自我报告高敏感儿童量表在中学生群体中的修订*
2023-08-21刘倩文王振宏
刘倩文 王振宏
[陕西(高校)哲学社会科学重点研究基地-儿童青少年心理与行为健康研究中心,陕西师范大学心理学院,西安 710062]
1 引 言
在人格研究领域中提出的感觉加工敏感性模型(The Sensory Processing Sensitivity Model)认为,个体对环境刺激的敏锐性、认知加工深度以及情绪与生理反应大小不同,这种对环境刺激的不同反应性被称为感觉加工敏感性(SPS)(Aron&Aron,1997;Aron et al.,2012;Homberg et al.,2016)。基于感觉加工敏感性模型,Aron 和Aron(1997)编制了27 道题目的自我报告高敏感个体量表(Highly Sensitive Person Scale,HSP),用于测量成人的SPS。Aron 和Aron(1997)最初认为SPS 是单维的,但后来的研究通过因素分析提出了SPS 的三因素模型,即:低感觉阈限(Low Sensory Threshold,LST)、易受过度刺激(Ease of Excitation,EOE)和审美敏感性(Aesthetic Sensitivity,AES)(Nocentini et al.,2018;Smolewsk et al.,2006)。LST 指容易对外界刺激产生感觉唤起或容易觉察到细微刺激(如对亮光和噪音产生大的反应),EOE 则代表容易受到外部和内部压力事件的刺激(如在短时间内做很多事情时会感到紧张不安),AES指容易捕获积极的感官刺激或具有审美意识(如容易被艺术和音乐所打动)。LST、EOE 和AES 反映了个体敏感性的不同方面(Lionetti et al.,2019)。研究表明,LST、EOE 和AES 之间呈显著正相关,其中LST与EOE 的关联最为密切(Lionetti et al.,2019;Greven et al.,2019)。此外,研究也发现LST 和EOE 与神经质、消极情感等负性特质密切相关,而AES 则与开放性和积极情 感 等 正 性 特 质 相 关(Acevedo,2020;Greven et al.,2019)。
感觉加工敏感性模型提出后也被应用到儿童发展研究领域,成为解释个体-环境因素交互影响儿童多样性发展结果的一种重要理论模型。研究提出,儿童的SPS 不同,对环境刺激的反应及其发展受到环境影响的大小也不同,高SPS 儿童受环境影响大,低SPS 儿童受环境影响小(Aron et al.,2012;Greven et al.,2019;王振宏等,2020)。已有研究为了探讨儿童SPS 及SPS与不同环境因素对其发展的交互影响,编制了不同的测量工具来测量儿童青少年的SPS。其中,Pluess 等(2018)编制的自我报告高敏感儿童量表(Highly Sensitive Child Scale-Self Report,HSC-Self Report)被广泛使用。自我报告HSC 量表共12 道题目,可用于测量8 岁以上儿童的SPS(Pluess et al.,2018)。已有研究在英国、荷兰、比利时、日本等国家的儿童青少年群体中进行了量表信效度检验与修订工作,结果表明该量表符合SPS 的三因素模型,包括LST、EOE和AES 三个维度,量表的信效度符合要求,总量表和三个分量表的Cronbach’s α系数在0.46 至0.82 之间;除支持了三因素模型之外,研究者们也提出了SPS 的双因子 模 型(bifactor model)(Iimura & Kibe,2020;Pluess et al.,2018;Weyn et al.,2021)。已有研究也以神经质、积极/消极情感特质等为效标进行效标关联效度检验,表明该量表具有良好的效标关联效度(Iimura & Kibe,2020;Pluess et al.,2018)。运用自我报告HSC 量表,国外多项实证研究探讨了SPS 与环境因素对儿童社会适应的交互影响。例如,一项大规模干预研究表明,对受欺凌和内化问题的干预效果受到SPS 和性别的调节,即SPS 得分高的男孩从干预中受益最多(Nocentini et al.,2018)。Iimura 和Kibe(2020)发现,在感知到积极的学校环境变化时,高敏感性青少年更能从积极环境中获益,报告更高的幸福感。这些研究结果为深入理解个体-环境因素交互影响儿童青少年发展的内在机制提供了重要证据。
近年来,国内研究者也运用直接翻译的自我报告HSC 量表测量儿童青少年的SPS,探讨了SPS 与环境因素对青少年发展与适应的交互影响。研究表明,自我报告HSC 量表在中国青少年样本中的信效度符合统计学要求,支持了SPS 的三因素结构(Liu et al.,2020;刘勤学等,2021;蒋欣月等,2021)。但已有研究并没有独立地在我国青少年样本中对该量表进行信效度检验,研究中也只是运用总分代表一般的SPS,没有考察SPS 不同维度对儿童青少年发展与适应的影响。Wu 等(2021)也使用自我报告HSC 量表考察了SPS 与压力感知交互影响大学生抑郁症状的脑机制,信效度分析表明SPS 在中国大学生样本中的结构与西方样本中有所不同,为四因素结构。经过进一步项目分析与因素分析,删除了两道题目新聚合出的一个因子,最后10 道题目聚合出结构效度符合要求的三因素模型。因此,对自我报告HSC 量表在中国青少年群体中进行标准化的修订与信效度检验,有利于进一步深化SPS 及其与环境交互影响中国儿童青少年发展与适应的相关研究。
综上所述,本研究在中国中学生群体中对Pluess 等(2018)编制的自我报告HSC量表进一步进行修订与信效度检验,并考察修订后的中文版自我报告HSC 量表能否用来区分不同敏感性组别的儿童,初步探索该量表在确定中国中学生不同敏感性组别中的临界值(cut-off criteria)。
2 中文版自我报告HSC 量表的初步修订
2.1 被试
采用方便取样的方法,选取了成都市、舟山市与天津市各一所中学,共三所中学的初中生为被试,通过问卷星收集数据。删除规律作答的数据后,获得有效问卷761份,有效回收率92.35%,其中男生392 名,女生369 名,年龄范围12~15 岁,平均年龄为13.73 岁。
2.2 工具
采用Pluess 等(2018)编制的自我报告高敏感儿童量表(Highly Sensitive Child Scale,HSC)。该量表共包括12 道题目,分为三个维度,即:LST、EOE 和AES,采用7点计分(1=非常不像我,7=非常像我),得分越高代表SPS 水平越高。首先由两名心理学专业和英语专业的研究生将Pluess 等(2018)编制的HSC 量表翻译成中文,随后邀请相关专家进行修改并进行回译。最后,对比回译稿与英文原稿异同,再次进行审核及修正。
2.3 施测程序与统计方法
数据收集采用班级集体施测,由各学校的心理健康教师通过问卷星发放问卷,学生使用手机完成作答并提交。采用SPSS 24.0 对数据进行项目分析和探索性因素分析。
2.4 结果
2.4.1 项目分析
首先对12 道题目进行题总相关分析,结果显示相关性在0.42 到0.68 之间(ps<0.001);其次比较所有题目总分的高分组(前27%)和低分组(后27%)在每道题得分上的差异。独立样本t 检验结果表明,高低分组在所有题目上的得分都存在显著差异(ps<0.001),说明该量表题目均具有较好的区分度。
2.4.2 探索性因素分析
对761 份有效问卷进行探索性因素分析,KMO 值 和Bartlett 球 形 检 验(KMO=0.85;χ2=2666.62,p<0.001)结果良好,说明数据适合进行因素分析。在未限制因子个数的情况下,采用主轴因子分析法(principal axis factoring analysis)提取因子,共抽取出3 个因子,方差总贡献率为45.57%。结果发现,其中一道题目的路径载荷系数小于0.4,两道题目的双载荷现象严重,故予以删除。删除题目后再次进行探索性因素分析(KMO=0.78;χ2=1859.56,p<0.001),自由抽取出3 个因子,方差总贡献率为50.45%,除原EOE 维度中的题目“我不喜欢我生活中有些东西发生变化”聚合到LST 维度外,其余题目均分布在相应的因子上,具体载荷系数见表1。
表1 中文版自我报告HSC 量表各题目载荷
3 中文版自我报告HSC 量表的信效度检验
3.1 被试
采用方便取样的方法,选取了西安市两所中学、舟山市与庆阳市各一所中学,共四所中学的初中生为被试,运用初步修订后9 道题目的中文版自我报告HSC 量表,通过问卷星收集数据进行内部一致性信度检验和验证性因素分析。删除规律作答的数据后,获得有效问卷1401 份,有效回收率94.77%,其中男生766 名,女生635 名,年龄范围11~16 岁,平均年龄为13.68岁。施测4 周后,从中选取部分中学生通过问卷星再次对其进行施测,进行重测信度和效标关联效度检验,最终获得有效问卷298 份,有效回收率85.14%,其中男生152名,女生146 名,年龄范围11~15 岁,平均年龄为13.27 岁。
3.2 工具
3.2.1 中文版自我报告高敏感儿童量表
中文版自我报告HSC 量表共包括9道题目,分为三个维度,即:LST、EOE 和AES;采用7 点计分(“1”=“非常不像我”,“7”=“非常像我”),得分越高代表SPS 水平越高。
3.2.2 大五人格问卷
采用McCrae 和Costa(2004)编制的大五人格简式问卷中文版(NEO Five Factor Inventory)中的神经质分问卷作为效标工具来考察中文版自我报告HSC 量表的效标关联效度。神经质分问卷包括12 道题目,5点计分(1=完全不符合,5=完全符合),得分越高代表神经质人格越明显。在本研究中,神经质分问卷的Cronbach’s α 系数为0.85。
3.2.3 积极/消极情感量表
同时采用Bradburn(1969)编制,陈文锋和张建新(2004)修订的积极/消极情感量表(Positive and Negative Affect Scale)作为效标工具来考察中文版自我报告HSC量表的效标关联效度。该问卷包括积极情感和消极情感两个维度,共14 道题目,4点计分(1= 从不,4= 经常),得分越高代表相应的情感特征越显著。在本研究中,积极情感和消极情感分问卷的Cronbach’s α 系数分别为0.88、0.84。
3.3 施测程序与统计方法
数据收集采用班级集体施测,由各学校的心理健康老师通过问卷星发放问卷,学生使用手机完成作答并提交。采用SPSS 24.0 对数据进行信度及效标关联效度检验,采用Mplus 8.3 进行验证性因素分析。
3.4 结果
3.4.1 各维度的内部一致性系数、因子之间的相关及性别差异分析
中文版自我报告HSC 量表中LST、EOE 和AES 三个分量表的Cronbach’s α系数分别为0.65、0.74 和0.72,总量表的Cronbach’s α 系数为0.78,说明中文版自我报告HSC 量表的内部一致性信度符合统计学要求(吴明隆,2010)。HSC 总分、LST、EOE 和AES 之间均呈显著正相关,具体相关系数见表2。独立样本t 检验结果表明,男生的HSC、LST 和AES 得分显著低于女生(HSC:t=3.22,p=0.001;LST:t=2.09,p=0.04;AES:t=4.53,p<0.001),在EOE 得分上性别差异不显著(t=0.90,p=0.37)。
表2 各因子间的相关系数及平均数与标准差
3.4.2 验证性因素分析
运用Mplus 8.3 分析软件对1401 份有效问卷数据进行验证性因素分析。结果表明,SPS 的三因素结构拟合指标达到了理想的水平,具体拟合指数为χ2=139.72,df=24,CFI=0.951,TLI=0.927,RMSEA=0.059,SRMR=0.042(见图1)。
图1 中文版自我报告HSC 量表三因素结构模型图
此外,研究也进行了双因子模型分析,模型拟合指数也符合要求,具体拟合指数为χ2=95.71,df=19,CFI=0.968,TLI=0.939,RMSEA=0.054,SRMR=0.066。由于双因子模型中EOE 维度两道题目的载荷系数过低(小于0.30),且双因子模型的SRMR 值大于0.05。因此,本研究接受了三因素模型。
3.4.3 重测信度
间隔4 周后进行了重测数据采集,计算出的总量表重测信度为0.74,LST、EOE和AES 三个维度的重测信度分别为0.67、0.62 和0.69,即中文版自我报告HSC 量表的重测信度符合统计学要求(吴明隆,2010)。
3.4.4 效标关联效度分析
选择大五人格问卷神经质分问卷、积极/ 消极情感量表作为中文版自我报告HSC 量表的效标。与已有的理论和实证研究结果一致,神经质和消极情感与HSC 呈显著正相关;其中,LST 和EOE 与神经质和消极情感之间均呈显著正相关,AES 和积极情感呈显著正相关,即中文版自我报告HSC 量表具有良好的效标关联效度(Greven et al.,2019;Lionetti et al.,2019;Pluess et al.,2018)。此外,效标关联效度的结果在男生和女生中基本一致。具体相关系数见表3。
表3 效标关联效度分析结果
3.4.5 补充分析
研究在综合考虑SPS 三个维度得分的基础上,使用Mplus 8.3 软件,通过对1401份问卷进行潜变量分组分析(latent class analysis,LCA)来检验是否能用中文版自我报告HSC 量表来区分不同敏感性组别的儿童。如表4 所示,由于分成3 组(高敏感、中敏感、低敏感)时LMR 的p 值大于0.05,说明分成3 组并不优于分为2 组(高敏感、低敏感)。因此,中文版的HSC 量表更适用于区分高敏感和低敏感两组儿童。
表4 中学生SPS 分组指标
此外,研究基于LCA 的结果来初步探索在中国中学生样本中的临界值(cut-off criteria),以用于判断是否能够根据中学生HSC 得分来确定其具体的敏感性分组。根据Pluess 等(2018)的建议,研究使用R 统计软件Overlapping 扩展程序包来计算高敏感组和低敏感组HSC 均分分布的交叉点(见图2),即临界值。计算结果表明,高敏感组和低敏感组间的临界值为4.88。
图2 高敏感组、低敏感组中学生HSC 均分分布图
4 讨 论
本研究在中国中学生群体中进行了自我报告HSC 量表的修订和信效度检验。通过项目分析和探索性因素分析将原问卷的12 道题目缩减为9 道题目,可抽取出LST、EOE 和AES 三个因子。进一步的信效度检验表明,修订后的中文版自我报告HSC 量表信效度良好。
与Pluess 等(2018)编制的HSC 量表一致,中文版自我报告HSC 量表包括LST、EOE 和AES 三个维度。修订后中文版自我报告HSC 量表的信度较为理想,符合统计学要求(吴明隆,2010);总量表及LST、EOE 和AES 三个分量表的Cronbach’s α系数分别为0.78、0.65、0.74 和0.72,重测信度分别为0.74、0.67、0.62 和0.69。其中,LST 包括3 道题目,强调被外部刺激唤起的不愉快的感觉,比如吵闹的声音和电视节目上的暴力内容产生的负面作用;EOE包括3 道题目,反映了个体容易被外部和内部刺激影响的程度,比如是否会在同时有很多事情发生时产生消极反应,或者在完成任务中表现得更差;AES 包括3 道题目,关注个体的审美意识以及对积极刺激的敏感性,比如容易被艺术和音乐打动。与Pluess 等(2018)的研究不同的是,HSC 量表EOE 中的题目“我不喜欢我生活中有些东西发生变化”在中文版自我报告HSC 量表中聚合到了LST 维度。这道题目可能更多地反映了对外界细微信息的觉察以及刺激变化带来的不愉快感受,而不是强调在面对短时间内或同时来自内外部的压力时产生的较为强烈的情绪、生理和行为反应。因此,在以中国中学生为样本的施测中,该题目聚合到了LST 维度。此外,与以往研究一致,研究发现LST、EOE 和AES 三个维度间呈中等程度的正相关(Iimura&Kibe,2020;Pluess et al.,2018)。
中文版自我报告HSC 量表效标关联效度检验的结果表明,修订后的量表效标关联效度符合要求。与以往多项研究的结果基本一致(Greven et al.,2019;Lionetti et al.,2019;Pluess et al.,2018),HSC 总分与神经质和消极情感呈显著正相关,LST、EOE与神经质和消极情感之间均呈显著正相关,而AES 与神经质和消极情感之间的相关不显著,与积极情感则呈显著正相关。已有的研究发现神经质人格和消极情感通常更倾向于与高度紧张、脆弱、情绪波动大以及消极行为相关(Friedman & Schustack,1999)。Lionetti 等(2019)通过元分析发现,不管在成人还是在儿童中,LST、EOE 与神经质人格和消极情感之间的联系最为密切,这可能反映了个体对消极环境的高度敏感性以及对消极刺激的高度注意加工和情绪反应。高AES 与个体的积极发展如更好的沟通技巧和更强的主观幸福感密切相关(Liss et al.,2005;Sobocko & Zelenski,2015)。因此,对消极刺激的敏感性可能主要由LST 和EOE 驱动,而对积极刺激的敏感性则主要反映了个体的AES(Greven et al.,2019;Pluess et al.,2018;Wu et al.,2021)。
此外,研究通过LCA 分析发现,中文版自我报告HSC 量表适合用于将中学生分为高敏感和低敏感两组,与以国外儿童青少年为样本的研究结果不同。Pluess 等(2018)发现自我报告HSC 量表可区分高敏感、中敏感和低敏感三组儿童。一项以中国学前儿童为被试的研究发现,父母报告的HSC 量表也适用于区分高、低敏感两组儿童(李喜乐,2021)。这可能是由于中西方文化和社会环境差异导致我国儿童SPS 得分的分布情况与西方国家儿童存在差异。研究也初步探索了区分低敏感和高敏感组中学生的临界值,未来应该在更大的样本中进行验证并检验其灵敏度和特异性。
综上所述,在中国中学生群体中修订的9 道题目的中文版自我报告HSC 量表信效度符合统计学要求,能够作为我国中学生SPS 的有效测量工具。