自测健康评定量表应用于交通警察的验证性因子分析*

2016-12-26吴伟旋吴志华崔周国

中国卫生统计 2016年3期

吴伟旋许军△ 吴志华向前崔周国

吴伟旋1许军1△吴志华2向前1崔周国1

目的应用验证性因子分析考评自测健康评定量表（SRHMS V1.0）应用于交通警察的结构效度。方法选取广东省500名交通警察进行现场测试，采用AMOS 17.0软件建立结构方程模型，进行验证性因子分析。结果最终模型保留的41个可观测变量在各自维度上的因子载荷为0.417～0.957（P＜0.05）。模型拟合度良好:χ2/df＝2.683，CFI＝0.911，IFI＝0.911，TLI＝0.900，RMSEA＝0.063。结论自测健康评定量表具有较好的结构效度，可以被应用于交通警察的健康状况测量。

自测健康量表交通警察效度验证性因子分析

交通警察作为特殊职业群体，长期暴露在高温、高寒、尾气、噪声等恶劣交通污染环境中，其任务繁重度和职业紧张度均高于一般人群，身心健康受到各种慢病、职业病的严重威胁，亟需得到社会的关注和重视。自测健康评定量表（self-rated health measurement scale version 1.0，SRHMS V1.0）是许军［1］等基于 WHO的健康定义，使用严格的专家咨询和现场调查法进行论证而建立的适合于我国社会和文化背景的健康测量工具。该量表从定量化的角度，比较直观、全面、准确地反映自测健康的真正内涵，近年来被用于不同人群的健康状况评价中［2-4］，但目前还未在交通警察健康状况的测量中应用。目前医学界常用因子分析来检验量表的结构效度，包括探索性因子分析（exploratory factor analysis，EFA）和验证性因子分析（confirmatory factor analysis，CFA）［5－6］。这两种方法的不同在于量表的理论结构在分析过程中所扮演的角色与检验时机，EFA的目的在于确认量表的因素结构，侧重于理论的产出；而CFA的目的在于探究量表的理论模型是否与实际数据适配，侧重于理论的检验。本研究基于前期对量表条目的筛选和探索性因子分析结果，采用验证性因子分析研究SRHMS V1.0应用于交通警察的结构效度，检验量表条目和结构模型的合理性，为进一步研究广东省交通警察健康状况及其影响因素奠定理论基础。

对象与方法

1.研究对象

根据多变量统计学的经验做法，考核量表信度、效度的样本量应为量表条目数的5～20倍［7］。为考评SRHMSV1.0的结构效度，本研究选取条目数10倍以上的样本量进行流行病学现场调查。采用分层随机抽样方法，在广东省深圳市、中山市和佛山市随机选取500名交通警察进行量表测评。

2.研究工具

SRHMS V1.0由10个维度、48个条目组成，涉及到个体自测健康的生理、心理和社会三个方面（其中健康总体自测维度即维度10中的四个条目（SH18、SH34、SH47、SH48）不参与子量表分和总量表分的计算）［8］。因此本研究中共有44个测量变量（依次标记为SH1～SH46）和9个潜在变量，分别为:身体症状与器官功能（physical symptom and organ function，B1）、日常生活功能（daily life function，B2）、身体活动功能（physical activity function，B3）、正向情绪（positive emotion，M 1）、心理症状与负向情绪（psychological symptoms and negative emotions，M 2）、认知功能（cognitive function，M 3）、角色活动与社会适应（role activity and social adaptation，S1）、社会资源与社会接触（social resource and social contact，S2）、社会支持（social support，S3）。SRHMS V1.0采用模拟线性方式进行评分，各个条目下方均有一条10cm的线，被试通过在线上划上“X”号作答。每个条目的最高分10分，最低分0分。本研究使用原始分进行数据分析，对有缺失条目的样本数据一律不予采纳。

3.调查方法

调查前对调查员统一进行系统培训。测试前由调查员向被调查者讲解量表填写方法和注意事项，由被调查者根据自身真实情况独立完成问卷填写，如有特殊情况，可由调查员将问卷内容读给被调查者听，再由被调查者做出自我评定，任何情况下调查员不得给予诱导性提示。问卷由各地区负责成员统一回收并进行逻辑性筛选，剔除完成质量不高的问卷。

数据通过Epidata 3.02进行录入，并经过双录入核对等核查无误后，将数据导入到SPSS 20.0统计软件中，使用AMOS 17.0构建理论模型，通过验证性因子分析的模型拟合情况来对量表的结构效度进行考评。以P＜0.05为差异有统计学意义。

本文采用的验证性因子分析的评价指标及拟合标准如下［9－10］:（1）在指定维度上的因子载荷应大于0.4；（2）卡方自由度比（χ2/df）为 2～3时可认为模型拟合较好，样本较大时5左右也可以接受；（3）增值适配度指数采用比较适配指数（comparative fit index，CFI）、增值适配指数（incremental fit index，IFI）、非规准适配指数（tacker-lew is index，TLI），当它们的值大于0.90时认为模型具有较好的拟合度，如果TLI和CFI的值超过0.95，则表明模型的拟合度较理想；（4）绝对适配度指数采用近似误差均方根（root mean square error of approximation，RMSEA），当 RMSEA≤0.05表明拟合较好，RMSEA≤0.08表明拟合合理。

结果

1.调查问卷的回收率与完成率

本次调查共发出问卷500份，回收问卷474份，回收率是 94.8%，其中有效问卷 457份，有效率为96.4%，所有条目均被完成的问卷有425份，完成率为93.00%。其中男381例，女44例，年龄为21～58岁，平均年龄为（37.90±7.37）岁。

2.验证性因子分析

为探讨SRHMS V1.0的结构效度，根据专业知识和量表结构，建立初始结构方程模型。通过最大似然法进行参数估计，得到初始模型的路径系数估计结果（见表1），44个条目的标准化路径系数为0.260～0.933（P＜0.001），其中“SH4←B1”“SH5←B1”“SH7←B1”三个路径系数小于预设标准0.4，应考虑删除。具体的拟合指标中，χ2/df＝3.633，IFI＝0.843，TLI＝0.827，CFI＝0.842，RMSEA＝0.079，提示模型拟合效果不是十分理想。

表1 初始模型参数估计结果

根据初始模型的拟合及评价结果，需要对初始模型进行修正。本研究先删除模型中没有统计学意义的自由参数，根据初始模型参数估计结果，删除因子载荷＜0.40的因子 SH4、SH5和 SH7，再依据修正指数（modification indices，M I）大小变化对模型进行不断调整，最终获得拟合效果较好的模型（见图1）。最终模型的拟合指标，χ2/df＝2.683，IFI＝0.911，TLI＝0.900，CFI＝0.911，RMSEA＝0.063，模型拟合效果较好。见表2。

讨论

本研究以经过条目筛选、探索性因子分析后的自测健康评定量表（SRHMSV1.0）合理的因子结构为依据设计模型，基于该量表应用于交通警察的健康状况测评数据，通过验证性因子分析考评其结构效度。

初始模型的拟合结果显示，模型中有个别条目的因子载荷低于预设标准0.40，对量表拟合具有不良影响，依次删除后，根据M I值的变化不断调整模型，最终获得拟合结果较好的模型。最终模型中41个观测变量的因子载荷在0.417～0.957（P＜0.001），全部达到0.40以上，提示模型的基本适配度良好。χ2/df是直接检验样本协方差矩阵和估计协方差矩阵间的相似程度的统计量，它的理论期望值一般为2～3［11］。最终模型的χ2/df＝2.683说明模型拟合度良好。CFI、IFI和TLI为基准线比较估计量，其值越接近于“1”表明模型的拟合性越好，一般的判别标准是大于0.90，本研究中此三种指标都达到较高水平，表示假设理论模型与观察数据的整体适配度佳。RMSEA为渐进残差均方和平方根，其值越小，表示模型的适配度越佳，其一般的判别标准是＜0.05认为拟合较好，＜0.08表示有合理的近似误差存在，模型拟合尚可，0.08～0.1之间表示模型拟合普通，＞0.1则说明拟合不理想［12］。本研究RMSEA＝0.063，说明该模型的拟合在可接受的水平。