小学生成就目标定向与学业成绩的双向关系：一项交叉滞后分析(2)
因此，本研究拟通过交叉滞后模型分析在中国文化背景下，成就目标定向与小学生学业成绩之间的联系。基于已有研究，我们假设，成就目标定向与小学生的学业成绩之间具有相互关系，成就目标定向能够显著正向预测学业成绩，同时，小学生的学业成绩也能够显著正向预测小学生的成绩目标。
2研究方法
2.1被试
采用整群抽样的方法，以山东省某普通城市小学的四年级学生为被试，进行间隔一年的两次追踪。其中，第一次测查的有效被试2 1 5人，男生110人，女生105人，平均年龄10.49±0.78岁；第二次测查时被试升入五年级，由于搬家、转学、病/事假等原因导致部分少量被试流失，共追踪到有效被试209人，占总被试的97.29%，其中男生106人，女生103人，平均年龄1138±0.64岁。流失的被试与具有完整数据的被试，在T1时间点的年龄、掌握接近目标、掌握回避目标、成绩接近目标、成绩回避目标、学业成绩(|t|s<5.88，ps>0.07)，和性别分布(x2=0.50，p=0.48)上均不存在显著差异。
2.2工具
2.2.1成就目标定向
采用刘惠军和郭德俊(2003)编制的《成就目标定向量表》。该量表包括掌握接近目标、掌握回避目标、成绩接近目标和成绩回避目标四个分量表，共29个项目，其中掌握接近目标9个项目，掌握回避目标6个项目，成绩接近目标9个项目，成绩回避目标5个项目。量表采用5点记分方法，从“完全不符合”到“完全符合”。将同一分量表内各项目的得分求和，得到四个分量表的分数。在T1时间点，四个分量表的Cronbach α信度在0.67到0.80之间；T2时间点，四个分量表的Cronbach α信度在0.76到0.82之间。
2.2.2学业成绩
将施测前的该学期期末考试的语文、数学和英语成绩作为学业成绩的指标。由于本研究被试以班级为单位整群抽取，因此，為便于不同班级间学习成绩的比较，将三科成绩进行班级内标准化。同一时间点内三科成绩的相关在0.27～0.40之间。总体学业成绩指标为该期末考试的语文、数学和英语三科成绩班级内标准化之后的平均分。
2.3施测程序
以各班班主任为主试进行成就目标定向量表测量。施测前对班主任进行培训，以避免施测过程中班主任的主观干预。施测过程中，首先由班主任宣读统一的指导语，然后由学生独立完成问卷，整个测试大约20分钟。学习成绩数据由研究者通过学校教务处获取。
2.4数据处理
对所收集的数据采用SPSS19.0统计软件进行数据管理与描述统计分析，然后采用Mplus7.0进行交叉滞后模型分析。
3研究结果
3.1初步分析
本研究被试的学业成绩和成就目标各维度的平均数、标准差和相关分析的结果如表l所示。由表1可知，学业成绩在两时间点具有高度的正相关(r=0.74，p<0.01)，成就目标各维度显著正相关(rs>0.18，ps<0.01)，表明学生的学业成绩和成就目标较为稳定。独立样本f检验结果显示，学业成绩不存在明显性别差异(fs<3.78，ps>0.07)，成就目标各维度间亦不存在性别差异(|t|s<1.89，ps>0.16)。
3.2交叉滞后分析
采用结构方程模型检验成就目标定向与学业成绩之间的交叉滞后关系。模型估计采用稳健最大似然估计(robust maximum likelihood estimation，MLR，Muth6n&Muth6n，2012)，缺失值估计采用全息最大似然估计(full information maximumlikelihood estimation，FIML，Enders，2013)。由于模型均为饱和模型，因此xα=0.00，CFI=1.00，TLI=1.00，后文中不再呈现相应的拟合信息。各维度的模型检验结果如下：
如图1所示，在两个时间点中，掌握接近目标与学业成绩之间不存在显著的交叉滞后关系。如图2所示，Tl学业成绩能够显著负向预测T2掌握回避目标(β=-0.13，SE一0.06，p<0.05)，但T1掌握回避目标无法预测T2学业成绩。如图3所示，T1成绩接近目标能够显著负向预测T2学业成绩(β=-0.11，SE一0.05，p<0.05)，但T1学业成绩无法预测T2成绩接近目标。如图4所示，T1成绩回避目标能够显著负向预测T2学业成绩(β=-0.14，SE一0.05，p<0.01)，Tl学业成绩亦能显著负向预测T2成绩回避目标(β=-0.15，SE=0.06，p<0.01)。
为了同时考察四种成就目标定向与小学生学习成绩的关系，采用整合模型分析成就目标定向与学业成绩的交叉滞后关系，模型结果如图5所示。由图5可知，T1学业成绩能够显著预测T2掌握回避目标和成绩回避目标(β=-0.1 5，SE-0.06，p<0.05；β=-0.15，SE=0.05，p<0.01)，同时，Tl成绩回避目标显著预测T2学业成绩(β=-0.18，SE=0.05，p<0.05)。
3.3性别差异
为进一步检验成就目标定向及各维度与学业成绩关系的性别差异，采用多组结构方程模型比较成就目标定向与学业成绩关系的性别差异。建立允许不同性别中显变量载荷和变量间路径系数自由估计的模型M1，随后限定不同性别中显变量载荷和变量间路径系数等同的模型M2。x2检验显示，分别考察四类成就目标定向与学业成绩的交叉滞后模型(x2<6.104，df=4，p>0.05)，同时考察四类成就目标定向与学业成绩的交叉滞后模型(x2=26.266，df=25，p>0.05)均不存在显著性别差异，因此，我们认为，成就目标及其各维度与学业成绩的交叉滞后关系具有性别的一致性。 (杨舒文 潘斌 王婷婷 司继伟)
2研究方法
2.1被试
采用整群抽样的方法，以山东省某普通城市小学的四年级学生为被试，进行间隔一年的两次追踪。其中，第一次测查的有效被试2 1 5人，男生110人，女生105人，平均年龄10.49±0.78岁；第二次测查时被试升入五年级，由于搬家、转学、病/事假等原因导致部分少量被试流失，共追踪到有效被试209人，占总被试的97.29%，其中男生106人，女生103人，平均年龄1138±0.64岁。流失的被试与具有完整数据的被试，在T1时间点的年龄、掌握接近目标、掌握回避目标、成绩接近目标、成绩回避目标、学业成绩(|t|s<5.88，ps>0.07)，和性别分布(x2=0.50，p=0.48)上均不存在显著差异。
2.2工具
2.2.1成就目标定向
采用刘惠军和郭德俊(2003)编制的《成就目标定向量表》。该量表包括掌握接近目标、掌握回避目标、成绩接近目标和成绩回避目标四个分量表，共29个项目，其中掌握接近目标9个项目，掌握回避目标6个项目，成绩接近目标9个项目，成绩回避目标5个项目。量表采用5点记分方法，从“完全不符合”到“完全符合”。将同一分量表内各项目的得分求和，得到四个分量表的分数。在T1时间点，四个分量表的Cronbach α信度在0.67到0.80之间；T2时间点，四个分量表的Cronbach α信度在0.76到0.82之间。
2.2.2学业成绩
将施测前的该学期期末考试的语文、数学和英语成绩作为学业成绩的指标。由于本研究被试以班级为单位整群抽取，因此，為便于不同班级间学习成绩的比较，将三科成绩进行班级内标准化。同一时间点内三科成绩的相关在0.27～0.40之间。总体学业成绩指标为该期末考试的语文、数学和英语三科成绩班级内标准化之后的平均分。
2.3施测程序
以各班班主任为主试进行成就目标定向量表测量。施测前对班主任进行培训，以避免施测过程中班主任的主观干预。施测过程中，首先由班主任宣读统一的指导语，然后由学生独立完成问卷，整个测试大约20分钟。学习成绩数据由研究者通过学校教务处获取。
2.4数据处理
对所收集的数据采用SPSS19.0统计软件进行数据管理与描述统计分析，然后采用Mplus7.0进行交叉滞后模型分析。
3研究结果
3.1初步分析
本研究被试的学业成绩和成就目标各维度的平均数、标准差和相关分析的结果如表l所示。由表1可知，学业成绩在两时间点具有高度的正相关(r=0.74，p<0.01)，成就目标各维度显著正相关(rs>0.18，ps<0.01)，表明学生的学业成绩和成就目标较为稳定。独立样本f检验结果显示，学业成绩不存在明显性别差异(fs<3.78，ps>0.07)，成就目标各维度间亦不存在性别差异(|t|s<1.89，ps>0.16)。
3.2交叉滞后分析
采用结构方程模型检验成就目标定向与学业成绩之间的交叉滞后关系。模型估计采用稳健最大似然估计(robust maximum likelihood estimation，MLR，Muth6n&Muth6n，2012)，缺失值估计采用全息最大似然估计(full information maximumlikelihood estimation，FIML，Enders，2013)。由于模型均为饱和模型，因此xα=0.00，CFI=1.00，TLI=1.00，后文中不再呈现相应的拟合信息。各维度的模型检验结果如下：
如图1所示，在两个时间点中，掌握接近目标与学业成绩之间不存在显著的交叉滞后关系。如图2所示，Tl学业成绩能够显著负向预测T2掌握回避目标(β=-0.13，SE一0.06，p<0.05)，但T1掌握回避目标无法预测T2学业成绩。如图3所示，T1成绩接近目标能够显著负向预测T2学业成绩(β=-0.11，SE一0.05，p<0.05)，但T1学业成绩无法预测T2成绩接近目标。如图4所示，T1成绩回避目标能够显著负向预测T2学业成绩(β=-0.14，SE一0.05，p<0.01)，Tl学业成绩亦能显著负向预测T2成绩回避目标(β=-0.15，SE=0.06，p<0.01)。
为了同时考察四种成就目标定向与小学生学习成绩的关系，采用整合模型分析成就目标定向与学业成绩的交叉滞后关系，模型结果如图5所示。由图5可知，T1学业成绩能够显著预测T2掌握回避目标和成绩回避目标(β=-0.1 5，SE-0.06，p<0.05；β=-0.15，SE=0.05，p<0.01)，同时，Tl成绩回避目标显著预测T2学业成绩(β=-0.18，SE=0.05，p<0.05)。
3.3性别差异
为进一步检验成就目标定向及各维度与学业成绩关系的性别差异，采用多组结构方程模型比较成就目标定向与学业成绩关系的性别差异。建立允许不同性别中显变量载荷和变量间路径系数自由估计的模型M1，随后限定不同性别中显变量载荷和变量间路径系数等同的模型M2。x2检验显示，分别考察四类成就目标定向与学业成绩的交叉滞后模型(x2<6.104，df=4，p>0.05)，同时考察四类成就目标定向与学业成绩的交叉滞后模型(x2=26.266，df=25，p>0.05)均不存在显著性别差异，因此，我们认为，成就目标及其各维度与学业成绩的交叉滞后关系具有性别的一致性。 (杨舒文 潘斌 王婷婷 司继伟)