论文状态:已完成

The differential influence of Achievement Motivation on Subjective Well-being and the moderating role of Self-control

发表:2024/09/27
原文链接
价格:0.100000
已有 1 人读过
本分析由 AI 生成,可能不完全准确,请以原文为准。

TL;DR 精炼摘要

本研究对1017名中国大学生进行了调查,探讨了成就动机与主观幸福感之间的关系,并考察自我控制的调节作用。结果显示,趋近成功动机与自我控制交互作用显著,尤其在高自我控制个体中,前者对主观幸福感及积极情感影响更强,消极情感则相对减弱。同时,避免失败动机的负面影响在高自我控制个体中也有所缓解,表明提升自我控制可最大化成就动机对主观幸福感的积极作用。

摘要

To investigate the association between achievement motivation and subjective well-being, as well as the moderating role of self-control and self-management on this relationship, 1017 Chinese college students were surveyed. The main results showed that: The interactive effect of motivation to approach success and self-control on subjective well-being was significant. Specifically, for individuals with high self-control ability, the positive effects of motivation to approach success on subjective well-being, life satisfaction and positive affect tended to be stronger, and meanwhile, the motivation to approach success negatively predicted negative affect. Furthermore, the interactive effect of motivation to avoid failure and self-control on subjective well-being was significant. Specifically, for individuals with high self-control ability, the negative effects of motivation to avoid failure on subjective well-being, life satisfaction and positive affect tended to be weaker, and meanwhile, the effect of motivation to avoid failure on negative affect was relatively weaker. Overall, our study indicated that improving self-control ability could maximize the positive effect of achievement motivation on subjective well-being. Moreover, motivating individuals with high self-control ability to pursue success and reducing motivation to avoid failure for individuals with low self-control ability could have a more positive influence on subjective well-being.

思维导图

论文精读

中文精读

1. 论文基本信息

1.1. 标题

成就动机对主观幸福感的差异性影响及自我控制的调节作用 (The differential influence of Achievement Motivation on Subjective Well-being and the moderating role of Self-control)

1.2. 作者

Yuting Feng, Qun Yang

1.3. 发表期刊/会议

Scientific Reports

1.4. 发表年份

2024

1.5. 摘要

为探究成就动机 (Achievement Motivation) 与主观幸福感 (Subjective Well-being, SWB) 之间的关联,以及自我控制 (Self-control) 和自我管理 (Self-management) 在此关系中的调节作用,本研究对 1017 名中国大学生进行了调查。主要结果显示:趋近成功动机 (Motivation to approach success) 与自我控制对主观幸福感的交互作用显著。具体而言,对于高自我控制能力的个体,趋近成功动机对主观幸福感、生活满意度 (Life Satisfaction) 和积极情感 (Positive Affect) 的积极影响趋于更强,同时,趋近成功动机负向预测消极情感 (Negative Affect)。此外,避免失败动机 (Motivation to avoid failure) 与自我控制对主观幸福感的交互作用也显著。具体而言,对于高自我控制能力的个体,避免失败动机对主观幸福感、生活满意度和积极情感的消极影响趋于减弱,同时,避免失败动机对消极情感的影响相对较弱。总的来说,本研究表明提高自我控制能力可以最大化成就动机对主观幸福感的积极作用。此外,鼓励高自我控制能力的个体追求成功,并降低低自我控制能力个体的避免失败动机,可能对主观幸福感产生更积极的影响。

1.6. 原文链接

/files/papers/6936e3f122805583e1e3d06f/paper.pdf 发布状态: 已正式发表 (Published at UTC: 2024-09-27T00:00:00.000Z)

2. 整体概括

2.1. 研究背景与动机

这篇论文旨在深入探讨成就动机与个体主观幸福感之间的复杂关系,并特别关注自我控制能力在这一关系中扮演的调节角色。

  • 核心问题: 成就动机(包括趋近成功动机和避免失败动机)如何影响主观幸福感?这种影响是否因个体自我控制水平的不同而异?
  • 重要性与现有研究挑战: “幸福感 (Well-being)”是一个普遍关注的话题,而主观幸福感 (SWB) 是衡量生活质量的重要心理指标。现有研究已经表明成就动机是 SWB 的重要预测因子,趋近成功动机通常与更高的 SWB 相关,而避免失败动机则倾向于与更低的 SWB 相关。然而,作者指出,现有研究可能忽视了自我控制在这一关系中的潜在重要性。仅仅知道“趋近成功动机能提升幸福感”或“避免失败动机降低幸福感”可能过于简化,未能考虑到个体差异对这种影响的调节作用。
  • 论文的切入点/创新思路: 本研究的创新之处在于,它引入了自我控制 (Self-control) 这一重要的个体差异变量,旨在考察其如何调节两种成就动机(趋近成功动机和避免失败动机)对主观幸福感及其各维度(生活满意度、积极情感、消极情感)的影响。通过整合动机倾向理论 (Motive Disposition Theory) 和调节焦点理论 (Regulatory Focus Theory),论文提出,不同成就动机对幸福感的影响可能不是一成不变的,而是与个体的自我控制能力水平密切相关。

2.2. 核心贡献/主要发现

本研究通过对中国大学生的调查,揭示了自我控制在成就动机与主观幸福感关系中的关键调节作用,主要贡献和发现如下:

  • 自我控制调节趋近成功动机对 SWB 的影响: 对于高自我控制能力的个体,趋近成功动机对主观幸福感、生活满意度和积极情感的积极预测作用更强,同时对消极情感的负向预测作用也更显著。这意味着高自我控制能力能“放大”趋近成功动机的积极效果。
  • 自我控制调节避免失败动机对 SWB 的影响: 对于高自我控制能力的个体,避免失败动机对主观幸福感、生活满意度和积极情感的消极影响趋于减弱,同时对消极情感的影响也相对较弱。这意味着高自我控制能力能“缓冲”避免失败动机的负面效果。
  • 实践指导意义: 研究结果强调了提高自我控制能力的重要性,认为这可以最大化成就动机对 SWB 的积极影响。此外,针对不同自我控制水平的个体,提出了差异化的策略:鼓励高自我控制个体追求成功,并帮助低自我控制个体减少避免失败动机,以期更有效地提升或维持其主观幸福感。
  • 理论整合: 本研究成功地将动机倾向理论和调节焦点理论应用于解释成就动机和自我控制如何共同影响主观幸福感,丰富了这两个理论在自我调节领域的应用。

3. 预备知识与相关工作

3.1. 基础概念

为了更好地理解本研究,我们需要首先明确几个核心概念:

  • 主观幸福感 (Subjective Well-being, SWB): SWB 是指个体对其生活质量的整体评估,是一种主观体验,也是衡量生活质量的综合心理指标。它主要包含两个基本组成部分:认知和情感。通常可以进一步细分为三个维度:

    • 生活满意度 (Life Satisfaction):个体对其整体生活状态的认知评估,认为生活是否符合其理想或标准。
    • 积极情感 (Positive Affect):个体经历的愉快、积极的情绪体验,如快乐、兴奋、满足等。
    • 消极情感 (Negative Affect):个体经历的不愉快、消极的情绪体验,如悲伤、焦虑、愤怒等。 简而言之,SWB 衡量的是一个人对自己生活的感觉有多好。
  • 成就动机 (Achievement Motivation): 成就动机是指个体追求和实现目标的内在驱动力,特别关注与成就相关的动机倾向或趋势。它不同于一般的目标追求,而是以“成就”为导向。根据心理学家阿特金森 (Atkinson) 的成就动机理论,个体主要发展出两种动机倾向:

    • 趋近成功动机 (Motivation to approach success):也被称为趋近动机 (Approach motivation)。指个体希望成功、渴望获得成就的倾向。具有高趋近成功动机的个体更愿意迎接挑战、自信、积极投入,并从成功中获得满足感。
    • 避免失败动机 (Motivation to avoid failure):也被称为回避动机 (Avoidance motivation)。指个体害怕失败、试图避免不成功任务的倾向。具有高避免失败动机的个体可能更倾向于逃避困难任务,容易产生消极情绪和低满意度。
  • 自我控制 (Self-control): 自我控制是指个体自我约束和自我管理的能力,它由三个相互依赖的自我调节过程组成,形成一个迭代的闭环反馈系统:

    • 自我监控 (Self-monitoring):持续关注目标行为的状态和情境。
    • 自我评估 (Self-evaluating):将目标行为与内在标准进行比较,并注意任何差异。
    • 自我强化 (Self-reinforcing):根据评估结果进行自我奖励或自我惩罚。 高自我控制能力的个体通常能更好地管理自己的行为以实现目标,有效应对挑战,并维持积极的情绪状态。

3.2. 前人工作

本研究的理论基础主要建立在以下几个关键理论之上:

  • 阿特金森的成就动机理论 (Atkinson's achievement motivation theory): 该理论是成就动机研究的基石,它将成就动机区分为趋近成功动机 (Motivation to approach success)避免失败动机 (Motivation to avoid failure) 两种相互独立的倾向。这两种动机共同决定了个体在成就情境中的行为选择和努力程度。本研究直接采用了这一理论框架来分类和测量成就动机。

  • 动机倾向理论 (Motive Disposition Theory): 该理论关注个体动机中的差异,特别是将成就动机分解为希望和恐惧成分(即希望成功和害怕失败)。它强调不同动机的激活涉及自我调节过程,这些过程在调节以成就为导向的目标行为中非常有效。本研究借鉴该理论来解释不同动机如何通过自我调节过程影响主观幸福感。

  • 调节焦点理论 (Regulatory Focus Theory): 由 Higgins 提出,该理论认为个体在追求目标时存在两种不同的调节焦点:

    • 促进焦点 (Promotion Focus):关注成长、发展和成就,追求积极结果,通常与趋近成功动机相关。成功实现目标时,会体验到高激活的积极情感(如兴奋)。
    • 预防焦点 (Prevention Focus):关注安全、责任和义务,避免消极结果,通常与避免失败动机相关。成功避免失败时,会体验到低激活的积极情感(如平静),但失败时会产生负面情感。 本研究利用调节焦点理论来阐释为何不同成就动机在目标实现过程中会产生不同的情感体验。

3.3. 技术演进

成就动机和主观幸福感一直是心理学研究的核心主题。早期的研究主要关注成就动机的构成及其对学业、职业表现的影响,以及 SWB 的测量和影响因素。随着积极心理学 (Positive Psychology) 的兴起,研究者开始更加强调个体价值观的肯定和潜能的发展,SWB 作为其核心组成部分受到了广泛关注。

在成就动机与 SWB 的关系上,研究逐渐从简单的线性关系转向探索更复杂的调节或中介机制。例如,一些研究开始考察目标特质 (Goal Characteristics) 或目标内容 (Goal Content) 如何影响这种关系。本研究正是在这一背景下,进一步引入了自我控制 (Self-control) 这一重要的个体差异变量。自我控制作为一种核心的自我调节 (Self-regulation) 能力,其重要性在心理学领域日益凸显,被认为是影响个体行为、情绪和幸福感的关键因素。将自我控制纳入成就动机与 SWB 的模型中,代表了研究从单纯的动机或情感层面,向更深层次的认知-行为调节机制的演进。这有助于更全面、细致地理解个体如何通过自我管理来应对成就情境,并最终影响其幸福体验。

3.4. 差异化分析

本研究与现有工作的核心区别和创新点在于:

  1. 引入自我控制作为调节变量: 尽管之前的研究已经探讨了成就动机对 SWB 的影响,但很少有研究系统地考察自我控制在这一关系中的作用。本研究明确提出并验证了自我控制对趋近成功动机和避免失败动机与 SWB 之间关系的调节效应。
  2. 细化对 SWB 各维度的影响: 除了考察对总体 SWB 的影响,本研究还进一步分析了成就动机和自我控制的交互作用对生活满意度、积极情感和消极情感这三个具体维度的影响,提供了更细致的洞察。
  3. 整合理论框架: 本研究创造性地整合了动机倾向理论和调节焦点理论来解释自我控制如何影响成就动机与 SWB 之间的关系,为理解这些复杂心理过程提供了更全面的理论视角。
  4. 提供实践指导: 研究结果不仅具有理论意义,还为如何根据个体的自我控制水平来优化成就动机,从而提升或维持主观幸福感提供了具体的实践建议,例如,鼓励高自我控制个体追求成功,并帮助低自我控制个体降低避免失败动机。

4. 方法论

本研究旨在探究成就动机(趋近成功动机和避免失败动机)与主观幸福感(SWB)之间的关联,以及自我控制在这一关系中的调节作用。研究主要采用了问卷调查法,并通过一系列统计分析来验证研究假设。

4.1. 方法原理

该研究的核心原理在于通过统计模型来识别变量之间的线性关系 (Linear Relationship)交互作用 (Interaction Effect)

  1. 相关分析 (Correlation Analysis):用于初步探究成就动机、自我控制和主观幸福感各维度之间是否存在统计学上的关联强度和方向。
  2. 层次回归分析 (Hierarchical Regression Analysis):这是本研究用来检验调节效应的主要方法。其核心思想是分步将预测变量(自变量)、调节变量以及它们的乘积项(交互项)纳入回归模型,以观察模型解释力(R2R^2)的变化,从而判断调节变量是否存在以及其调节作用的显著性。
    • 自变量 (Independent Variable, IV):趋近成功动机 (Motivation to approach success) 和避免失败动机 (Motivation to avoid failure)。
    • 调节变量 (Moderator Variable, MOD):自我控制 (Self-control)。
    • 因变量 (Dependent Variable, DV):主观幸福感 (Subjective Well-being, SWB) 及其三个维度(生活满意度、积极情感、消极情感)。 调节效应的原理是:如果自变量与因变量之间的关系强度或方向随调节变量水平的变化而变化,则称调节变量存在调节效应。在回归模型中,这通常通过自变量与调节变量的乘积项是否显著来体现。
  3. 简单斜率检验 (Simple Slope Test):当层次回归分析显示交互作用显著时,简单斜率检验用于进一步剖析这种交互作用的具体形式。它通过计算在调节变量不同水平(通常是高、中、低三个水平,如均值加减一个标准差)上,自变量对因变量的回归斜率是否显著,从而更具体地解释调节效应。
  4. 多变量回归分析 (Multivariate Regression Analysis):在补充分析中用于探究三向交互作用。其原理与层次回归类似,但涉及的变量和交互项更多。
  5. SPSS PROCESS 宏 (SPSS PROCESS macro):由 Hayes 开发,主要用于普通最小二乘回归分析 (Ordinary Least Squares Regression Analysis) 进行参数估计,特别是处理调节和中介模型。本研究使用其 Model 3 来检验三向交互作用。

4.2. 核心方法详解 (逐层深入)

4.2.1. 问卷调查法

研究首先通过问卷对中国大学生进行了大规模的数据收集。问卷内容涵盖了研究所需的所有变量,即成就动机、自我控制和主观幸福感。这种方法能够高效地收集大量样本数据,但其局限性在于无法建立严格的因果关系,并且可能存在共同方法偏差 (Common Method Bias)。

4.2.2. 数据处理

在数据分析之前,研究对收集到的数据进行了初步处理:

  • 排除极端一致性回答和过多缺失值的样本,确保数据质量。
  • 对所有独立变量进行标准化 (Standardization) 处理,通常是为了消除量纲影响,并使交互项的解释更清晰。标准化通常通过将每个数据点减去均值再除以标准差来实现: Z=XμσZ = \frac{X - \mu}{\sigma} 其中,ZZ 是标准化后的值,XX 是原始数据点,μ\mu 是数据的均值,σ\sigma 是数据的标准差。

4.2.3. 相关分析

研究首先计算了所有变量之间的皮尔逊相关系数 (Pearson Correlation Coefficient),以了解它们之间的初步关联。皮尔逊相关系数 rr 衡量两个连续变量之间线性关系的强度和方向,其计算公式为: rXY=i=1N(XiXˉ)(YiYˉ)i=1N(XiXˉ)2i=1N(YiYˉ)2 r_{XY} = \frac{\sum_{i=1}^{N} (X_i - \bar{X})(Y_i - \bar{Y})}{\sqrt{\sum_{i=1}^{N} (X_i - \bar{X})^2}\sqrt{\sum_{i=1}^{N} (Y_i - \bar{Y})^2}} 其中,XiX_iYiY_i 是第 ii 个观察值,NN 是样本量,Xˉ\bar{X}Yˉ\bar{Y} 分别是 XXYY 的样本均值。相关系数 rr 的取值范围在 -1 到 +1 之间,越接近 ±1\pm 1 表示相关性越强,正值表示正相关,负值表示负相关。

4.2.4. 层次回归分析检验调节效应

为了检验自我控制的调节作用,研究采用了层次回归分析 (Hierarchical Regression Analysis)。这种方法分步构建回归模型:

  1. 第一步 (Model 1):纳入控制变量(如性别、年龄)来预测因变量。 SWB=β0+β1Gender+β2Age+ϵ1 \text{SWB} = \beta_0 + \beta_1 \cdot \text{Gender} + \beta_2 \cdot \text{Age} + \epsilon_1
  2. 第二步 (Model 2):在第一步的基础上,纳入自变量(趋近成功动机 MS 和避免失败动机 MF)。 SWB=β0+β1Gender+β2Age+β3MS+β4MF+ϵ2 \text{SWB} = \beta_0 + \beta_1 \cdot \text{Gender} + \beta_2 \cdot \text{Age} + \beta_3 \cdot \text{MS} + \beta_4 \cdot \text{MF} + \epsilon_2 其中,MS\text{MS} 代表趋近成功动机,MF\text{MF} 代表避免失败动机。
  3. 第三步 (Model 3):在第二步的基础上,纳入调节变量(自我控制 SC)。 SWB=β0+β1Gender+β2Age+β3MS+β4MF+β5SC+ϵ3 \text{SWB} = \beta_0 + \beta_1 \cdot \text{Gender} + \beta_2 \cdot \text{Age} + \beta_3 \cdot \text{MS} + \beta_4 \cdot \text{MF} + \beta_5 \cdot \text{SC} + \epsilon_3 其中,SC\text{SC} 代表自我控制。
  4. 第四步 (Model 4):在第三步的基础上,纳入自变量与调节变量的交互项 (Interaction Terms),即 MS×SC\text{MS} \times \text{SC}MF×SC\text{MF} \times \text{SC}SWB=β0+β1Gender+β2Age+β3MS+β4MF+β5SC+β6(MS×SC)+β7(MF×SC)+ϵ4 \text{SWB} = \beta_0 + \beta_1 \cdot \text{Gender} + \beta_2 \cdot \text{Age} + \beta_3 \cdot \text{MS} + \beta_4 \cdot \text{MF} + \beta_5 \cdot \text{SC} + \beta_6 \cdot (\text{MS} \times \text{SC}) + \beta_7 \cdot (\text{MF} \times \text{SC}) + \epsilon_4 如果交互项(β6\beta_6β7\beta_7)的系数显著,则表明调节效应存在。每个 β\beta 值代表对应变量的回归系数,ϵ\epsilon 代表误差项。

4.2.5. 简单斜率检验

当交互作用显著时,研究会进行简单斜率检验 (Simple Slope Test) 来解释调节效应的具体模式。例如,对于 MS×SC\text{MS} \times \text{SC} 的交互作用,会分别计算在高自我控制 (High SC)(通常指平均值加一个标准差)、低自我控制 (Low SC)(平均值减一个标准差)两种情况下,MS\text{MS}SWB\text{SWB} 的影响斜率。这有助于直观地理解调节变量如何改变自变量与因变量之间的关系。

4.2.6. 三向交互作用分析(补充分析)

在补充分析部分,研究进一步探讨了MS、MF 和自我控制 (SC) 的三向交互作用。这通过在回归模型中添加一个三阶交互项来实现: SWB=β0++βk(MS×MF×SC)++ϵ \text{SWB} = \beta_0 + \dots + \beta_k \cdot (\text{MS} \times \text{MF} \times \text{SC}) + \dots + \epsilon 如果三向交互项的系数显著,则说明 MS 和 MF 的两向交互作用会随着自我控制水平的变化而变化,揭示了更复杂的调节机制。研究使用了 SPSS PROCESS 宏 (Model 3) 和自助法 (Bootstrapping) 来进行这项分析,以提高参数估计的稳健性。自助法是一种非参数重采样技术,通过从原始样本中重复有放回地抽取样本来构建多个数据集,然后对每个数据集进行统计分析,最后汇总结果以估计参数的置信区间和标准误差。

5. 实验设置

5.1. 数据集

本研究的样本来自中国大学生

  • 样本量 (Sample Size): 初步邀请 1150 名大学生参与,经过数据筛选(排除极端一致性回答和过多缺失值),最终纳入 1017 个有效样本,有效率为 88%。
  • 人口统计学特征 (Demographics):
    • 男性:486 人 (47.8%),平均年龄 21.21±1.7221.21 \pm 1.72 岁。
    • 女性:531 人 (52.2%),平均年龄 20.60±1.6020.60 \pm 1.60 岁。
  • 选择这些数据集的原因: 大学生群体正处于人生发展的重要阶段,面临学业、职业和个人成长的多重挑战,成就动机和自我控制对其主观幸福感的影响尤为显著,因此是研究这些变量之间关系的合适群体。

5.2. 测量工具

研究使用了以下三个量表来测量核心变量:

5.2.1. 成就动机 (Achievement Motivation)

  • 量表名称: Gjesme 和 Nygard 开发,由 Ye 和 Hag 修订的成就动机量表。
  • 构成: 包含两个子量表:
    1. 趋近成功动机 (Motivation to approach success):15 个项目,测量与成功相关的动机倾向,涉及积极评价情境和结果预期。例如:“我喜欢不熟悉和困难的任务,甚至是冒险的任务”、“我喜欢那些我尽力就能完成的任务”。
    2. 避免失败动机 (Motivation to avoid failure):15 个项目,测量与避免失败相关的动机倾向,涉及消极评价情境和结果预期。例如:“我不喜欢那些我不确定自己或他人是否能完成的任务”、“我不想被分配困难的任务”。
  • 评分: 7 点李克特量表 (7-point Likert scale),从 1(强烈不同意)到 7(强烈同意)。
  • 信度 (Reliability): 趋近成功动机子量表的 Cronbach’s α\alpha 为 0.90,避免失败动机子量表的 Cronbach’s α\alpha 为 0.92,表明量表内部一致性良好。

5.2.2. 自我控制和自我管理 (Self-control and Self-management)

  • 量表名称: Mezo 开发的自我控制和自我管理量表 (Self-Control and Self-Management Scale, SCMS)。
  • 构成: 16 个项目,分为三个维度:
    1. 自我监控 (Self-monitoring)
    2. 自我评估 (Self-evaluating)
    3. 自我强化 (Self-reinforcing)
  • 评分: 7 点李克特量表,从 1(强烈不同意)到 7(强烈同意)。例如:“当我在实现一个目标时,我会确保定期跟踪我的进展”、“我为自己设定的标准不明确,这使我很难判断自己在任务中的表现”、“当我取得一些进展时,我会祝贺自己”。
  • 信度: 三个子量表的 Cronbach’s α\alpha 分别为 0.81、0.86 和 0.82;总量的 Cronbach’s α\alpha 为 0.84,表明量表内部一致性良好。

5.2.3. 主观幸福感 (Subjective Well-being, SWB)

  • 构成: 分为三个部分:
    1. 生活满意度 (Life Satisfaction):使用 Diener 等人开发的生活满意度量表 (Satisfaction with Life Scale),包含 5 个项目。例如:“在大多数方面,我的生活都接近我的理想”。
      • 评分: 7 点李克特量表,从 1(强烈不同意)到 7(强烈同意)。
      • 信度: Cronbach’s α\alpha 为 0.81。
    2. 积极情感 (Positive Affect) 和 消极情感 (Negative Affect):使用 Qiu 等人修订的积极情感和消极情感量表 (Positive Affect and Negative Affect Scale),包含 18 个项目,分为积极情感和消极情感两个维度。
      • 积极情感项目示例: “兴奋”、“高兴”、“热情”。
      • 消极情感项目示例: “痛苦”、“羞愧”、“烦躁”。
      • 评分: 7 点李克特量表,从 1(完全没有)到 7(非常强烈)。
      • 信度: 积极情感子量表的 Cronbach’s α\alpha 为 0.92,消极情感子量表的 Cronbach’s α\alpha 为 0.96,表明量表内部一致性良好。

5.3. 评估指标

本研究的评估指标主要是通过回归系数 (β\beta)t 值 (t-value)p 值 (p-value) 以及模型解释力 (R2R^2ΔR2\Delta R^2) 来衡量变量间的关系强度和显著性。

  1. 回归系数 (β\beta)

    • 概念定义 (Conceptual Definition):在回归分析中,回归系数 β\beta 表示当其他自变量保持不变时,自变量每变化一个单位,因变量平均变化的量。它的符号(正或负)表示了变量之间关系的方向,其绝对值大小表示了关系的强度
    • 数学公式 (Mathematical Formula):在多元线性回归模型 Y=β0+β1X1++βkXk+ϵY = \beta_0 + \beta_1 X_1 + \dots + \beta_k X_k + \epsilon 中,βj\beta_j 是自变量 XjX_j 对应的回归系数。它通常通过最小二乘法 (Ordinary Least Squares, OLS) 估计: β^=(XTX)1XTy \hat{\beta} = (X^T X)^{-1} X^T y
    • 符号解释 (Symbol Explanation)
      • β^\hat{\beta}:估计的回归系数向量。
      • XX:自变量矩阵(包含常数项)。
      • yy:因变量向量。
      • TT:矩阵转置。
      • -1:矩阵求逆。 在标准化回归中,β\beta 值反映了标准化后的自变量每变化一个标准差,因变量变化多少个标准差。
  2. t 值 (t-value)

    • 概念定义 (Conceptual Definition):t 值是回归系数与其标准误之比,用于检验该回归系数是否显著异于零。一个较大的 t 值的绝对值通常意味着该系数在统计上是显著的。
    • 数学公式 (Mathematical Formula)t=βj^SE(βj^) t = \frac{\hat{\beta_j}}{SE(\hat{\beta_j})}
    • 符号解释 (Symbol Explanation)
      • βj^\hat{\beta_j}:自变量 XjX_j 的估计回归系数。
      • SE(βj^)SE(\hat{\beta_j}):自变量 XjX_j 的估计回归系数的标准误。
  3. p 值 (p-value)

    • 概念定义 (Conceptual Definition):p 值是当零假设 (Null Hypothesis)(即回归系数为零,表示该自变量对因变量没有影响)为真时,观察到当前或更极端 t 值(的绝对值)的概率。通常,当 p 值小于预设的显著性水平(如 α=0.05\alpha = 0.050.001)时,我们拒绝零假设,认为该回归系数是统计显著的。
    • 数学公式 (Mathematical Formula):p 值通常通过将 t 值与 t 分布进行比较来获得。具体公式涉及 t 分布的累积分布函数 FtF_t 和自由度 dfp=2min(P(T<t),P(T>t))p=2(1Ft(t,df)) p = 2 \cdot \min(P(T < t), P(T > t)) \quad \text{或} \quad p = 2 \cdot (1 - F_t(|t|, df))
    • 符号解释 (Symbol Explanation)
      • TT:服从 t 分布的随机变量。
      • tt:计算出的 t 值。
      • df:自由度。
  4. R2R^2 (R-squared)

    • 概念定义 (Conceptual Definition)R2R^2 衡量模型中自变量对因变量变异的解释比例。它表示因变量总变异中能被模型预测的部分所占的比例。R2R^2 越大,说明模型对因变量的解释能力越强。
    • 数学公式 (Mathematical Formula)R2=1SSresSStot=SSregSStot R^2 = 1 - \frac{SS_{res}}{SS_{tot}} = \frac{SS_{reg}}{SS_{tot}}
    • 符号解释 (Symbol Explanation)
      • SSresSS_{res} (Sum of Squares of Residuals):残差平方和,表示因变量中未被模型解释的变异。
      • SStotSS_{tot} (Total Sum of Squares):总平方和,表示因变量的总变异。
      • SSregSS_{reg} (Regression Sum of Squares):回归平方和,表示因变量中被模型解释的变异。
  5. ΔR2\Delta R^2 (Change in R-squared)

    • 概念定义 (Conceptual Definition)ΔR2\Delta R^2 表示在层次回归中,当引入一组新的自变量时,模型解释力 R2R^2 的增量。它用于评估新引入的变量或交互项对因变量解释能力的额外贡献。如果 ΔR2\Delta R^2 显著,说明新引入的变量组对模型有显著贡献。
    • 数学公式 (Mathematical Formula)ΔR2=Rnew2Rold2 \Delta R^2 = R^2_{\text{new}} - R^2_{\text{old}}
    • 符号解释 (Symbol Explanation)
      • Rnew2R^2_{\text{new}}:加入新变量后的模型 R2R^2 值。
      • Rold2R^2_{\text{old}}:加入新变量前的模型 R2R^2 值。 通常还会伴随一个 FF 检验的 FchangeF_{\text{change}} 值来评估 ΔR2\Delta R^2 的显著性。

5.4. 对比基线

本研究主要采用内部比较的方式,即通过层次回归模型逐步引入变量(控制变量、自变量、调节变量、交互项),来检验每个变量组对因变量解释力的增量贡献。这种方法在验证调节效应的研究中是标准实践,而非像机器学习模型那样与外部的“基线模型”进行直接性能对比。因此,本研究没有特定的“对比基线模型”。

6. 实验结果与分析

6.1. 核心结果分析

6.1.1. 描述性统计与相关分析

以下是原文 Table 1 的结果:

M SD 1 2 3 4 5 6 7 8 9
1. Gender - - -
2. Age 20.89 1.69 -0.18*** -
3. MS 4.72 0.92 -0.27*** 0.14*** -
4. MF 4.16 1.07 -0.05 0.05 -0.21*** -
5. Self-control 4.96 0.80 0.07* -0.03 0.36*** -0.27*** -
6. Life satisfaction 4.52 1.13 -0.23*** 0.13*** 0.51*** -0.18*** 0.25*** -
7. Positive affect 4.50 1.22 -0.21*** 0.17*** 0.55*** -0.22*** 0.36*** 0.58*** -
8. Negative affect 3.85 1.79 0.28*** -0.20*** -0.36*** 0.22*** -0.27*** -0.34*** -0.47*** -
9. SWB 5.17 3.32 -0.31*** 0.22*** 0.57*** -0.26*** 0.36*** 0.74*** 0.82*** -0.83*** -

注: N=1017N = 1017p<0.05p< 0.05 (^{*}),p<0.01p< 0.01 (^{**}),p<0.001p< 0.001 (^{***})。 MS=\mathrm{MS} = 趋近成功动机 (Motivation to approach success);MF=\mathrm{MF} = 避免失败动机 (Motivation to avoid failure);SWB = 主观幸福感 (Subjective well-being)。

分析:

  • 均值和标准差 (M and SD):趋近成功动机 (MS) 的均值 (M=4.72M = 4.72) 略高于避免失败动机 (MF) (M=4.16M = 4.16),表明大学生群体整体上更倾向于追求成功。自我控制 (M=4.96M = 4.96) 处于中等偏高水平。主观幸福感 (M=5.17M = 5.17) 及其子维度(生活满意度 M=4.52M = 4.52,积极情感 M=4.50M = 4.50)均值较高,消极情感 (M=3.85M = 3.85) 均值相对较低。
  • 相关性 (Correlation)
    • 趋近成功动机 (MS) 与主观幸福感 (SWB) (r=0.57,p<0.001r = 0.57, p < 0.001)、生活满意度 (r=0.51,p<0.001r = 0.51, p < 0.001) 和积极情感 (r=0.55,p<0.001r = 0.55, p < 0.001) 呈显著正相关,与消极情感 (r=0.36,p<0.001r = -0.36, p < 0.001) 呈显著负相关。这支持了趋近成功动机对幸福感的积极作用。
    • 避免失败动机 (MF) 与主观幸福感 (SWB) (r=0.26,p<0.001r = -0.26, p < 0.001)、生活满意度 (r=0.18,p<0.001r = -0.18, p < 0.001) 和积极情感 (r=0.22,p<0.001r = -0.22, p < 0.001) 呈显著负相关,与消极情感 (r=0.22,p<0.001r = 0.22, p < 0.001) 呈显著正相关。这支持了避免失败动机对幸福感的消极作用。
    • 自我控制 (Self-control) 与主观幸福感 (SWB) (r=0.36,p<0.001r = 0.36, p < 0.001)、生活满意度 (r=0.25,p<0.001r = 0.25, p < 0.001) 和积极情感 (r=0.36,p<0.001r = 0.36, p < 0.001) 呈显著正相关,与消极情感 (r=0.27,p<0.001r = -0.27, p < 0.001) 呈显著负相关。这表明高自我控制能力个体拥有更高的幸福感。
    • 值得注意的是,趋近成功动机 (MS) 与避免失败动机 (MF) 之间呈显著负相关 (r=0.21,p<0.001r = -0.21, p < 0.001),说明这两种动机在一定程度上是相对立的。

6.1.2. 层次回归分析:成就动机对 SWB 的预测

以下是原文 Table 2 的结果:

Model 1 Model 2 Model 3 Model 4
Variable β t β t β t β t
Gender -0.28 -9.26*** -0.17 -6.46*** -0.20 -7.74*** -0.18 -7.17***
Age 0.17 5.57*** 0.13 5.18*** 0.14 5.69*** 0.14 5.68***
MS 0.47 18.09*** 0.40 14.65*** 0.43 15.58***
MF -0.18 7.02*** -0.14 -5.64*** -0.15 -5.54***
Self-control 0.20 7.57*** 0.20 7.61***
MS × Self-control 0.11 4.25***
MF × Self-control 0.15 5.71***
0.12 0.40 0.43 0.46
F change 230.33*** 57.33*** 24.57***
ΔR² 0.27 0.03 0.03

注: N=1017N = 1017p<0.05p< 0.05 (^{*}),p<0.01p< 0.01 (^{**}),p<0.001p< 0.001 (^{***})。 MS=\mathrm{MS} = 趋近成功动机 (Motivation to approach success);MF=\mathrm{MF} = 避免失败动机 (Motivation to avoid failure);SWB = 主观幸福感 (Subjective well-being)。

分析:

  • 模型 2 (Model 2) 结果显示,趋近成功动机 (MS) 显著正向预测 SWB (β=0.47,p<0.001\beta = 0.47, p < 0.001),而避免失败动机 (MF) 显著负向预测 SWB (β=0.18,p<0.001\beta = -0.18, p < 0.001)。这与相关分析结果一致,支持了成就动机对 SWB 的直接预测作用。
  • 模型 3 (Model 3) 在加入自我控制 (Self-control) 后,自我控制显著正向预测 SWB (β=0.20,p<0.001\beta = 0.20, p < 0.001),模型的解释力 R2R^2 从 0.40 增加到 0.43 (ΔR2=0.03,Fchange=57.33,p<0.001\Delta R^2 = 0.03, F_{\text{change}} = 57.33, p < 0.001),表明自我控制对 SWB 有独立的解释力。

6.1.3. 自我控制在成就动机与 SWB 关系中的调节作用

  • 模型 4 (Model 4) 引入了趋近成功动机 (MS) ×\times 自我控制 (Self-control) 和避免失败动机 (MF) ×\times 自我控制 (Self-control) 的交互项。
    • MS ×\times Self-control 的交互作用显著 (β=0.11,p<0.001\beta = 0.11, p < 0.001)。这表明自我控制调节了趋近成功动机对 SWB 的影响。简单斜率检验(见 Figure 1)显示,对于高自我控制能力的个体,趋近成功动机对 SWB 的积极影响更强 (β=0.52,p<0.001\beta = 0.52, p < 0.001);而对于低自我控制能力的个体,其影响相对较弱 (β=0.28,p<0.001\beta = 0.28, p < 0.001)。这说明高自我控制能力能够增强趋近成功动机对幸福感的积极作用。

      下图(原文 Fig. 1)展示了趋近成功动机与自我控制对 SWB 的交互作用:

      fig 1 该图像是一个示意图,展示了成就动机对主观幸福感的影响,其中低自我控制和高自我控制个体的曲线趋势不同。随着成就动机的提高,高自我控制的个体主观幸福感显著提高,而低自我控制的个体提高幅度较小。

    • MF ×\times Self-control 的交互作用显著 (β=0.15,p<0.001\beta = 0.15, p < 0.001)。这表明自我控制也调节了避免失败动机对 SWB 的影响。简单斜率检验(见 Figure 2)显示,对于高自我控制能力的个体,避免失败动机对 SWB 的负面影响减弱;对于低自我控制能力的个体,其负面影响相对较强。这说明高自我控制能力能够缓冲避免失败动机对幸福感的消极作用。

      下图(原文 Fig. 2)展示了避免失败动机与自我控制对 SWB 的交互作用:

      fig 2 该图像是一个图表,展示了避免失败动机对主观幸福感的影响,依自我控制能力的高低而异。图中显示,在低自我控制情况下,主观幸福感随着避免失败动机的增加而减小,而在高自我控制情况下,该影响较弱。

6.1.4. 对 SWB 各维度的回归分析

以下是原文 Table 3 的结果:

Life satisfaction Positive affect Negative affect
Variable β t β t β t
Gender -0.10 -3.69*** -0.08 -3.18** 0.21 7.16***
Age 0.05 1.81 0.11 4.19*** -0.15 -5.31***
MS 0.47 14.88*** 0.46 15.55*** -0.20 -6.01***
MF -0.09 -3.06** -0.11 -3.92*** 0.14 4.50***
Self-control 0.09 2.98** 0.19 6.95*** -0.18 -5.95***
MS × Self-control 0.08 2.88** 0.07 2.43* -0.10 -3.48**
MF × Self-control 0.16 5.46*** 0.14 4.99*** -0.08 -2.64**
0.31 0.38 0.26
F change 18.53*** 14.99*** 9.26***
ΔR² 0.03 0.02 0.01

注: N=1017N = 1017p<0.05p< 0.05 (^{*}),p<0.01p< 0.01 (^{**}),p<0.001p< 0.001 (^{***})。 MS=\mathrm{MS} = 趋近成功动机 (Motivation to approach success);MF=\mathrm{MF} = 避免失败动机 (Motivation to avoid failure);SWB = 主观幸福感 (Subjective well-being)。

分析: 本研究进一步考察了自我控制对成就动机与 SWB 各维度(生活满意度、积极情感、消极情感)之间关系的调节作用。

  • 生活满意度 (Life satisfaction)
    • MS ×\times Self-control 交互作用显著 (β=0.08,p<0.01\beta = 0.08, p < 0.01)。如下图(原文 Fig. 3)所示,对于高自我控制个体,趋近成功动机对生活满意度的积极影响更强。

    • MF ×\times Self-control 交互作用显著 (β=0.16,p<0.001\beta = 0.16, p < 0.001)。如下图(原文 Fig. 4)所示,对于高自我控制个体,避免失败动机对生活满意度的负面影响减弱。

      下图(原文 Fig. 3)展示了趋近成功动机与自我控制对生活满意度的交互作用:

      fig 12 该图像是一个图表,展示了成就动机对生活满意度的影响,考虑了自我控制的调节作用。图中展示了在低和高成就动机水平下,自我控制能力的差异对生活满意度的影响,高自我控制组的生活满意度在高成就动机下显著提高。

下图(原文 Fig. 4)展示了避免失败动机与自我控制对生活满意度的交互作用:

fig 5 该图像是一个线性图,展示了避免失败动机对生活满意度的影响。在低自控能力的个体中,生活满意度随着避免失败动机的增加而趋于下降,而在高自控能力个体中,该影响较弱,表现出生活满意度相对稳定。

  • 积极情感 (Positive affect)
    • MS ×\times Self-control 交互作用显著 (β=0.07,p<0.05\beta = 0.07, p < 0.05)。如下图(原文 Fig. 5)所示,对于高自我控制个体,趋近成功动机对积极情感的积极影响更强。

    • MF ×\times Self-control 交互作用显著 (β=0.14,p<0.001\beta = 0.14, p < 0.001)。如下图(原文 Fig. 6)所示,对于高自我控制个体,避免失败动机对积极情感的负面影响减弱。

      下图(原文 Fig. 5)展示了趋近成功动机与自我控制对积极情感的交互作用:

      fig 6 该图像是一个图表,展示了成功动机和正向情感之间的关系,区分了低自我控制和高自我控制个体。结果显示,随着成功动机的增加,高自我控制个体的正向情感表现出更明显的增长趋势。

下图(原文 Fig. 6)展示了避免失败动机与自我控制对积极情感的交互作用:

fig 3 该图像是一个图表,展示了避免失败动机对积极情感的影响,分为低自我控制和高自我控制两组。对于高自我控制的个体,避免失败动机对积极情感的负面影响较小,而低自我控制的个体则表现出明显的下降趋势。

  • 消极情感 (Negative affect)
    • MS ×\times Self-control 交互作用显著 (β=0.10,p<0.01\beta = -0.10, p < 0.01)。如下图(原文 Fig. 7)所示,对于高自我控制个体,趋近成功动机反而负向预测消极情感,即趋近成功动机越强,消极情感越低。

    • MF ×\times Self-control 交互作用显著 (β=0.08,p<0.01\beta = -0.08, p < 0.01)。如下图(原文 Fig. 8)所示,对于高自我控制个体,避免失败动机对消极情感的积极预测作用(即避免失败动机越强,消极情感越高)有所减弱。

      下图(原文 Fig. 7)展示了趋近成功动机与自我控制对消极情感的交互作用:

      fig 4 该图像是一个图表,展示了在追求成功的动机与消极情感之间的关系,并依据自我控制能力的高低进行了区分。结果显示,具有高自我控制能力的个体在追求成功的动机下,消极情感的值相对较低,而低自我控制能力的个体则表现出较高的消极情感。

下图(原文 Fig. 8)展示了避免失败动机与自我控制对消极情感的交互作用:

fig 11 该图像是一个图表,展示了动力避免失败与负面情感之间的关系,区分了低自控和高自控个体的表现。图中清晰显示,随着避免失败动机的增加,低自控个体的负面情感水平上升,而高自控个体的负面情感水平则相对平稳。

6.1.5. 三向交互作用分析(补充分析)

以下是原文 Table 4 的结果:

Variable SWB Life satisfaction Positive affect Negative affect
β SE β SE β SE β SE
Gender -0.36*** 0.05 -0.20*** 0.06 -0.17*** 0.05 0.43*** 0.06
Age 0.13*** 0.02 0.05 0.03 0.10*** 0.03 -0.14*** 0.03
MS 0.46*** 0.03 0.48*** 0.03 0.48*** 0.03 -0.23*** 0.03
MF -0.06# 0.03 -0.06# 0.03 -0.07# 0.03 0.02 0.03
Self-control 0.17*** 0.03 0.08# 0.03 0.18*** 0.03 -0.14** 0.03
MS × Self-control 0.08*** 0.02 0.05# 0.03 0.04 0.03 -0.09# 0.03
MF × Self-control 0.25*** 0.03 0.22** 0.03 0.20*** 0.03 -0.18*** 0.03
MS × MF -0.12*** 0.03 -0.02 0.03 -0.02 0.02 0.20*** 0.03
MS × MF × Self-control -0.08*** 0.02 -0.08*** 0.02 -0.08*** 0.02 0.04# 0.02
0.48 0.32 0.39 0.31
F change 16.86** 15.14** 14.9** 2.76**
ΔR² 0.01 0.01 0.01

注: N=1017N = 1017p<0.1p< 0.1 (^{\text{#}}),p<0.05p< 0.05 (^{*}),p<0.01p< 0.01 (^{**}),p<0.001p< 0.001 (^{***})。 MS=\mathrm{MS} = 趋近成功动机 (Motivation to approach success);MF=\mathrm{MF} = 避免失败动机 (Motivation to avoid failure);SWB = 主观幸福感 (Subjective well-being)。

分析:

  • 三向交互作用的显著性: 对于 SWB (β=0.08,p<0.001\beta = -0.08, p < 0.001)、生活满意度 (β=0.08,p<0.001\beta = -0.08, p < 0.001) 和积极情感 (β=0.08,p<0.001\beta = -0.08, p < 0.001),MS、MF 和自我控制之间存在显著的三向交互作用。这意味着 MS 和 MF 的共同作用对这些因变量的影响,会因自我控制水平的不同而异。

  • 模型解释力的增加: 三向交互项额外解释了 SWB 1% 的变异 (ΔR2=0.01,Fchange=16.86,p<0.01\Delta R^2 = 0.01, F_{\text{change}} = 16.86, p < 0.01),这表明三向交互作用是具有统计学意义的。

    以下是原文 Table 5 的结果:

    Self-control β F p
    Low (on SWB) -0.0438 2.0307 0.1545
    High (on SWB) -0.2060 55.9118 0.0000
    Low (on life satisfaction) 0.0673 3.6497 0.0564
    High (on life satisfaction) -0.1088 11.8764 0.0006
    Low (on positive affect) 0.0566 2.8830 0.0898
    High (on positive affect) -0.1091 13.3454 0.0003
    Low (on negative affect) 0.1626 20.7514 0.0000
    High (on negative affect) 0.2388 55.7434 0.0000

注: N=1017N = 1017MS=\mathrm{MS} = 趋近成功动机 (Motivation to approach success);MF=\mathrm{MF} = 避免失败动机 (Motivation to avoid failure);SWB = 主观幸福感 (Subjective well-being)。

分析: 这张表格展示了在不同自我控制水平下,MS 和 MF 的两向交互作用对因变量的影响。

  • 对于高自我控制的个体,MS ×\times MF 交互作用对 SWB (β=0.2060,p<0.001\beta = -0.2060, p < 0.001)、生活满意度 (β=0.1088,p<0.001\beta = -0.1088, p < 0.001) 和积极情感 (β=0.1091,p<0.001\beta = -0.1091, p < 0.001) 都是显著的。
  • 具体模式解读 (结合图 17-20)
    • SWB (Figure 17):对于高自我控制个体,当 MS 和 MF 都较低时,SWB 最高;当 MS 和 MF 都较高时,SWB 最低。这表明同时拥有高趋近和高避免动机可能会导致情感矛盾,从而降低幸福感。

    • 生活满意度 (Figure 18) 和积极情感 (Figure 19):模式与 SWB 类似,高自我控制个体在低 MS 和低 MF 条件下报告最高的生活满意度和积极情感。

    • 消极情感 (Figure 20):对于高自我控制个体,在低 MS 和低 MF 条件下报告最低的消极情感。

      下图(原文 Fig. 17)展示了 MS、MF 和自我控制对 SWB 的三向交互作用:

      fig 7 该图像是一个示意图,展示了自我控制水平对主观幸福感的影响。图中分别展示了在低自我控制和高自我控制条件下,四种不同动机组合(高成功动机、高失败动机;高成功动机、低失败动机;低成功动机、高失败动机;低成功动机、低失败动机)对主观幸福感的影响趋势。

下图(原文 Fig. 18)展示了 MS、MF 和自我控制对生活满意度的三向交互作用:

fig 8 该图像是一个表示生活满意度与自我控制能力的交互作用的线图,展示了在不同成就动机水平下,低自我控制与高自我控制个体在生活满意度上的变化趋势。图中显示,随着自我控制能力的提高,成就动机对生活满意度的影响逐渐增强。

下图(原文 Fig. 19)展示了 MS、MF 和自我控制对积极情感的三向交互作用:

fig 5 该图像是一个线性图,展示了避免失败动机对生活满意度的影响。在低自控能力的个体中,生活满意度随着避免失败动机的增加而趋于下降,而在高自控能力个体中,该影响较弱,表现出生活满意度相对稳定。

下图(原文 Fig. 20)展示了 MS、MF 和自我控制对消极情感的三向交互作用:

fig 6 该图像是一个图表,展示了成功动机和正向情感之间的关系,区分了低自我控制和高自我控制个体。结果显示,随着成功动机的增加,高自我控制个体的正向情感表现出更明显的增长趋势。

整体讨论:这些结果强调了自我控制在调节成就动机与幸福感关系中的复杂性和重要性。高自我控制能力不仅能增强趋近成功动机的积极效果,还能减弱避免失败动机的负面影响。更进一步的三向交互作用揭示,在高自我控制条件下,同时具有高趋近成功动机和高避免失败动机的个体反而可能体验到最低的幸福感,这可能是由于两种矛盾动机并存带来的情感冲突。而同时具有低趋近成功动机和低避免失败动机的个体,则在高自我控制条件下可能获得最高的幸福感。这提示我们,不依赖社会评价,避免内在冲突,对幸福感至关重要。

6.2. 数据呈现 (表格)

本部分已在上述核心结果分析中,将 Table 1、Table 2、Table 3、Table 4 和 Table 5 以 HTML 格式完整转录并进行了分析。

6.3. 消融实验/参数分析

本研究未进行严格意义上的消融实验 (Ablation Study),因为其目标是检验变量之间的关系和调节作用,而非优化模型性能。然而,层次回归分析本身就带有逐步构建模型的特点,通过逐层加入变量(控制变量、自变量、调节变量、交互项)来考察模型解释力 (ΔR2\Delta R^2) 的变化,这在一定程度上可以看作是对各变量组贡献的评估。例如,通过比较模型 3 和模型 4 的 R2R^2 变化,可以了解交互项对模型解释力的增量贡献,从而验证自我控制的调节效应。

此外,补充分析中的三向交互作用探索了 MS、MF 和自我控制的更复杂组合模式对 SWB 的影响,这也可以视为对多变量之间复杂关系的一种深入分析,而非简单的参数调优。

7. 总结与思考

7.1. 结论总结

本研究深入探讨了成就动机(趋近成功动机和避免失败动机)对中国大学生主观幸福感 (SWB) 的影响,并重点揭示了自我控制在这一关系中的关键调节作用。核心结论如下:

  1. 直接效应:趋近成功动机正向预测 SWB 及其积极维度(生活满意度、积极情感),负向预测消极情感;避免失败动机则相反,负向预测 SWB 及其积极维度,正向预测消极情感。这些发现与前人研究一致。
  2. 自我控制的调节作用
    • 增强积极影响:对于高自我控制能力的个体,趋近成功动机对 SWB、生活满意度和积极情感的积极影响被显著增强,同时对消极情感的负向预测作用也更强。
    • 缓冲消极影响:对于高自我控制能力的个体,避免失败动机对 SWB、生活满意度和积极情感的负面影响被显著削弱,同时对消极情感的积极预测作用也相对减弱。
  3. 三向交互作用:在补充分析中,研究发现趋近成功动机、避免失败动机和自我控制对 SWB 及其维度存在显著的三向交互作用。具体而言,对于高自我控制个体,同时具有高趋近成功动机和高避免失败动机反而会导致最低的 SWB,而同时具有低趋近成功动机和低避免失败动机则能带来最高的 SWB。 总而言之,研究强调了自我控制作为一种核心的自我调节能力,能够“最大化”趋近成功动机的积极效应,并“缓解”避免失败动机的负面效应。

7.2. 局限性与未来工作

本研究具有一定的启发性,但也存在一些局限性,作者在文中也明确指出,同时展望了未来的研究方向:

  1. 研究方法局限性:本研究主要采用问卷调查法 (Questionnaire Survey)。这种横断面研究 (Cross-sectional Study) 难以推断严格的因果关系 (Causal Relationships),可能存在共同方法偏差 (Common Method Bias)
    • 未来工作:需要采用纵向研究 (Longitudinal Studies)实验研究 (Experimental Studies) 来更明确地建立变量间的因果关系。
  2. 样本代表性局限性:研究样本仅来自中国大学生 (Chinese college students)
    • 未来工作:应将研究扩展到其他国家、年龄段或职业群体,进行跨文化研究 (Cross-cultural Research),以检验结论的普适性。不同文化背景下的回应倾向 (Response Tendencies)内省实践 (Introspective Practices) 可能存在差异。
  3. 三向交互作用的进一步探索:尽管研究探讨了 MS、MF 和自我控制的三向交互作用,但其具体模式和机制仍需深入剖析。
    • 未来工作:需要对三向交互作用进行更细致的分析和解释,例如,通过定性研究或更复杂的模型来揭示其背后的心理过程。
  4. 自我控制的可塑性:自我控制能力是可以培养和提升的。
    • 未来工作:有必要进行纵向研究 (Longitudinal Studies),以追踪大学生自我控制能力的发展及其随时间对 SWB 的潜在影响。

7.3. 个人启发与批判

7.3.1. 个人启发

本研究提供了几个重要的启发:

  1. 个性化教育与发展:研究结果强调了在教育和个人发展中,不能一概而论地鼓励所有学生追求高成就动机。相反,应根据个体的自我控制能力水平,提供差异化的指导。对于高自我控制的个体,可以鼓励他们挑战自我,追求成功;而对于低自我控制的个体,则应着重培养其自我控制能力,并帮助他们合理管理避免失败的动机,避免因过度担忧失败而陷入负面情绪。
  2. 自我控制的核心地位:自我控制不仅仅是一种意志力,它更是个体在追求目标过程中进行自我监控、自我评估和自我强化的综合能力。这项研究再次证明了自我控制对于个体心理健康和幸福感的重要性,将其视为“21 世纪教育的关键品格优势 (Key Character Strength for twenty-first-century education)”,这为教育实践提供了有力的理论支持。
  3. 动机的“双刃剑”效应:趋近成功动机并非总是积极,避免失败动机也并非总是消极。它们的具体影响取决于个体的自我调节能力。例如,高自我控制能让避免失败动机变为一种有效的风险规避机制,而不至于导致幸福感下降。这种 nuanced (细致入微的) 理解对于心理咨询和个人成长都非常有价值。
  4. 情感矛盾的代价:三向交互作用揭示,同时具有高趋近成功动机和高避免失败动机的个体,即使自我控制能力强,也可能体验到最低的幸福感。这提示我们,内心深处的矛盾冲突,无论是追求与回避,都可能对幸福感造成损害。在追求目标时,内在的一致性和和谐可能比单纯的“高动机”更为重要。

7.3.2. 批判

尽管本研究具有重要价值,但也存在一些可以批判和改进的地方:

  1. 因果推断的局限性:正如作者自己指出的,问卷调查法难以建立严格的因果关系。例如,是高自我控制导致了高幸福感,还是幸福感本身促进了自我控制?这种双向因果关系 (Bidirectional Causality)共同因素 (Common Factors) 影响的可能性无法被排除。未来的研究可以考虑使用交叉滞后面板模型 (Cross-lagged Panel Model)实验设计 (Experimental Design) 来增强因果推断。
  2. “低趋近低避免”高幸福感的解释:补充分析中“低趋近成功动机和低避免失败动机的个体在高自我控制下拥有最高幸福感”这一发现值得深思。作者解释为“不依赖社会评价,避免内在冲突”。这可能暗示了一种“无欲则刚”或“知足常乐”的哲学,即当个体对成就没有强烈追求,也没有强烈担忧失败时,自我控制能帮助他们更好地维持一种平稳的幸福状态。然而,这与主流心理学中“目标追求是幸福感来源”的观点略有出入,需要更深入的理论解释和实证检验。例如,这种“低动机”是否意味着缺乏生活目标或进取心?这种幸福感的质量和持久性如何?
  3. 自我控制的测量:SCMS 量表将自我控制视为一个稳定的特质。然而,自我控制也具有情境性和动态性。未来的研究可以考虑采用生态瞬时评估 (Ecological Momentary Assessment, EMA)日记法 (Diary Studies),捕捉自我控制在日常生活中的波动,以及其在不同情境下对动机与幸福感的动态调节作用。
  4. 文化背景的影响:研究对象是中国大学生。中华文化可能强调集体主义、人际和谐和谦逊,这可能影响个体对成就动机、失败的感知以及幸福感的表达。例如,“避免失败”在中国文化中可能被赋予更强的社会压力或面子文化影响,这与西方文化可能有所不同。研究结果的跨文化普适性仍需验证,且应考虑文化因素对调节效应的深层影响。
  5. 变量操作化:SWB 是一个复杂的概念,其测量涵盖了生活满意度、积极情感和消极情感。虽然这很全面,但在某些分析中将这三个维度合并为“SWB”时,可能会丢失一些细微信息。未来的研究可以更侧重于探索这三个维度在调节机制中的独特角色。

相似论文推荐

基于向量语义检索推荐的相关论文。

暂时没有找到相似论文。