1. 论文基本信息

1.1. 标题

心相应，爱相随：夫妻相似性与婚姻满意度 (Hearts correspond, love follows: The relationship between couples' similarity and marital satisfaction)

1.2. 作者

苏微¹，方晓义²，侯娟¹

• ¹ 安徽大学哲学学院，合肥 230039，中国 (School of Philosophy, Anhui University, Hefei 230039, China)
• ² 北京师范大学发展心理研究院，北京 100875，中国 (Institute of Developmental Psychology, Beijing Normal University, Beijing 100875, China)

1.3. 发表期刊/会议

未明确指定期刊/会议名称，但从行文风格和参考文献格式来看，应为心理学或社会学领域的学术期刊。

1.4. 发表年份

参考文献中提到了作者方晓义在 2025 年的一篇论文，结合其他参考文献年份，推测本文发表年份可能在 2023-2024 年，具体未在论文首页明确给出。

1.5. 摘要

相似性是夫妻婚姻满意度的重要组成部分，但现有研究对两者关系存在矛盾的结论。论文指出，造成这种不一致的原因主要有四点：(1) 对婚龄考量不足，导致结论缺乏动态适配性；(2) 研究内容局限，主要集中在个体特质，缺乏对互动和原生家庭维度的考量；(3) 相似性指标选择不同，缺乏结合轮廓水平相似性 (Profile-level Similarity, PCS) 和特质水平差异性 (Attribute-level Difference Score, ADS) 的综合分析；(4) 大多数研究采用以变量为中心的方法 (Variable-Centered Approach, VCA)，无法提供特定夫妻的相似性信息。

为解决这些问题，本研究以 638 对中国夫妻为被试，采用以夫妻为中心的方法 (Couple-Centered Approach, CCA)，结合 PCS 和 ADS 指标，将主体效应 (actor effect)、客体效应 (partner effect)、相似性效应 (similarity effect) 和差异性效应 (difference effect) 四者结合起来，考察了不同婚姻阶段个体、互动和原生家庭变量的相似性与婚姻满意度的关系。

主要研究问题包括：(1) 真实夫妻是否比随机配对夫妻更相似？(2) 不同婚姻阶段的夫妻在哪一维度上更相似？(3) 这些相似性如何影响婚姻满意度？

研究结果表明：(1) 除原生家庭变量外，真实夫妻比随机配对夫妻更相似；(2) 相较于个体特质和互动方式，夫妻在原生家庭维度上更加相似；(3) 相似性对婚姻满意度的影响存在性别差异，具体表现为第一婚姻阶段丈夫的婚姻满意度受原生家庭相似性影响最大，其余阶段受个体特质相似性影响最大；而妻子在第一和第四婚姻阶段受个体特质相似性影响最大，第二和第三阶段受原生家庭相似性影响最大；(4) 相似性虽然对婚姻满意度产生影响，但主体效应仍是婚姻满意度最大的预测源。

本研究揭示了多维度变量相似性与婚姻满意度的关系，强调了个人特质的培养和展示对提升婚姻满意度的重要性，对未来婚姻满意度相关机制研究和婚姻咨询具有重要的参考价值和实践意义。

1.6. 原文链接

/files/papers/6942c8c5742e302e037d0551/paper.pdf 此为 PDF 文件链接，发布状态为已发表学术论文。

2. 整体概括

2.1. 研究背景与动机

婚姻关系被认为是满足个人情感需求的重要社会形式，其质量对个体身心健康、工作表现和人际交往具有深远影响。根据 相似配对理论 (theory of assortative mating)，个体倾向于选择与自己相似的人建立亲密关系。然而，现有研究对于夫妻相似性与婚姻满意度之间的关系存在矛盾的结论。一些研究认为相似性带来更高的满意度，另一些则发现无显著关系甚至负相关。

论文指出，造成这种矛盾结果的空白 (Gap) 或挑战主要有四个方面：

1. 婚龄考量不足： 现有研究对婚龄的处理存在差异，多将其作为控制变量或未深入分析不同婚姻阶段的影响，导致研究结论缺乏动态适配性。夫妻的相似性可能随时间推移而变化，且不同婚姻阶段（如新婚、育儿、空巢）面临的挑战和关注点不同。

2. 研究内容局限： 过去的相似性研究主要集中于个体特质（如人格、态度、价值观），而忽略了互动方式和原生家庭等重要维度。根据 Karney 和 Bradbury (2020) 的理论框架，婚姻满意度受个体、互动和环境三方面影响。

3. 相似性指标选择不同： 现有研究使用的相似性指标多样，未能结合轮廓水平相似性 (PCS) 和特质水平差异性 (ADS) 进行全面评估。PCS 能够捕捉夫妻在多个特征上的整体模式一致性，而 ADS 则反映特定特征上的差异程度。

4. 研究方法局限： 大多数研究采用以变量为中心的方法 (VCA)，只能分析单一特征上的相似性，无法提供特定夫妻的相似性信息。以夫妻为中心的方法 (CCA) 更侧重于分析每对夫妻在多个项目上反应概况的相似程度，能提供更完整和全面的伴侣特征信息。

   基于以上挑战和空白，本研究旨在通过更全面的维度（个体、互动、原生家庭）、考虑不同婚姻阶段、采用更综合的相似性指标（PCS和ADS）以及以夫妻为中心的方法 (CCA)，深入考察夫妻相似性与婚姻满意度的关系，以期为该领域提供更一致和深入的结论。

2.2. 核心贡献/主要发现

本研究的核心贡献和主要发现如下：

1. 验证相似配对理论： 真实夫妻在多个维度上显著比随机配对夫妻更为相似，支持了 相似配对理论 (theory of assortative mating)。
2. 原生家庭相似性突出： 相较于个体特质和互动方式，中国夫妻在原生家庭维度上表现出更高的相似性，这可能与中国传统的“门当户对”观念和祖辈参与育儿的社会文化背景有关。
3. 相似性对婚姻满意度影响的动态性和性别差异： 相似性对婚姻满意度的影响并非一成不变，而是随着婚姻阶段的变化以及夫妻性别的不同而呈现出差异。
   • 丈夫： 在第一婚姻阶段（新婚），原生家庭相似性对其婚姻满意度影响最大；在其他婚姻阶段，个体特质相似性影响最大。
   • 妻子： 在第一和第四婚姻阶段（新婚和空巢），个体特质相似性影响最大；在第二和第三婚姻阶段（育儿期），原生家庭相似性影响最大，这反映了妻子在育儿过程中受原生家庭影响更大的特点。
4. 主体效应是婚姻满意度最强预测源： 尽管相似性对婚姻满意度有影响，但在主体效应 (actor effect)、客体效应 (partner effect)、相似性效应和差异性效应四者中，主体效应始终是婚姻满意度最大的预测源，其次是客体效应。这表明个体自身的特质和感知对婚姻满意度起着最主要的作用，相似性更多是“加分项”。
5. 方法论创新： 采用了以夫妻为中心的方法 (CCA)，并结合了轮廓水平相似性 (PCS) 和特质水平差异性 (ADS) 指标，同时在 主客体互倚模型 (Actor-Partner Interdependence Model, APIM) 中整合了这四种效应，提供了更全面和精细的分析框架。

3. 预备知识与相关工作

3.1. 基础概念

• 相似配对理论 (Theory of Assortative Mating):

  • 概念定义: 该理论认为，个体在选择伴侣时，倾向于选择与自己在某些特征上相似的人。这些特征可以是社会人口学特征（如年龄、教育、宗教）、心理特质（如人格、价值观、态度）或行为模式等。
  • 本文应用: 本研究验证了真实夫妻比随机配对夫妻更相似，支持了这一理论。

• 婚姻满意度 (Marital Satisfaction):

  • 概念定义: 指个体对婚姻关系质量的主观评价和感受，包括对婚姻的整体幸福感、满意程度以及对伴侣的评价等。它是衡量婚姻关系健康状况的重要指标。
  • 本文应用: 作为本研究的核心因变量，通过 Quality of Marriage Index (QMI) 量表进行测量。

• 家庭生命周期 (Family Life Cycle):

  • 概念定义: 指家庭从形成到解体的动态发展过程，通常根据家庭结构、成员年龄、子女发展阶段等关键事件划分为不同的阶段（如新婚、育有婴幼儿、育有学龄儿童、空巢等）。每个阶段家庭面临的任务、挑战和互动模式都有所不同。
  • 本文应用: 本研究将夫妻划分为四个婚姻阶段（新婚、婴幼儿/学龄前儿童父母、中小学学生父母、空巢夫妻），以考察相似性影响的动态性。

• 以夫妻为中心的方法 (Couple-Centered Approach, CCA):

  • 概念定义: 这种研究方法侧重于分析每对夫妻作为一个整体的特征和互动模式，而不是仅仅将夫妻双方视为两个独立的个体。它关注夫妻内部的相似性、差异性以及相互影响，能够提供更完整和全面的伴侣特征信息。
  • 本文应用: 本研究采用 CCA 来分析夫妻在多个项目上反应概况的相似程度。

• 轮廓水平相似性 (Profile-level Similarity, PCS):

  • 概念定义: PCS 是一种衡量两个个体（如夫妻双方）在多个特征上整体模式一致性的指标。它通过计算夫妻双方在所有相关变量得分上的相关系数来反映他们的“轮廓”或“模式”的相似程度。高 PCS 值表示夫妻在多方面表现出相似的模式。
  • 本文应用: PCS 是本研究中用于捕捉整体相似性的关键指标，通过 Pearson Correlation Score 计算。

• 特质水平差异性 (Attribute-level Difference Score, ADS):

  • 概念定义: ADS 是一种衡量两个个体（如夫妻双方）在特定单个特征上差异程度的指标。它通常通过计算夫妻双方在该特征得分的绝对差值来表示。ADS 值越小，表示夫妻在该特定特征上越相似。
  • 本文应用: ADS 是本研究中用于捕捉具体特征层面差异性的关键指标。

• 主客体互倚模型 (Actor-Partner Interdependence Model, APIM):

  • 概念定义: APIM 是一种用于分析对偶数据（如夫妻、朋友、同事等）的统计模型。它允许同时考察个体自身行为/特质对自身结果的影响（主体效应 (actor effect)）、伴侣行为/特质对自身结果的影响（客体效应 (partner effect)），以及在此基础上引入夫妻相似性或差异性对结果的影响。
  • 本文应用: 本研究使用改进的 APIM，在模型中添加了 PCS（相似性效应 (similarity effect)）和 ADS（差异性效应 (difference effect)），来全面评估夫妻相似性与婚姻满意度的关系。
    • 主体效应 (Actor Effect): 个体自身特质或行为对自己婚姻满意度的影响。
    • 客体效应 (Partner Effect): 伴侣特质或行为对自己婚姻满意度的影响。
    • 相似性效应 (Similarity Effect): 夫妻双方在某种特质或行为上的相似程度对自身婚姻满意度的影响（通过 PCS 体现）。
    • 差异性效应 (Difference Effect): 夫妻双方在某种特质或行为上的差异程度对自身婚姻满意度的影响（通过 ADS 体现）。

• 变量为中心的方法 (Variable-Centered Approach, VCA):

  • 概念定义: VCA 主要关注变量之间的关系，例如特定特征（如外向性）的丈夫得分与妻子得分之间的相关性。它适用于研究特定样本中所有夫妻在某一相同特征上的平均相似性趋势。
  • 本文提及: 论文指出这是以往研究的局限，因为它只能用于研究一对夫妇在单一特征上的相似性，不能提供任何特定夫妻的相似性信息。

3.2. 前人工作

• 相似配对：
  • Fehr (2008)：个体倾向于选择与自己相似的人建立亲密关系。
  • Botwin et al. (1997)：个体更喜欢与拥有相似人格的人结婚。
  • Luo & Klohnen (2005)，Thiessen et al. (1997)：真实夫妻的人格相似性显著大于随机配对夫妻。
  • Luo & Klohnen (2005)，Watson et al. (2004)：真实夫妻在年龄、宗教信仰和政治取向上非常相似，在教育、情商和价值观上中等相似。
• 相似性与满意度关系矛盾：
  • 正相关： Luo & Klohnen (2005)，Weidmann et al. (2017) 发现人格开放性相似的伴侣拥有更高的亲密关系满意度。
  • 负相关： $Luo et al. (2008)$ 发现价值观越不相似的伴侣反而越幸福。
  • 无关系： Abe & Oshio (2018)，Brauer et al. (2022)，Dyrenforth et al. (2010) 未发现相似性与关系满意度之间的关系。Abe & Oshio (2018) 特别指出对较长婚龄夫妻无影响。
• 婚龄的影响：
  • Shiota & Levenson (2007)：对平均婚龄达 21.4 年的中年夫妻，人格开放性上的相似性对婚姻满意度没有影响。
  • Luo & Klohnen (2005)：在新婚夫妇中，人格开放性越相似，婚姻满意度越高。
  • Gottman (1999)：夫妻的共同经验会导致其相似性更加显著，随着时间推移，夫妻在情绪反应上会变得越来越相似 (Anderson et al., 2003)。
  • Wang et al. (2018)：关注婚龄，但多作为控制变量。
  • Glick (1977)：结婚、生育、孩子上学和孩子离家等事件被视为家庭变化的关键标志。
• 研究内容的局限性（个体特质之外）：
  • Karney & Bradbury (2020)：婚姻满意度的影响因素应包括个体、互动和环境三个方面。
  • 个体特质： Conradi et al. (2021) 发现不安全依恋的相似性影响关系稳定性而非满意度；Ben-Ari & Lavee (2005) 发现双方不安全依恋导致婚姻满意度较低。
  • 互动方式： Gottman (1994, 1999) 强调互动方式对婚姻满意度的关键作用；Reis & Shaver (1988) 认为互动是亲密关系发展和维持的基础；Velotti et al. (2016) 发现情绪调节（表达抑制）相似性仅与妻子婚姻满意度呈正相关，且随婚龄延长而无关。
  • 原生家庭： 毋螺 等 (2019) 指出原生家庭与婚姻满意度密切相关；中国“门当户对”传统 (杜永潇，董浩, 2023; 李芳英, 2017)，强调家庭经济社会地位对等 (Charles et al., 2013)。但也有研究发现家庭背景相当对满意度无显著影响 (文强，杨小军, 2020)，甚至女性经济条件高于男性能提高幸福感 (王智波，李长洪, 2014)。
• 相似性指标：
  • Gray & Coons (2017)：评估对偶数据相似程度的方法分为相似性和差异性两种。
  • PCS 作为轮廓相似性指标：Furler et al. (2013)，$Luo et al. (2008)$，Wang et al. (2018) 认为 PCS 对对偶数据关系变化更敏感，反映模式一致性。
  • ADS 作为差异性指标：Luo & Klohnen (2005) 指出 ADS 捕获特定领域差异。
  • McCrae (2008)：PCS 表明跨多个特征的相似性，ADS 仅能表示特定特征的差异性。
  • Wang et al. (2018)：结合 PCS 和 ADS 能得出更精准结论。
• 研究方法：
  • Dyrenforth et al. (2010)，$Groβmann et al. (2019)$，Luo & Klohnen (2005)：多数研究以变量为中心 (VCA)，结合主体效应、客体效应与相似性效应。
  • Luo & Klohnen (2005)：VCA 只能研究单一特征上的相似性，不能提供特定夫妻的相似性信息。
  • Brauer et al. (2022)，Luo & Klohnen (2005)：少数研究使用以夫妻为中心的方法 (CCA)。
  • Rogers et al. (2018)：基于每对夫妻分析能获得更完整全面的伴侣特征信息。

3.3. 技术演进

该领域的研究从最初关注个体特质的相似性及其与婚姻满意度的关系，逐步认识到婚龄、互动方式和原生家庭等环境因素的复杂影响。在方法论上，从单一的变量为中心的方法演进到结合了轮廓水平和特质水平指标的以夫妻为中心的方法，并通过 APIM 模型更全面地解耦了主体效应、客体效应、相似性效应和差异性效应，以期获得更细致、更具解释力的结论。

3.4. 差异化分析

本研究与前人工作的核心区别和创新点在于：

1. 更全面的维度考量： 不仅关注个体特质，还纳入了互动方式和原生家庭这两个重要维度，弥补了以往研究的不足。
2. 动态性视角： 首次结合了家庭生命周期的划分标准，具体探讨了处于不同婚姻阶段夫妻的相似性如何影响婚姻满意度，揭示了相似性影响的动态性和阶段性。
3. 综合相似性指标： 创新性地结合了 PCS（轮廓水平相似性）和 ADS（特质水平差异性）两种指标，能够同时捕捉整体模式的一致性和具体特征的差异性，提供更精准的量化。
4. 以夫妻为中心的方法： 采用 CCA 方法，对每对夫妻进行分析，而非传统 VCA 仅聚焦于变量间的关系，从而获得更具体、更贴近实际夫妻情况的信息。
5. 改进的 APIM 模型： 在 APIM 中首次系统性地整合了主体效应、客体效应、相似性效应 (PCS) 和差异性效应 (ADS)，提供了一个更完善的分析框架，能够更精细地分离和评估各项因素对婚姻满意度的独特贡献。

4. 方法论

本研究旨在通过以夫妻为中心的方法 (CCA)，结合轮廓水平相似性 (PCS) 和特质水平差异性 (ADS) 指标，并整合主体效应、客体效应、相似性效应和差异性效应，来考察个体、互动和原生家庭变量的相似性与婚姻满意度的关系。

4.1. 方法原理

研究的核心思想是，婚姻满意度不仅受夫妻双方各自特质（主体效应）和伴侣特质（客体效应）的影响，也受到夫妻在多维度上的相似性（相似性效应）和差异性（差异性效应）的影响，并且这些影响可能因婚姻阶段和性别而异。通过 PCS 捕捉整体模式的相似性，通过 ADS 捕捉特定特质的差异性，并将其纳入 APIM 模型，可以全面、精细地解析这些复杂关系。

4.2. 核心方法详解

研究流程主要包括数据招募与阶段划分、测量工具选取、数据预处理、相似性与差异性计算以及模型检验。

4.2.1. 参与者招募与婚姻阶段划分

• 招募： 通过网络广告、社区推广和熟人介绍，招募了 638 对中国初婚夫妻。
• 婚姻阶段划分： 依据 家庭生命周期 (Family Life Cycle)，将夫妻划分为 4 个婚姻阶段：
  • 第一阶段 (新婚夫妻): $n = 109$，无子女，婚龄 (年) = $0.89 \pm 0.64$。
  • 第二阶段 (婴幼儿或学龄前儿童父母): $n = 190$，子女为婴儿或幼儿园学生，婚龄 (年) = $4.73 \pm 2.88$。
  • 第三阶段 (中小学学生父母): $n = 144$，子女为小学或中学学生，婚龄 (年) = $13.32 \pm 4.14$。
  • 第四阶段 (空巢夫妻): $n = 195$，子女已成年离家或没有子女，婚龄 (年) = $32.74 \pm 8.37$。

4.2.2. 研究工具与变量选取

• 婚姻满意度： 采用 Norton (1983) 编制的 婚姻质量问卷 (Quality of Marriage Index, QMI)。该量表包含 6 个项目，前 5 项为 7 点计分，第 6 项为 10 点计分，分数越高表示婚姻满意度越高。

  • Cronbach $\alpha$ 系数：总量表 0.967，丈夫 0.972，妻子 0.965。
  • 丈夫平均得分：$6.30 \pm 1.37$，妻子平均得分：$6.03 \pm 1.52$。

• 预测变量： 共 12 个独立预测变量，分为三个维度，汇总示意图如下：

  该图像是示意图，展示了个体相似性、互动相似性和原生家庭相似性对婚姻满意度的影响。每个维度下列出了相关因素，指向中心的 "婚姻满意度"，强调相似性的多维度考量。

图1变量选取示意图

• 个体维度 (5个变量):
  • 共情 (Empathy): 夫妻人际反应指数问卷 (Interpersonal Reactivity Index for Couples, IRI)。
  • 依恋焦虑 (Attachment Anxiety) & 依恋回避 (Attachment Avoidance): 亲密关系体验量表修订版 (Experiences in Close Relationships-Revised Version, ECR-R)。
  • 压力感知 (Perceived Stress): 中文版压力感知量表 (Chinese Perceived Stress Scale, CPSS)。
  • 情绪表达 (Emotional Expression): 情感特质-表达量表 (Trait Affection Given, TAS-G)。
• 互动维度 (5个变量):
  • 冲突解决 (Conflict Resolution): 冲突及问题解决量表中的合作维度分量表 (Conflict and Problem-Solving Scales, CPS)。
  • 情绪调节 (Emotion Regulation): 中文版情绪调节策略问卷 (Emotion Regulation Questionnaire, ERQ)。
  • 沟通模式 (Communication Patterns): 简化版日常沟通问卷 (The Primary Communication Inventory, PCI)。
  • 互动支持 (Interaction Support): 亲密关系支持问卷 (Support in Intimate Relationships Rating Scale, SIRRS)。
  • 感知伴侣回应 (Perceived Partner Responsiveness): 伴侣反应性感知量表 (Perceived Partner Responsiveness Scale, PPRS)。
• 原生家庭维度 (2个变量):
  • 父母婚姻质量 (Parental Marital Quality): 父母婚姻质量问卷。
  • 原生家庭干涉 (Family-of-Origin Interference): 原生家庭卷入量表。
  • 具体量表信息详见补充材料表 S1。

4.2.3. 数据分析步骤

1. 描述性统计与配对样本 $t$ 检验：

   • 利用 SPSS 对个体、互动和原生家庭维度的预测变量和婚姻满意度进行描述性统计（均值 M、标准差 SD）和配对样本 $t$ 检验，以检查夫妻双方在各变量上是否存在显著性别差异。

2. 相似性与差异性指标计算：

   • 轮廓水平相似性 (PCS) 计算：
     • 真实夫妻 PCS： 利用 RStudio 计算每对真实夫妻在各个量表所有项目得分之间的相关系数，此相关系数即为 PCS。
     • 随机配对夫妻 PCS： 随机构造随机配对夫妻，并计算其 PCS。为了获得高度可靠的随机夫妻配对结果，计算了所有夫妻的相关系数，最多可获得 203203 个随机配对夫妻的相关系数。
     • Fisher r-to-z 转换： 对计算所得的 PCS 值进行 Fisher r-to-z 转换，以使其服从正态分布，便于统计比较。
     • 单样本 $t$ 检验： 利用 SPSS 对真实夫妻与随机配对夫妻进行单样本 $t$ 检验，比较真实夫妻相似性的均值与随机夫妻相似性的均值，以确定真实夫妻是否比随机配对夫妻更相似。随机配对夫妻相似性的平均值作为比较的总体平均值，并计算 效应值 (effect size) $d$ (Cohen's d)。
   • 特质水平差异性 (ADS) 计算：
     • 真实夫妻 ADS： 通过计算夫妻双方在每个变量上得分差值的绝对值，得到 ADS。
     • 描述性统计： 利用 SPSS 按不同婚姻阶段，对真实夫妻转换前的 PCS 平均值与 ADS 平均值进行描述性统计。

3. 改进的主客体互倚模型 (APIM) 检验：

   • 模型构建： 利用 Mplus 进行模型检验，使用改进的 APIM。该模型在传统 APIM 的基础上，额外加入了 PCS（相似性效应）和 ADS（差异性效应）作为预测变量。

   • 模型结构： 如图 2 所示，该模型将丈夫得分、妻子得分、PCS 和 ADS 与夫妻双方的婚姻满意度联系起来。

     • 丈夫满意度预测：
       • 主体效应 (actor effect): 丈夫自己的分数对丈夫满意度的影响 (路径 $a$)。
       • 客体效应 (partner effect): 妻子分数对丈夫满意度的影响 (路径 $b$)。
       • 相似性效应 (similarity effect): PCS 对丈夫满意度的影响 (路径 $c$)。
       • 差异性效应 (difference effect): ADS 对丈夫满意度的影响 (路径 $d$)。
     • 妻子满意度预测： 相应的路径被标记为 $a'$ (主体效应)、$b'$ (客体效应)、$c'$ (相似性效应) 和 $d'$ (差异性效应)。

   • 协方差与误差： 模型中包括 4 个自变量间的协方差相关，以及两个因变量之间的误差项相关。

   • 数据输入： 模型计算使用的是 PCS 未转换前的 $r$ 值。利用 SPSS 采取 期望最大化算法 (Expectation-Maximization algorithm, EM) 补充 PCS 的缺失值。由于配对样本 $t$ 检验结果显示夫妻存在显著性别差异，因此未对路径系数施加约束，即允许丈夫和妻子的路径系数不同。

     该图像是图表，展示了主客体互倚模型中的变量关系。图中包括夫妻得分、轮廓水平相似性(PCS)和特质水平差异性(ADS)等指标，并展示了它们与丈夫和妻子婚姻满意度之间的联系。

图2主客体互倚模型

5. 实验设置

5.1. 数据集

本研究以 638 对中国初婚夫妻为被试，他们均具有初中或以上学历，居住在中国北京或天津。

• 总样本量: 638 对夫妻。
• 地域: 北京或天津（一线城市）。
• 婚姻状态: 初婚。
• 教育水平: 初中或以上。
• 婚姻阶段划分:

  • 第一阶段 (新婚夫妻): $n = 109$ 对。

  • 第二阶段 (婴幼儿或学龄前儿童父母): $n = 190$ 对。

  • 第三阶段 (中小学学生父母): $n = 144$ 对。

  • 第四阶段 (空巢夫妻): $n = 195$ 对。

    以下是表1人口统计学变量的描述性统计结果，展示了不同婚姻阶段夫妻的年龄、教育水平和收入：

    	年龄(岁)		教育水平		收入(万元)
    	M	SD	M	SD	M	SD
    第一阶段(n = 109)
    丈夫	34.10	3.92	5.39	0.71	18.88	13.75
    妻子	33.20	2.85	5.49	0.74	13.36	9.50
    第二阶段(n = 190)
    丈夫	38.72	4.14	5.36	0.83	25.97	19.73
    妻子	36.94	3.64	5.41	0.84	17.12	12.81
    第三阶段(n = 144)
    丈夫	46.08	5.30	4.25	1.25	14.60	13.67
    妻子	43.94	3.92	4.19	1.34	10.24	8.60
    第四阶段(n = 195)
    丈夫 妻子	64.35	8.92	3.25	1.19	6.57	5.94
    	63.35	8.97	3.08	1.18	4.76	7.69

注： 在教育水平中，“1” = 小学及以下；“2” = 初中，“3” = 高中 (含中专、技校、职高)；“4” = 大专 (含函大、成教、自考)；“5” = 本科；“6” = 研究生 (含硕士或博士)。

这些数据集的选择能够有效地验证研究假设，即相似性对婚姻满意度的影响可能因婚姻阶段和文化背景（中国夫妻）而异。

5.2. 评估指标

本研究主要关注婚姻满意度作为因变量，并通过 轮廓水平相似性 (PCS) 和 特质水平差异性 (ADS) 来量化相似性。

5.2.1. 婚姻满意度 (Marital Satisfaction)

• 概念定义: 婚姻满意度是衡量个体对其婚姻关系质量主观感受和评价的指标。高满意度通常反映了婚姻关系的稳定、幸福和健康。
• 数学公式: 婚姻满意度通过 Norton (1983) 编制的 Quality of Marriage Index (QMI) 量表测量。该量表包含 6 个项目，前 5 项为 7 点计分，第 6 项为 10 点计分。最终得分是所有项目得分的加权或平均值（原文未明确说明具体计算方式，但通常为平均值或总和）。 假设 $I_1, I_2, I_3, I_4, I_5$ 为前 5 个项目的得分（范围 1-7），$I_6$ 为第 6 个项目的得分（范围 1-10）。 则婚姻满意度得分 MS 的一种可能计算方式（若为平均值）： $$MS = \frac{\sum_{j=1}^{5} I_j + \left(\frac{I_6 - 1}{9} \times 6 + 1\right)}{6}$$
  • 符号解释:
    • MS: 婚姻满意度得分。
    • $I_j$: 第 $j$ 个项目的得分。
    • $\sum_{j=1}^{5} I_j$: 前 5 个项目得分之和。
    • $\left(\frac{I_6 - 1}{9} \times 6 + 1\right)$: 将第 6 项（1-10分）线性映射到与前 5 项（1-7分）相似的量纲（如1-7分），以便平均计算。如果直接求和或平均，则此项可能不同。原文仅说明“分数越高表示婚姻满意度越高”，未给出精确计算公式，此处为示例性解释。

5.2.2. 轮廓水平相似性 (Profile-level Similarity, PCS)

• 概念定义: PCS 衡量夫妻双方在多个特征（例如某个维度下所有子量表或项目）上得分模式的整体一致性。它反映了两个人“轮廓”或“概况”的相似程度。
• 数学公式: PCS 通过计算夫妻双方在所有相关变量项目得分之间的 Pearson 相关系数 (Pearson Correlation Coefficient) 来获得。 假设一对夫妻的丈夫在 $p$ 个项目上的得分为 $X = (x_1, x_2, \ldots, x_p)$，妻子在 $p$ 个项目上的得分为 $Y = (y_1, y_2, \ldots, y_p)$。则 PCS (即 $r_{XY}$) 计算公式为： $$r_{XY} = \frac{\sum_{i=1}^{p} (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum_{i=1}^{p} (x_i - \bar{x})^2 \sum_{i=1}^{p} (y_i - \bar{y})^2}}$$
  • 符号解释:
    • $r_{XY}$: 夫妻 $X$ 和 $Y$ 之间的 Pearson 相关系数，即 PCS。
    • $x_i$: 丈夫在第 $i$ 个项目上的得分。
    • $y_i$: 妻子在第 $i$ 个项目上的得分。
    • $\bar{x}$: 丈夫在所有 $p$ 个项目上的平均得分。
    • $\bar{y}$: 妻子在所有 $p$ 个项目上的平均得分。
    • $p$: 某个量表或维度包含的项目总数。

5.2.3. 特质水平差异性 (Attribute-level Difference Score, ADS)

• 概念定义: ADS 衡量夫妻双方在特定单个特征或变量上得分的差异程度。它关注的是具体特质上的数值差距。
• 数学公式: ADS 通过计算夫妻双方在每个特定变量上得分差值的绝对值得到。 假设丈夫在特定变量上的得分为 $S_H$，妻子在同一变量上的得分为 $S_W$。则 ADS 计算公式为： $ADS = |S_H - S_W|$
  • 符号解释:
    • ADS: 夫妻在特定变量上的特质水平差异性。
    • $S_H$: 丈夫在该特定变量上的得分。
    • $S_W$: 妻子在该特定变量上的得分。
    • $|\cdot|$: 绝对值运算。

5.3. 对比基线

本研究主要通过以下方式进行比较和验证：

1. 真实夫妻与随机配对夫妻的比较： 通过单样本 $t$ 检验比较真实夫妻的 PCS 均值与随机配对夫妻的 PCS 均值，以验证 相似配对理论 (theory of assortative mating)。
2. 不同婚姻阶段的比较： 考察在不同婚姻阶段（新婚、育儿期、空巢期），夫妻在个体、互动和原生家庭各维度上的相似性 (PCS) 和差异性 (ADS) 表现。
3. 不同维度的比较： 比较夫妻在个体特质、互动方式和原生家庭三个维度上的相似性程度。
4. APIM 四种效应的比较： 在改进的 APIM 模型中，同时考察主体效应、客体效应、相似性效应和差异性效应的预测强度，并进行相互比较，以确定各效应在婚姻满意度预测中的相对重要性。这相当于将本文提出的综合模型与仅考虑部分效应（如仅主体效应和客体效应）的模型进行隐式比较。

6. 实验结果与分析

6.1. 共同方法偏差检验

采用 Harman 单因素检验 (Harman's single-factor test) 对除了人口统计学变量外的各个变量进行检验。

• 结果: 有 101 个因子的特征值大于 1，第一个因子的解释率为 14.44%，远小于 40.00% 的标准。
• 结论: 判断没有明显的共同方法偏差。

6.2. 真实夫妻的描述性统计与 $t$ 检验结果

以下是表2描述性统计与 $t$ 检验结果：

注： $^*p < 0.05$, $^{**}p < 0.005$, $^{***}p < 0.001$。

• 性别差异： 除了互动支持 ($t = -0.12, p = 0.905$)、冲突解决 ($t = 1.03, p = 0.302$)、感知伴侣回应 ($t = 0.65, p = 0.519$) 和原生家庭干涉 ($t = 0.17, p = 0.862$) 外，所有其他变量（共情、依恋焦虑、依恋回避、压力感知、情绪表达、情绪调节、沟通模式、父母婚姻质量、婚姻满意度）均存在显著性别差异。

6.3. 真实夫妻相似性与随机配对夫妻相似性的 $t$ 检验结果

以下是表3真实夫妻相似性与随机配对夫妻相似性的 $t$ 检验结果：

• 真实夫妻 vs. 随机配对夫妻： 除原生家庭维度（父母婚姻质量、原生家庭干涉）外，所有其他变量（共情、依恋焦虑、依恋回避、压力感知、情绪表达、冲突解决、情绪调节、沟通模式、互动支持、感知伴侣回应）的真实夫妻 PCS 均值显著高于随机配对夫妻。
  • 原生家庭维度： 父母婚姻质量的真实夫妻 PCS (0.58) 显著低于随机配对夫妻 (0.89)，原生家庭干涉的真实夫妻 PCS (-0.03) 也显著低于随机配对夫妻 (0.08)，这与研究结论“除在原生家庭维度外，其他变量均是真实夫妻比随机配对夫妻更加相似”相符。这意味着在原生家庭方面，真实夫妻的相似性（相关性）反而不如随机配对。

6.4. 真实夫妻相似性与差异性的描述性统计结果

以下是表4不同婚姻阶段夫妻相似性的描述性统计结果 (PCS)：

• PCS 结果： 除第四阶段夫妻在个体维度上最相似外，其他阶段夫妻均在原生家庭维度上最相似。

  以下是表5不同婚姻阶段夫妻差异性的描述性统计结果 (ADS)：

  变量	第一阶段(n=109)		第二阶段(n= 190)		第三阶段(n = 144)		第四阶段(n=195)
  	M	SD	M	SD	M	SD	M	SD
  个体维度	0.78	0.57	0.81	0.61	0.81	0.61	0.64	0.54
  共情	0.44	0.31	0.55	0.42	0.50	0.40	0.46	0.38
  依恋焦虑	0.83	0.61	0.85	0.64	0.87	0.70	0.84	0.71
  依恋回避	0.76	0.57	0.82	0.60	0.83	0.64	0.62	0.51
  压力感知	0.56	0.40	0.59	0.47	0.57	0.42	0.46	0.35
  情绪表达	1.30	0.93	1.27	0.93	1.29	0.87	0.83	0.77
  互动维度	0.70	0.54	0.73	0.57	0.72	0.60	0.71	0.62
  冲突解决	0.39	0.29	0.47	0.40	0.51	0.41	0.49	0.44
  情绪调节	0.92	0.66	0.90	0.73	0.74	0.59	0.87	0.73
  沟通模式	0.40	0.32	0.38	0.29	0.41	0.37	0.45	0.38
  互动支持	0.65	0.52	0.60	0.46	0.69	0.56	0.55	0.47
  感知伴侣回应	1.15	0.95	1.31	0.97	1.26	1.04	1.18	1.08
  原生家庭维度	0.35	0.34	0.40	0.35	0.35	0.38	0.39	0.62
  父母婚姻质量	0.33	0.32	0.34	0.30	0.32	0.28	0.33	0.33
  原生家庭干涉	0.38	0.37	0.45	0.39	0.38	0.48	0.46	0.91

• ADS 结果： 各阶段夫妻均在原生家庭维度上的差异最小。

• 综合 PCS 和 ADS 结果： 相较于个体特质和互动方式，夫妻在原生家庭维度上更相似 (PCS 均值高) 且差异最小 (ADS 均值低)。这表明原生家庭因素在中国夫妻的匹配和婚姻中扮演着重要角色。

6.5. 相似性效应的检验结果

本研究使用改进的 APIM 模型，同时检验了丈夫得分、妻子得分、PCS 和 ADS 对夫妻双方婚姻满意度的独特贡献。由于存在显著性别差异，未对路径系数施加约束。结果如表 6、表 7、表 S2 至 S7 所示，模型均为饱和模型。

6.5.1. 婚姻第一阶段 (新婚夫妻) 丈夫的相似性效应

以下是表6婚姻第一阶段丈夫从主、客体效应、相似性效应和差异性效应预测婚姻满意度的标准化路径系数：

• 丈夫婚姻满意度在第一阶段受原生家庭相似性影响最大（路径系数 0.140）。具体而言，父母婚姻质量的相似性效应 ($p=0.109$) 和原生家庭干涉的相似性效应 ($p=0.171$) 对丈夫满意度有影响。然而，从表格的汇总行来看，原生家庭维度的 PCS 路径系数 (0.140) 略高于个体维度 (0.136) 和互动维度 (0.091)，表明在此阶段原生家庭相似性影响较大。

6.5.2. 婚姻第一阶段妻子相似性效应

以下是表7婚姻第一阶段妻子从主、客体效应、相似性效应和差异性效应预测婚姻满意度的标准化路径系数：

• 妻子婚姻满意度在第一阶段表现为个体特质相似性影响最大（路径系数 0.127），高于互动维度 (0.090) 和原生家庭维度 (0.120)。这与丈夫在该阶段受原生家庭相似性影响最大的结果形成对比，表明存在性别差异。

6.5.3. 其他婚姻阶段的相似性效应

• 丈夫：
  • 第一阶段： 原生家庭相似性影响最大。
  • 其他阶段 (第二、三、四阶段)： 均为个体特质相似性对其婚姻满意度的影响最大。
• 妻子：
  • 第一和第四阶段： 个体特质相似性影响最大。
  • 第二和第三阶段： 则以原生家庭相似性为主导因素。这表明在育儿期 (第二、三阶段)，原生家庭的相似性对妻子的婚姻满意度有更显著的影响。

6.5.4. 差异性效应

• 仅第二阶段的丈夫和第四阶段的妻子分别受到个体特质和互动方式差异性的影响最大。
• 其余阶段： 均是原生家庭差异性对婚姻满意度的影响最为显著。

6.5.5. 效应预测强度比较

在四个效应（主体效应、客体效应、相似性效应、差异性效应）中，无论处于哪个婚姻阶段的丈夫或妻子，主体效应的预测作用最强，其次是客体效应，随后才是相似性效应。这与 Dyrenforth et al. (2010) 和 $Groβmann et al. (2019)$ 等先前的研究结果一致。例如，Dyrenforth et al. (2010) 的研究表明，主体效应约占关系满意度方差的 6%，客体效应占 1% 到 3%，而相似性效应在控制主客体效应后小于 0.5%。本研究进一步证实了相似性是婚姻满意度的“加分项”，但并非核心影响因素。

6.5.6. PCS 与 ADS 的比较

研究还发现 PCS 对婚姻满意度的影响强于 ADS。这与 Luo & Klohnen (2005) 和 $Luo et al. (2008)$ 的研究结论一致。原因在于 PCS 能够捕捉夫妻在各项目上反应的一致性，反映夫妻间相似、无关或相反的复杂关系，而 ADS 只能体现某一特征上的差异性，且通常在 APIM 分析中不显著，表明 PCS 是衡量相似程度更敏感且更有效的指标 (Gaunt, 2006)。

6.6. 消融实验/参数分析

本研究未明确进行消融实验或参数分析，而是通过对比不同婚姻阶段和性别的效应强度，来分析各维度相似性对婚姻满意度的影响。

7. 总结与思考

7.1. 结论总结

本研究通过对 638 对中国夫妻的深入分析，利用以夫妻为中心的方法 (CCA) 和改进的 主客体互倚模型 (APIM)，结合 轮廓水平相似性 (PCS) 和 特质水平差异性 (ADS) 指标，揭示了夫妻相似性与婚姻满意度之间的复杂关系。 核心发现包括：

1. 真实夫妻更相似： 真实夫妻普遍比随机配对夫妻更为相似，支持了 相似配对理论 (theory of assortative mating)。然而，原生家庭维度是个例外，真实夫妻在该维度的相似性低于随机配对夫妻。
2. 原生家庭相似性显著： 相比个体特质和互动方式，中国夫妻在原生家庭维度上展现出更高的相似性，且差异性最小，这突显了中国文化中“门当户对”观念和原生家庭在婚姻中的重要作用。
3. 相似性影响的动态性和性别差异： 相似性对婚姻满意度的影响并非静态不变，而是随婚姻阶段和性别而异。
   • 丈夫在新婚阶段受原生家庭相似性影响最大，其他阶段则是个体特质相似性。
   • 妻子在新婚和空巢阶段受个体特质相似性影响最大，但在育儿的第二和第三阶段，原生家庭相似性影响更为显著，这反映了妻子在育儿过程中与原生家庭更频繁的互动和受其影响更大的特点。
4. 主体效应主导： 尽管相似性对婚姻满意度有一定影响，但主体效应（个体自身特质对自身满意度的影响）始终是婚姻满意度最强的预测源，其次是客体效应。这表明个体自身的健康特质和积极感知对婚姻满意度起着最根本的作用，相似性更多是一种“加分项”而非决定性因素。
5. PCS 优于 ADS： PCS 在预测婚姻满意度方面优于 ADS，体现了其捕捉夫妻多维度模式一致性的有效性。

7.2. 局限性与未来工作

本研究虽然取得了重要的发现，但也存在一些局限性，作者也提出了未来的研究方向：

1. 数据来源： 本研究数据完全基于自我报告。
   • 未来工作： 可以借助生理指标（如互动过程中的生理变化一致性）来更精准地研究夫妻相似性与婚姻满意度之间的关系。
2. 样本代表性： 被试主要生活在中国北京和天津等一线城市，其婚姻模式和满意度影响因素可能与全国其他地区存在差异。
   • 未来工作： 在推广研究结果时需谨慎，未来可扩大样本范围，提高全国代表性。
3. 文化背景单一： 本研究仅聚焦于中国文化背景。
   • 未来工作： 可开展跨文化研究，对比不同文化下夫妻相似性的维度差异及其对婚姻满意度的影响差异，以提高研究结果的推广性。
4. 研究设计： 本研究为横断研究，无法得出确切的因果关系。
   • 未来工作： 可进行纵向追踪研究，以探讨究竟是相似性带来了更高的婚姻满意度，还是婚姻满意度导致伴侣变得更加相似（即因果方向）。

7.3. 个人启发与批判

7.3.1. 个人启发

本研究提供了多方面的启发：

• 婚姻咨询的启示： 对于婚姻咨询和教育，不应过分强调“找一个完全相似的人”，而应更注重引导个体培养自身健康的心理特质和积极的互动模式。相似性是锦上添花，但内在的自我完善和积极的伴侣互动才是基石。
• 中国文化特异性： 中国社会“门当户对”和原生家庭深度参与的文化背景，在婚姻相似性维度上表现出独特的影响，特别是在育儿阶段对妻子的影响。这提示我们在进行跨文化比较时，必须充分考虑社会文化因素。
• 方法论的价值： 结合 PCS 和 ADS 并在 APIM 中同时考察四种效应，为研究亲密关系中的相似性和差异性提供了一个强大的分析框架，未来可以将其推广到其他双人或团队关系的研究中。
• 动态性视角的重要性： 婚姻满意度并非一成不变，其影响因素在不同生命阶段有不同的侧重。这提醒研究者和实践者在分析和干预婚姻问题时，应采取动态和发展的视角。

7.3.2. 批判

尽管本研究具有创新性和重要意义，但仍有一些可以探讨或改进的地方：

• 原生家庭相似性的解释： 结果显示真实夫妻在原生家庭维度上比随机配对夫妻更相似，但在表3中，“父母婚姻质量”和“原生家庭干涉”的真实夫妻 PCS 均值却显著低于随机夫妻。这表明在原生家庭维度上的“相似”并非指PCS意义上的“模式一致”，而更可能指的是 ADS 意义上的“差异小”。论文在讨论中对“原生家庭维度更相似”的解释，更多偏向于社会文化意义上的“门当户对”和“家庭背景相当”，这可能在 ADS（差异小）上体现，而非 PCS（模式一致）上。这需要更精确的区分和讨论 PCS 均值差异的负值所代表的含义，以及它与“更相似”这一结论的内在一致性。例如，父母婚姻质量的 PCS 均值负向显著，可能意味着真实夫妻在该项的模式上倾向于“相反”或“不一致”，这与“更相似”的定性描述存在矛盾。
• 具体变量的深度分析： 论文虽然考察了 12 个变量，但对于每个变量的具体作用和机制探讨仍有提升空间。例如，在“父母婚姻质量”和“原生家庭干涉”这两个变量中，是哪个具体的方面（如父母婚姻质量高/低、干涉多/少）导致了相似性或差异性，及其如何具体影响婚姻满意度，可以进行更细致的分析。
• APIM 路径系数的解读： 在表 6 和表 7 中，某些 $p$ 值接近或略高于 0.05 的路径被提及为“有影响”，例如“父母婚姻质量的相似性效应 ($p=0.109$)”对丈夫满意度有影响。在严格的学术标准下，这可能需要更谨慎的解释，或者承认其未达到传统统计显著水平。
• 样本局限性： 尽管已在北京和天津招募，但由于这两个城市是中国经济最发达的地区之一，其居民的受教育程度、收入水平、价值观可能与全国平均水平存在偏差。因此，在推广结论时需更强调其地域和群体特异性。
• 理论模型深化： 虽然 APIM 模型已经非常全面，但未来可以在该模型中引入中介变量或调节变量，以更深入地探讨相似性影响婚姻满意度的具体机制和边界条件。例如，夫妻相似性如何通过互动质量、共同兴趣等中介变量影响婚姻满意度。