;3:160018.
  26. Podsakoff PM, MacKenzie SB, Lee JY, Podsakoff NP. Common method biases in behavioral research: a critical review of the literature and recommended remedies. J Appl Psychol. 2003;88(5):879-903.
  27. Vandenberg RJ, Lance CE. A review and synthesis of the measurement invariance literature: suggestions, practices, and recommendations for organizational research. Organ Res Methods. 2000;3(1):4-70.
  28. van de Vijver FJR, Hambleton RK. Translating tests: some practical guidelines. Eur Psychol. 1996;1(2):89-99.
  29. American Educational Research Association, American Psychological Association, National Council on Measurement in Education. Standards for educational and psychological testing. American Educational Research Association; Washington, DC; 2014.

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签

李克特量表反应筛选反向计分信度评估描述性分析相关性分析回归建模数据可视化
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。