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。
本文内容
摘要
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。
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
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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.
- 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。
- 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.
- 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。
- 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。
- 为所有工作流产物使用带版本号的文件名。
- 定义每个审计文件所需的列。
- 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。
- 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。
- 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。
- 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。
- 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.
- 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。
- 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
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 启用提交时间与完成时长的自动记录功能。
- 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。
- 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。
- 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
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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
- 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。
- 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。
- 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。
- 删除所有知情同意项标记为“否”或未作答的记录。
- 删除所有不符合第1.4步中定义的纳入标准的记录。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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
- 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。
- 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。
- 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。
- 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。
- 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。
- 计算主观幸福感时，使用反向计分后的变量，而非原始变量。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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
- 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。
- 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。
- 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。
- 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。
- 记录每对变量的相关系数、p 值、样本量及关联方向。
- 相关系数保留三位小数进行报告。
- 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。
- 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。
- 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。
- 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
- 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。
- 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。
- 按主观幸福感得分从高到低对受访者进行排序。
- 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。
- 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。
- 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。
- 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”。
- 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。
- 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
- 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。
- 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。
- 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。
- 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。
- 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。
- 计算每组差异的 Cohen’s d，并结合 p 值解释效应量大小。
- 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。
- 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。
- 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
- 移除高低组过滤条件，返回完整的分析数据集。
- 将性别用作描述性分组变量，而非因果暴露变量。
- 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。
- 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。
- 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。
- 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。
- 对性别差异进行描述性解释，并结合p值报告效应量。
- 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
- 以主观幸福感作为因变量。
- 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。
- 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。
- 采用同时进入法的多元线性回归拟合主要模型。
- 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。
- 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。
- 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。
- 使用 Durbin-Watson 统计量评估残差的独立性。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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
- 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。
- 检查杠杆值和库克距离，以识别具有影响性的观测值。
- 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。
- 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。
- 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。
- 记录杜宾-沃森统计量，并判断残差独立性是否可接受。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
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。在完成类别审查后，所有已发表的人口统计学单元中均不少于五名受访者。分析数据集的人口统计学特征总结于表4中。
量表构建、范围验证及次优工作流程示例
在完成条目编码与反向计分后，计算出五个量表层面的变量：负面情绪、学业拖延、学校归属感、高阶思维和主观幸福感。每个得分均处于其理论响应范围内。负面情绪得分在1-4量表上的范围为1.048至3.143。学业拖延、学校归属感和高阶思维在各自1–5量表上的得分范围分别为1.312至4.250、2.333至4.444和2.350至4.850。主观幸福感在1–6量表上的得分范围为2.000至5.300。反向计分验证结果显示，最终分析数据集中衍生的反向计分变量与锁定的计分规则之间无任何差异。这些核查确认了条目编码、反向计分、缺失条目处理及得分汇总均已完成，且未发现可识别的范围错误。
该工作流程还生成了次优的审计示例，用以说明在最终分析前如何检测错误或可疑的输出结果。在一次审计运行过程中，由于评分验证日志对比了原始值、预期公式“反向计分 = 7 - 原始分”、推导出的值以及最终量表范围，发现了一个错误推导出的主观幸福感反向计分值。随后对该衍生变量进行了修正，重新生成了主观幸福感得分，并重新运行了所有下游的描述性统计、相关性分析、组间比较、回归分析、诊断性检验以及图表数据源输出。在另一个中间工作文件中，范围验证过程中发现某题项值超出合理范围，经追溯发现该问题源于电子表格处理过程，而非锁定的原始导出数据。工作文件被更正并记录，且未对任何有效的极端反应进行修改。当某一题项的校正后题项-总分相关性低于同一量表中其他题项时，系统发出信度警告；经核查，该题项的表述、计分方向及构念一致性均正确，因此予以保留。在初步可视化阶段，发现某图表与其经过验证的数值数据表不一致；随后根据已验证的数据表重新生成图表，并更新了图表-数据源记录。这些示例表明，该工作流程不仅能生成成功的分析结果，还能通过审计追踪识别编码错误、数值范围异常、信度警告、图表与数据源不匹配以及应答质量等问题。
描述性特征与内部一致性
五个量表层面的变量均显示出可用的变异。负性情绪得分的平均值为 2.099 ± 0.391，学业拖延得分的平均值为 2.639 ± 0.484。学校归属感和高阶思维的平均值处于中等偏高水平，分别为 3.343 ± 0.390 和 3.627 ± 0.418。主观幸福感得分的平均值为 3.784 ± 0.543。所有量表均未出现明显的地板或天花板效应，各量表处于理论最小值或最大值的受访者比例均低于 2.0%。
所有五个量表的内部一致性均可接受。Cronbach’s α 系数介于 0.834 至 0.899 之间，均超过预设的 0.70 阈值。其中，负性情绪的内部一致性最高（Cronbach’s α = 0.899），其次为主观幸福感（0.895）。McDonald’s ω 系数介于 0.842 至 0.906 之间，ω 估计值未改变对信度的判断。校正后的项目-总分相关分析未发现任何需删除的条目。描述性统计结果与信度估计值详见 表5.
量表层面变量间的相关结构
相关矩阵被用作关联性的描述性指标以及计分方向的检验。在计算皮尔逊相关系数之前，先对量表的分布情况和双变量散点图进行了检查。所有变量均未表现出严重的偏态或峰度，且无任何双变量散点图显示出会破坏皮尔逊相关分析有效性的强烈非线性模式。主观幸福感与负性情绪呈负相关（r = -0.496）和学业拖延呈负相关（r = -0.294），与学校归属感呈正相关（r = 0.481）以及高阶思维能力呈正相关（r = 0.386）。其余变量之间的关联也符合相同的计分逻辑：负性情绪与学业拖延呈正相关（r = 0.270），与学校归属感（r = -0.346）和高阶思维能力（r = -0.205）呈负相关；学业拖延与学校归属感（r = -0.222）和高阶思维能力（r = -0.134）均呈负相关；而学校归属感与高阶思维能力呈正相关（r = 0.310）。完整的皮尔逊相关矩阵见表6。
Spearman 敏感性检验对所有变量对均产生了相同的方向性解释。主观幸福感与四个预测变量之间的 Spearman 相关系数分别为：负性情绪 ρ = -0.502，学业拖延 ρ = -0.301，学校归属感 ρ = 0.477，高阶思维 ρ = 0.392。经验证的 Pearson 相关矩阵被用作可视化的数值源表。图 2A 展示了五个量表水平变量之间的完整相关性热图。图 2B 展示了四个与主观幸福感相关的相关系数。
使用高主观幸福感组与低主观幸福感组进行对比演示
27%分组规则用于对比性工作流程的演示，而非对现实世界幸福感特征的实际分类。该规则生成了两个规模相等的组：高主观幸福感组包含113名受访者，低主观幸福感组也包含113名受访者。居中的194名受访者保留在完整的分析数据集中，但未纳入此次对比分析。任何边界临界值均未改变组别分配。
本模块表明，该工作流程能够生成预设的分组变量，筛选分析数据集，计算特定组的描述性统计量，执行符合假设前提的组间比较，并导出经过验证的源数据表以用于可视化。高主观幸福感组的负性情绪低于低主观幸福感组（1.864 ± 0.358 vs. 2.335 ± 0.343；均值差异 = -0.472），学术拖延水平也较低（2.455 ± 0.476 vs. 2.801 ± 0.483；均值差异 = -0.346）。在学校归属感和高阶思维方面，高主观幸福感组得分更高，其均值差异分别为0.454和0.351。所有四项比较均具有显著性（p < 0.001），Cohen’s d值分别为：负性情绪-1.346，学术拖延-0.722，学校归属感1.279，高阶思维0.860。当方差齐性假设不成立时，采用Welch t检验；否则保留标准的独立样本t检验。这些结果不应被解读为所选预测变量定义了现实世界中学生幸福感真实类别的证据，因为分组是基于结果变量构建的，随后在相关变量上进行比较。高低组比较结果汇总于表7中。
按性别进行的描述性比较
性别被作为描述性分组变量进行分析。女性受访者的平均负面情绪得分略高于男性受访者（2.129 ± 0.380 vs. 2.042 ± 0.407）。该差异具有统计学显著性，但效应量较小（p = 0.033；Cohen’s d = 0.224）。学业拖延、学校归属感、高阶思维能力和主观幸福感在性别间未显示出有意义的差异。女性与男性受访者在主观幸福感上的平均得分几乎相同（3.781 ± 0.521 vs. 3.789 ± 0.583；p = 0.887；Cohen’s d = -0.015）。Welch’s t-检验的敏感性分析未改变对性别比较结果的解释。性别差异结果见表8。
以回归模型为例说明模型构建与诊断检验
本研究以多元线性回归模型为例，演示如何从评分问卷数据中构建、诊断和验证统计模型。将主观幸福感设为因变量，同时将负性情绪、学业拖延、学校归属感和高阶思维作为量表水平的预测变量纳入模型。本模块旨在展示回归系数提取、多重共线性检验、残差诊断、影响力建议评估、基于人口学特征调整的敏感性分析，以及图表与数据源的准备方法。
该模型解释了主观幸福感中中等程度的变异比例， R2 = 0.411 且经调整 R2 = 0.406。负性情绪显示出最大的负向标准化系数（B = -0.450，标准化 β = -0.324）。学业拖延也呈现出负系数（B = -0.130，标准化 β = -0.116）。学校归属感与高阶思维能力的标准化系数呈正值，分别为 β = 0.275 和 β = 0.218。在拟合模型中，所有四个预测因子均具有统计学显著性：负性情绪、学校归属感和高阶思维能力 p < 0.001，以及学业拖延问题 p = 0.004。由于所有方差膨胀因子值均低于1.24，未提示存在多重共线性。这些回归输出仅代表模型检验结果，而非对学生福祉的心理学上的确定性解释。 表9 提供完整的回归分析结果。
通过在四个心理预测因子的基础上增加性别、年龄、年级、机构类别和学科类别，估计了一个补充的人口统计学调整模型。调整后的模型解释了相似比例的方差，其中R2 = 0.427，调整后R2 = 0.414。在进行人口统计学调整后，四个心理预测因子的方向和统计解释保持不变。人口统计学调整后的敏感性模型汇总见表10。图3A展示了四个预测因子的标准回归系数及其95%置信区间。图3B基于标准化预测值、标准化残差和库克距离呈现了诊断图示。
回归诊断与模型保留
回归诊断结果未表明拟合的模型受到单个有影响力记录的驱动。双变量图和偏回归图未显示明显的非线性关系。残差与预测值图未显示严重的异方差性或异常聚类现象。杜宾-沃森统计量为1.93，表明残差具有可接受的独立性。残差Q-Q图未显示严重偏离正态性的情况。正式的残差正态性检验结果具有统计学意义（W = 0.992，p = 0.031），但结合Q-Q图和样本量判断，仍支持保留线性模型用于描述性关联分析。
两条记录的标准化残差绝对值大于 3.00。没有任何记录的库克距离大于 1.00。采用更为敏感的库克距离阈值 >4/n，其中 n = 420 和 4/n = 0.0095，共17条记录被标记为可能具有影响性。最大的库克距离为0.037。针对被标记的残差和影响个案，已结合筛查记录、评分核查记录及入组标准进行审查。未发现数据录入错误、评分不正确、重复应答、不符合入组标准或记录在案的应答质量等问题；因此，这些个案在最终模型中予以保留。进行影响敏感性检验时，排除了库克距离 >4/n，得出的工作流程解释与主模型相同。标准化系数的最大绝对变化为0.026，且调整后的 R2 从 0.406 变为 0.405。诊断和敏感性结果总结如下 表11.
分析流程的内部验证
使用相同的评分规则、决策阈值和分析轨迹文件，对经过清理和评分的分析数据集重复执行了工作流程。重复进行了内部一致性分析、描述性统计、相关性分析、高低组比较、性别比较、回归建模、诊断检验以及可视化数据源准备。重复生成的结果与原始的描述性统计、相关矩阵、组间比较数值、回归系数、诊断输出结果及可视化数据源文件完全一致。这证实了该分析流程在应用于同一锁定的分析数据集时具有计算稳定性。此验证并不等同于独立的程序可重复性，后者需要由独立的分析人员从锁定的原始导出数据完整执行整个工作流程，并获得相同的记录结果。
图1：基于问卷的主观幸福感数据处理工作流程。 该示意图展示了协议流程及关键审核输出，包括伦理准备、问卷配置、调查实施、原始数据导出、量表映射、筛选日志、评分后的分析数据集、验证后的分析表格、回归诊断结果、图表源文件以及可视化输出结果。请点击此处查看此图的放大版本。
图2：量表层面变量间的相关性结构。（A）基于表6中已验证的相关矩阵生成的皮尔逊相关热图。（B）基于同一已验证数据表生成的以主观幸福感为中心的相关性图谱。图中展示了全部五个量表层面的变量：负面情绪、学业拖延、学校归属感、高阶思维能力以及主观幸福感。请点击此处查看该图的高清版本。
图 3：回归系数与诊断可视化图。（A）根据表 9中的主要回归结果生成的标准化回归系数及其95%置信区间。（B）根据表 11中汇总的标准预测值、标准残差和库克距离值生成的回归诊断图。较大的库克距离值表示该观测值对拟合模型具有更大的潜在影响。请点击此处查看该图的放大版本。
表1：问卷结构与量表评分框架。 本表总结了测量框架，包括构念名称、来源量表、来源文献、改编或记录状态、条目编号、作答范围、评分方向、反向计分要求、评分方法、最终量表层面变量及方案角色。请点击此处下载该表格。
表2：应答筛选与分析决策标准。 本表格列出了预先设定的知情同意筛选、入组资格筛选、重复应答审查、缺失数据处理、应答时长标记、直线应答检测、有效应答范围、信度评估、高低组分类、回归诊断及敏感性检验的标准。请点击此处下载该表格。
表3：从提交的问卷到最终分析数据集的筛选流程。 本表报告了在每个筛选步骤中提交的问卷数量、标记记录数、剔除记录数、保留记录数以及核实信息来源。完成时长和直线作答被视为作答质量警示指标，而非自动排除标准。请点击此处下载该表格。
表4：分析数据集的人口统计学特征。 本表总结了经过应答筛选后保留的匿名学生记录，包括性别、年龄、本科年级、机构类别和学术专业类别。在报告前，已对人口统计学单元格进行审查，以评估间接可识别风险。请点击此处下载该表格。
表5：五个量表层面变量的描述性统计、范围验证及内部一致性。 本表报告了负性情绪、学业拖延、学校归属感、高阶思维和主观幸福感的题目数量、理论范围、观察范围、均值、标准差、克朗巴赫α系数、麦克唐纳ω系数以及条目低端/高端集中情况。请点击此处下载该表格。
表6：量表层面变量的皮尔逊相关矩阵。 该表格展示了负性情绪、学业拖延、学校归属感、高阶思维和主观幸福感之间的皮尔逊相关系数。该矩阵被用作描述性关联结果输出，并用于验证各量表得分方向的一致性。请点击此处下载该表格。
表7：高主观幸福感组与低主观幸福感组的对比比较。 本表比较了主观幸福感得分位于前27%和后27%的受访者在负面情绪、学业拖延、学校归属感以及高阶思维方面的差异。该比较旨在展示分组与比较的分析流程，而非对幸福感特征进行实质性的分类。请点击此处下载该表格。
表8：按性别进行的描述性比较。 本表报告了按性别划分的负面情绪、学业拖延、学校归属感、高阶思维及主观幸福感的描述性比较结果。性别被视为描述性分组变量。请点击此处下载该表格。
表9：预测主观幸福感的主要多元线性回归模型。 本表展示了主要回归模型，其中主观幸福感为因变量，负性情绪、学业拖延、学校归属感和高阶思维作为量表水平的预测变量同时纳入模型。表中包含标准误、置信区间和方差膨胀因子的数值。请点击此处下载该表格。
表10：预测主观幸福感的人口统计学调整后回归敏感性模型。 本表报告了在对性别、年龄、本科年级水平、院校类别和学科专业类别进行调整后的四个心理预测因子。分类人口统计学变量采用虚拟编码输入。包含标准误、置信区间和方差膨胀因子值。 请点击此处下载该表格。
表11：回归诊断与影响敏感性检验。 该表格总结了残差、影响度及模型诊断输出结果，包括标准化残差、库克距离 > 1.00，库克距离 > 4/n最大库克距离、Durbin-Watson 统计量、残差Q-Q图、残差正态性检验、残差对预测值图、线性检验及影响敏感性分析。 请点击此处下载此表格。
补充文件1：问卷结构、量表来源及计分说明。 本补充文件提供了问卷的施测顺序、知情同意书措辞、人口统计学问卷条目、来源量表的文献依据、题项编码、作答锚点、改编情况与文档状态信息、计分方向、反向计分规则、最终量表层面变量的构建方式、缺失题项处理规则、作答质量关联字段、范围核查规则，以及五个问卷构念的参考文献链接。该文件作为问卷/代码本的补充材料，用于记录工作流程中量表的编程、计分与核查过程。请点击此处下载该文件。
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、计分验证日志、分析日志、诊断输出文件以及图表源数据表。这些文件明确了施测的是问卷的哪一个版本、哪些记录被排除或保留、分数是如何生成的，以及创建每张图表所依据的经验证数据表。当受试者层面的数据无法公开共享时，一个具有相同变量结构并包含完整筛选/计分日志的合成数据集，可使读者在不接触可识别或间接可识别记录的前提下，验证计算流程的正确性。这种基于文档的结构符合FAIR原则，即可重复使用的科研成果需要具备清晰的来源、结构和访问条件25。
代表性结果应被理解为工作流程的输出，而非关于学生幸福感心理决定因素的实质性证据。高低主观幸福感的比较旨在展示如何实施、检验和报告预先设定的分组规则；不应将其解读为对幸福感特征的真实世界分类。同样，回归模型展示了如何对评分问卷数据进行建模、检查多重共线性、通过残差与影响诊断进行评估，并与经过验证的图表来源表格关联。该模型并未证实负面情绪、学业拖延、学校归属感或高阶思维会因果性地决定主观幸福感。由于所有主要变量均在同一时间点通过同一份自评问卷收集，无法排除共同方法偏差、作答风格效应以及共享测量情境的影响26。
该工作流程也不能替代完整的心理测量学效度验证。Cronbach’s alpha、McDonald’s omega、观测范围检查、条目-总量审查以及反向计分验证，对于可审计的计分流程而言是有用的质量控制步骤，但这些方法并不能确立因子效度、测量不变性、条目反应特性或跨群体可比性。使用该问卷进行实质性理论检验的研究，应进行验证性因子分析、在相关人口学或机构群体间进行测量不变性检验，并在适当时开展其他效度检验27。因此，本方案应被理解为一种可审计的数据处理与报告框架，而非针对所含构念的完整效度验证研究。
本工作流程基于一名本科生的样本进行演示，使用的是单一时点收集的自报告问卷数据，未经过外部验证。因此，不应假设该工作流程可直接适用于其他人群、学科、机构、语言或文化背景。若在其他情境中重复使用该工作流程，应重新构建量表映射关系，而非机械复制。研究人员应审阅题项来源、翻译或改编状态、幸福感题项的文化与情境依赖性、作答锚点、反向计分规则、分数解释方式以及当地的伦理要求。翻译与改编过程需进行明确记录，而不能仅做非正式的文字修改28；教育与心理测验分数的解释应始终与预期用途及目标人群的实证依据相联系29。
在实际应用中，该方案最适用于基于问卷的幸福感研究中数据处理与报告的可审计框架。它有助于研究人员在解释结果之前，使数据清洗、计分、诊断和可视化等决策过程透明化。未来的研究应在一个或多个独立样本、不同机构环境、纵向设计以及由独立分析团队重复验证的情况下，对该工作流程进行测试。外部验证、预先注册的决策规则、共享的合成数据集、完整的示例筛选/计分日志以及独立分析团队的重复验证，将进一步增强该工作流程的可移植性和可信度。
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。
材料
| 姓名 | 公司 | 目录编号 | 评论 |
|---|---|---|---|
| broom R 包 | CRAN | R 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 | CRAN | R 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 | CRAN | R 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 | CRAN | R 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 Statistics | IBM 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 | CRAN | R 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 | CRAN | R 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. 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.
- 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.
- 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.
- Johansson F et al. Associations between procrastination and subsequent health outcomes among university students in Sweden. JAMA Netw Open. 2023;6(1):e2249346.
- Li X, Kuo YL, Huggins TJ. Perceived feedback and school belonging: the mediating role of subjective well-being. Front Psychol. 2024;15:1450788.
- Sönning L. Ordinal response scales: psychometric grounding for design and analysis. Res Methods Appl Linguist. 2024;3(3):100156.
- 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.
- Dudáš A. Graphical representation of data prediction potential: correlation graphs and correlation chains. Vis Comput. 2024;40(10):6969-82.
- Niessen ASM, Meijer RR, Tendeiro JN. Detecting careless respondents in web-based questionnaires: which method to use? J Res Pers. 2016;63:1-11.
- Parsons J, Bao L. A unified approach for outliers and influential data detection: the value of information in retrospect. Stat. 2022;11(1):e442.
- 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.
- Lovibond SH, Lovibond PF. Manual for the Depression Anxiety Stress Scales. 2nd ed. Psychology Foundation; Sydney; 1995.
- Tuckman BW. The development and concurrent validity of the Procrastination Scale. Educ Psychol Meas. 1991;51(2):473-80.
- Goodenow C. The psychological sense of school membership among adolescents: scale development and educational correlates. Psychol Sch. 1993;30(1):79-90.
- 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.
- 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.
- DeSimone JA, Harms PD, DeSimone AJ. Best practice recommendations for data screening. J Organ Behav. 2015;36(2):171-81.
- Revilla MA, Saris WE, Krosnick JA. Choosing the number of categories in agree-disagree scales. Sociol Methods Res. 2014;43(1):73-97.
- Muszyński M. Attention checks and how to use them: review and practical recommendations. ASK Res Methods. 2023;32(1):3-38.
- McNeish D. Thanks coefficient alpha, we’ll take it from here. Psychol Methods. 2018;23(3):412-33.
- 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.
- Kastellec JP, Leoni EL. Using graphs instead of tables in political science. Perspect Polit. 2007;5(4):755-71.
- Flake JK, Fried EI. Measurement schmeasurement: questionable measurement practices and how to avoid them. Adv Methods Pract Psychol Sci. 2020;3(4):456-65.
- Nosek BA et al. Promoting an open research culture. Science. 2015;348(6242):1422-5.
- Wilkinson MD et al. The FAIR Guiding Principles for scientific data management and stewardship. Sci Data. 2016;3:160018.
- 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.
- 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.
- van de Vijver FJR, Hambleton RK. Translating tests: some practical guidelines. Eur Psychol. 1996;1(2):89-99.
- 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.