黄莹?陈艳萍?胡?婷?杨怡姗?林荣茂

摘 要 分层整群抽取2867名大学生，采用双因子模型探讨中庸思维方式量表（ZYTSC）的一般性与特殊性。结果表明，相较于局部因子，全局因子占主导地位，但多方思考与和谐性分别造成了23%、26%的方差变异，表明多方思考与和谐性等特殊成分的存在；中庸思维方式双因子模型的跨性别和跨年级强等值性得到支持。中庸思维方式量表同时测量了中庸思维方式的共同性和特异性成分，研究对理解和正确使用中庸思维方式量表具有一定的启示。

关键词 中庸思维方式；双因子模型；测量等值性

分类号 B849

DOI：10.16842/j.cnki.issn2095-5588.2024.03.005

1 引言

作为中华民族传统文化的核心价值，“中庸之道”是处理人际关系、构建和谐社会的重要方式。“中庸”是中国人的思维特性，一种以全局思考，不断自我反省、包容矛盾、调整行为，最后达到和谐的思维方式。如何准确理解并有效测量“中庸”，一直是本土心理学研究的重要议题。

“中庸”本质上是一套“元认知”的实践思维体系，是自我对人、事、物的感知框架，是个体在为人处世过程中，做出具体行动的指导方针与行动准则（杨中芳， 2022a， 2022b; 杨中芳， 林升栋， 2012）。赵志裕（2000）指出要领会中庸思维的特色，需要先界定在中庸思维下的预期目标和个人处理复杂情境的策略选择。从人际互动视角看，中庸思维方式涉及个体对整体信息的加工，对矛盾的容忍，以及避免极端的倾向，是个体在详细考虑多种可能后，选择可以顾全大局的思考模式与行为方式，具有多方思考、整合性与和谐性特征（吴佳辉，林以正， 2005）。总之，就中庸思维体系而言，个体更加注重自我在不同环境中的权宜表现，而非跨情境的道德衡量或评价。

聚焦于中庸思维本身的特色，吴佳辉和林以正（2005）开发了中庸思维方式量表（Zhong-Yong Thinking Style Scale， ZYTSC），为测量人际互动中的中庸思维方式提供了可能。中庸思维方式量表包括三个因子：（1）多方思考，以“执中有权”为基础，要求个体顺应时势，综合思考后选择“中庸”，是中庸思维方式的最核心成分；（2）整合性，将内外部理解为一个整体的认知能力；（3）和谐性，应对相互矛盾的协调能力。该量表的内部一致性系数为0.87，重测信度为0.81，各项目因子负荷量在0.43～0.79之间，具有良好的信效度（吴佳辉，林以正， 2005）。中庸思维方式量表自编制以来在管理学和心理学中广泛应用。使用该量表的研究表明，中庸思维显著影响行为决策（魏江茹， 2019），有效缓解情绪困扰（陈佩仪等， 2021），是中国人心理健康和幸福的关键。

回溯已有研究，不難发现使用中庸思维方式量表存在两种思路：一是强调各维度的特异性，倾向于进行维度解释（如李启明， 陈志霞， 2016）；二是强调共同性，即通过加总分或潜变量建模反映整体水平（如魏华等， 2021）。不同的测量方式基于不同的前提：前者假设量表的维度特异性大于一般性，而后者则认为共性大于特异性。但是，迄今尚未有研究对这两个假设进行专门检验。本研究基于双因子模型，通过检验模型的拟合度以及比较量表的特异性与一般性，为科学使用中庸思维方式量表提供新的测量学证据。

双因子模型又称为全局-局部因子模型。其中，全局因子在于解释所有项目的共同变异；在控制了全局因子的影响后，局部因子侧重于解释部分项目的共同变异。相较于传统测量模型，双因子模型更为全面地估计了系统误差的来源，能够更好地说明量表编制所依据的理论模型（Heinrich et al.， 2020）。更重要的是，双因子模型可以通过计算和比较同质性系数（ωH）和共同变异解释比（ECV）等特殊统计量，进一步检验全局因子或局部因子对项目的影响，通过比较全局因子在共同因子变异中所占的比例，以判断一般性的存在（即以总分解释），或通过检验局部因子的相对强度，以明确局部因子的特异性（Rodriguez et al.， 2016a， 2016b）。双因子模型有助于研究者解决数据维度选择的问题，为探讨量表结构提供了新的视角。目前，双因子模型广泛应用于心理健康、临床心理、职业心理等不同领域（Caspi & Moffitt， 2018; Giordano et al.， 2021; Olckers & Koekemoer， 2022）。

进一步检验中庸思维方式双因子模型的测量等值性，为该量表在不同组织情景中的稳定性和均值比较提供有力的支持。测量等值性是指测量工具在不同群体或时间点之间是否具有相等的测量特性（Schmitt & Kuljanin， 2008）。一方面，测量等值性是进行群体均值比较的重要前提条件（Muthen & Asparouhov， 2018）。只有当测量工具具备测量等值性，才能确保其均值差异是由真实的组间差异所致，而非测量工具本身的问题或其他误差（Pokropek et al.， 2019）。另一方面，通过亚群组检验及测量等值性检验，可以确定量表的因子结构在不同群体或时间点上是否保持一致（Vandenberg & Lance， 2000）。因此，检验中庸思维方式双因子模型的测量等值性，不仅可以规避测量不等值可能带来的统计风险，也有助于确定量表双因子模型的稳定性。

总之，本研究以2867名大学生为研究对象，采用双因子模型对中庸思维方式量表的结构进行再检验，为正确使用中庸思维方式量表和深入理解中庸思维方式提供新的证据。若双因子模型得到支持，将进一步考察中庸思维方式量表双因子模型的测量等值性。此外，中庸思维方式与利他行为正相关（杨中芳， 2022a），本研究采用大学生网络利他行为量表为预测指标考察中庸思维方式量表双因子模型的增量效度。

2 方法

2.1 被试

采用分层整群取样法，从福建省四所省属高校中抽取3000名大学生参与调查。调查前征得被试同意，统一在教室内集中施测。回收有效问卷共2867份，有效率95.6%。其中，男性1046人（36.5%），女性1821人（63.5%）；大一640人（22.3%），大二974人（34.0%），大三769人（26.8%），大四484人（16.9%）；文科842人（29.4%），理科724人（25.3%），工科632人（22.0%），医学669人（23.3%）。被试平均年龄19.9周岁（SD=1.4，18～25周岁）。

2.2 研究工具

2.2.1 中庸思维方式量表

采用吴佳辉和林以正（2005）编制的中庸思维方式量表，用于测量受试者的中庸倾向程度，共13个项目，包括三个因子：多元思考（1、2、3、4）、整合性（5、6、7、8、9）与和谐性（10、11、12、13）。采用Likert 7点计分法，从1（“强烈反对”）到7（“强烈同意”），得分越高，表明中庸思维倾向越明显。在本研究中，量表总的Cronbachs α系数为0.93，各维度的Cronbachs α系数为0.81～0.88。

2.2.2 大学生网络利他行为量表

采用郑显亮等（2011）编制的大学生网络利他行为量表，测量大学生在网络中表现出的利他倾向性，共26个项目，包括网络指导（19、11、6、26、9、10）、网络支持（23、21、15、25、13、20、5、12、16）、网络分享（3、2、1、7、4、8）和网络提醒（22、14、24、17、18）。采用Likert4点计分法，从1“从不”到4“总是”。得分越高，表明个体在网络上表现出利他行为的频率越高。总量表的Cronbachs α系数为0.94，四个维度的Cronbachs α系數在0.80～0.88，总量表的重测信度（间隔四周）为0.86，各维度的重测信度在0.71～0.81，具有良好的信度（郑显亮等， 2011）。在本研究中，量表总的Cronbachs α系数为0.96，四个维度的Cronbachs α系数在0.84～0.88。

2.3 数据处理

采用SPSS 25.0和Mplus8.2进行统计分析。首先，采用验证性因素分析（CFA）检验和比较三个假设模型：（1）单因素模型M1，所有项目负荷于一个潜变量上；（2）三因素模型M2，项目依次归属到三个不同的潜变量，三个潜变量之间彼此相关；（3）双因子模型M3，包括一个全局因子（13个项目）和三个局部因子，三个局部因子之间以及与全局因子之间彼此不相关。

在双因子模型中，可采用ω或ωSj评估总量表或分量表的合成信度。一般认为，ω＞0.7，多维测验合成总分的信度可接受，当ωSj越高，表明分量表合成分数的可靠性越高；采用ωH系数衡量同质性，它反映了全局因子分数方差占测验分数方差的比例。当ωH>0.5，合成测验总分有意义。若量表的同质性高，进一步拟合单维的平行模型，以证明计算总分的合理性（McNeish & Wolf， 2020）；ωHS指分量表残差化信度，当ωHS/ωSj>0.70，表明计算和报告分量表分数合理；采用共同变异解释比（ECV），项目变异解释比（I-ECV）和未受影响的相关比例（PUC）衡量量表的单维性。当ECV、I-ECV和PUC均大于0.85时，倾向于选择单维模型，反之，双因子模型更应被考虑（顾红磊， 温忠麟， 2017）。

采用多组验证性分析检验跨性别和年级的测量等值性，依次进行模型形态等值、弱等值和强等值检验。若强等值得到支持，表明测量在不同组别之间具有相同的参照点（Pokropek et al.， 2019）。在比较嵌套模型时，考虑χ2的变化。当p<0.05时，表明相邻模型间的差异达到统计学意义。由于χ2易受样本量的影响，也将CFI变化值考虑在内。当ΔCFI≤0.01，说明模型之间不存在明显差异（Meade et al.， 2008）。

3 结果

3.1 共同方法偏差检验

本次研究中共有2个因子（中庸思维方式和网络利他行为）对应39个测量项，将此39个测量项放在一个因子里进行验证性因素分析以检验共同方法偏差。结果表明，模型拟合较差：χ2=21519.03（df=702），RMSEA=0.10，CFI=0.54，TLI=0.52，SRMR=0.16，不存在一个可以解释大多数变异的公共因子。因此，本研究数据共同方法偏差在可接受范围内。

3.2 描述统计与相关分析

如表1所示，大学生中庸思维方式及其各维度与网络利他行为及其各维度之间两两呈显著正相关（ps＜0.001）。

3.3 验证性因素分析

如表2所示，单因素模型未达到良好标准；相较于单因素模型和一阶三因素模型，双因子模型的各项拟合指数均更优，因此，接受双因子模型。

3.4 双因子模型评估

在双因子模型中，各项目在全局因子上的因子载荷在0.57～0.86，且均高于局部因子上的因子载荷（表3），表明全局因子存在。

全局因子的ECV为0.82，表明全局因子解释了82%的变异；平均I-ECV为0.82，表明项目平均82%的变异由全局因子所解释；PUC为0.72，表明项目相关性主要受全局因子影响。但是，ECV，I-ECV和PUC均小于0.85，中庸思维方式量表的单维性并未完全支持。因此，采用双因子模型，即同时考虑全局因子和局部因子，能更好地反映中庸思维方式量表的结构。

全局因子的ω为0.95，三个局部因子的ωsj分别为0.82、0.90、0.87。总量表的ωH为0.89，表明全局因子解释了总变异的89%。三个局部因子的ωHs分别为0.19、0.01、0.23。进一步计算ωHs/ωsj，局部因子造成的变异分别为23%、1%、26%。进一步拟合单因素平行模型的拟合指数：χ2=513.43（df=63），TLI=0.94，CFI=0.95，RMSE=0.12，SRMR=0.05，基本达到统计学要求。

由此可知，中庸思维方式量表的同质性高，且单因素平行模型的拟合指数良好，合成量表总分有意义，但多方思考和和谐性两个局部因子仍占一定比例的变异，也可报告多方思考及和谐性两个特异性维度分。

3.5 潜回归模型

基于双因子模型建构潜回归模型，探讨中庸思维方式对网络利他行为的影响。模型拟合基本可以接受：χ2=4619.23（df=669），TLI=0.90，CFI=0.91，RMSEA=0.05，SRMR=0.05。全局因子对网络利他行为及其各维度均具有显著的正向预测作用（ps<0.01）。在控制全局因子后，多方思考仍正向预测网络利他行为，整合性负向预测网络支持、指导和提醒（ps<0.05）。路径分析见表4。

3.6 测量等值性

进一步检验中庸思维方式双因子模型的性别和年级测量等值性，为均值差异比较提供基础。首先进行性别测量等值性检验。男、女生双因子模型均达到良好拟合要求，形态等值性检验结果也支持男、女生在中庸思维方式量表上具有相同的形态。依次约束因子负荷和截距相等，检验性别弱等值性和强等值性，结果也均得到支持。同样地，中庸思维方式双因子模型的年级强等值性也得到支持（表5）。

4 讨论

中庸思维方式量表是测量中庸思维方式最常用的工具之一。本研究从双因子模型的视角，对量表的结构和分数解释做进一步检验。研究结果表明，中庸思维方式量表是双因子结构，主要测量了中庸思维方式的一般性（全局因子），同时也反映了多方思考及和谐性等特异性因子（局部因子）；在解释中庸思维方式量表分数时，合成量表总分更有意义，解释多方思考及和谐性的维度分也有一定的测量学依据。本研究还验证了中庸思维方式量表双因子模型对网络利他行为的预测效应，支持了中庸思维方式量表双因子模型的跨性别及年级测量等值性。本研究对科学使用中庸思维方式量表及理解中庸思维方式具有一定的启示。

首先，研究结果表明，中庸思维方式量表双因子模型具有更好的拟合，量表的变异主要由全局因子解释（ωH=89%），表明尽管中庸思维方式量表包括三个维度，但它们共同反映了中庸思维方式的一般性，即一种辩证的、动态的、全局的认知方式，它促使个体采取灵活开放的态度应对复杂的人际关系，避免极端情绪的产生，选用适度而非偏激的行为方式，避免人际冲突，充分考虑矛盾主体的不同需求，在人际互动中达成共识（杨中芳， 2022a）。这种认知方式能为个人创设良好的人际环境和心理状态，是降低个体面临风险的保护因素（丁倩等， 2019）。此外，中庸思维方式量表的ECV、I-ECV和PUC均小于0.85，多方思考及和谐性两个局部因子仍解释项目变异的23%和26%，表明量表仍不完全具备单维，多方思考与和谐性能够测量中庸思维方式的不同成分。在中庸思维体系中，个体看重的是自我在不同环境中的权宜表现，即强调“权”与“和”。其中，多方思考体现了审时度势的权变思想，它要求个体在矛盾时，应避免极端，需因时而变，以谋求所处环境的动态平衡并达到健康的状态；而与整合性相比，和谐性更能反映不偏不倚，折中调和的处世态度。当个体将和谐作为行动准则时，有利于获得尊重、赞赏和社会支持，最终达到人际和谐、社会稳固等（高志强， 2021; 杨中芳， 2022a）。本研究从人际关系视角，通过分析中庸思维方式的一般性与特殊性，有助于进一步厘清中庸的本质与特征，同时为正确报告和解释中庸思维方式量表的总分及维度分，科学使用该量表提供了心理测量学证据（顾红磊， 温忠麟， 2017; Akaeze et al.， 2023）。

本研究进一步检验了中庸思维方式量表双因子模型的增量效度和测量等值性。首先，中庸思维方式显著正向预测网络利他行为。中庸思维是实践性的价值体系，有助于采取积极视角，主动应对困境并做出利他行为，以达到“致中和”的境界（杨中芳， 2022b）。不仅如此，研究结果也凸显了中庸思维积极主动的面向，是中国人经过五千年的道德文化修养后所形成的一种思维方式。其次，在控制了全局因子后，多方思考仍正向預测网络利他行为，而整合性负向预测网络支持、指导和提醒。多方思考要求个体把握心中的尺，达到方圆兼济，有助于个体采取积极行为以达到自我与环境的平衡（吴佳辉， 林以正， 2005）。整合性是个体思考权衡之后做出恰当的行动，若个体做出的支持、指导和提醒等网络利他行为所涉及的成本较大，个体容易感受到强烈的道德要求和认知冲突，进而减少助人行为（杨中芳， 2022a）。此外，中庸思维方式量表双因子模型的性别和年级等值性得到支持，表明了全局因子和局部因子的得分差异来自不同群体的真实水平（Pokropek et al.， 2019），中庸思维方式双因子模型具有跨时间和群体的稳定性（Vandenberg & Lance， 2000）。

本研究从双因子模型的视角证实了中庸思维方式量表能够有效测量中庸思维方式的一般性与特殊性，对科学理解中庸思维方式，正确使用中庸思维方式量表具有一定的参考价值。首先，在理论层面上，中庸思维方式量表以“意见表达”的情境叙述为依据，强调个人内在思维与外在情境的调和，其本质上要求个人在复杂动态的社会情境中，持续地省察内在的自我感受，关切外在的环境需求与他人感受，从而调整自己的行为表现，以达到平衡、和谐的状态（吴佳辉， 林以正， 2005）。本研究通过检验双因子模型的拟合指数和测量等值性，发现中庸思维方式内涵的一般性与特殊性，研究者应从双因子模型的视角对中庸思维加以考虑，并解析其一般性与特殊性的独特与协同作用。

其次，在教育实践层面，教育工作者在使用中庸思维方式量表评估中国人的中庸思维水平时，应同时兼顾整体和各因子的得分情况，并直接比较不同性别和年级群体平均值的差异，以确定不同群组中庸思维方式的特点与发展水平。不仅如此，受到传统文化的影响，国人骨子里就有中庸的“种子”。例如在疫情危急的情境下，国人能迅速地、自动自发地配合政府的政策，合力控制疫情蔓延。因此，在实践过程中，教育工作者应不断培养和提高大学生的中庸思维水平，促使其在现代社会中发挥出自身的价值。

本研究也存在不足：其一，僅采用网络利他行为检验中庸思维方式的增量效度，未来研究应综合考虑中庸思维方式的积极效应，通过纵向追踪研究和实验研究进一步探讨中庸思维方式对其他结果变量的影响；其二，基于横断设计，无法考察中庸思维方式量表双因子模型的纵向测量等值性，未来研究可以采用中庸思维方式量表进行多个时间点的纵向追踪测量，以进一步检验其双因子结构的时间稳定性；其三，虽然本研究的样本量较大，但仅有大学生被试，这限制了研究结果的普遍性，未来研究可以考虑分层取样，提高研究结果的推广性。

参考文献

陈佩仪， 陈瑜， 杨雪岭（2021）. 中庸思维对大学生抑郁症状的影响机制： 消极认知情绪调节策略的中介作用. 心理与行为研究， 19（4）， 571-576.

丁倩， 张永欣， 魏华， 胡伟（2019）. 中庸思维与大学生网络成瘾： 社会支持和孤独感的序列中介作用. 心理与行为研究， 17（4）， 553-560.

高志强（2021）. 中庸的文化心理特征及其实践理路. 心理科学， 44（4）， 1018-1023.

顾红磊， 温忠麟（2017）. 多维测验分数的报告与解释：基于双因子模型的视角. 心理发展与教育， 33（4）， 504-512.

李启明， 陈志霞（2016）. 中庸思维对社会适应的影响： 心理弹性和情绪调节的中介作用. 人类工效学， 22（1）， 11-15.

魏华， 李倩， 周宗奎， 丁倩， 熊婕（2021）. 中庸思维与大学生网络成瘾： 同伴冲突和性别的作用. 心理发展与教育， 37（5）， 668-674.

魏江茹（2019）. 中庸思维程度、知识共享与员工创新行为. 经济管理， 41（5）， 88-104.

吴佳辉， 林以正（2005）. 中庸思维量表的编制. 本土心理学研究， 24， 247-300.

杨中芳（2022a）. 从疫情控制看中庸行动我的应急灵活性. 心理学报， 54（9）， 1-19.

杨中芳（2022b）. 中庸心理学研究： 起源、现状及展望. 见 杨中芳， 张仁和（编）. 华人本土心理30年（上册）. 台北： 五南出版社.

杨中芳， 林升栋（2012）. 中庸实践思维体系构念图的建构效度研究. 社会学研究， 4， 167-186.

赵志裕（2000）. 中庸思维的测量： 一项跨地区研究的初步结果. 香港社会科学学报， 18， 33-54．

郑显亮， 祝春兰， 顾海根（2011）. 大学生网络利他行为量表的编制. 中国临床心理学杂志， 19（5）， 606-608.

Akaeze， H. O.， Lawrence， F. R.， & Wu， J. H. C. （2023）. Resolving dimensionality in a child assessment tool： An application of the multilevel bifactor model. Educational and Psychological Measurement， 83（1）， 93-115.

Caspi， A.， & Moffitt， T. E. （2018）. All for one and one for all： Mental disorders in one dimension. The American Journal of Psychiatry， 175（9）， 831-844.

Giordano， A.， Testa， S.， Bassi， M.， Cilia， S.， Bertolotto， A.， Quartuccio， M. E.， ... Rosato， R. （2021）. Viability of a MSQOL-54 general health-related quality of life score using bifactor model. Health and Quality of Life Outcomes， 19（1）， 1-10.

Heinrich， M.， Zagorscak， P.， Eid， M.， & Knaevelsrud， C. （2020）. Giving G a meaning： An application of the bifactor-（S-1） approach to realize a more symptom-oriented modeling of the Beck depression inventory-II. Assessment， 27（7）， 1429-1447.

McNeish， D.， & Wolf， M. G. （2020）. Thinking twice about sum scores. Behavior Research Methods， 52， 2287-2305.

Meade， A. W.， Johnson， E. C.， & Braddy， P. W. （2008）. Power and sensitivity of alternative fit indices in tests of measurement invariance. Journal of Applied Psychology， 93（3）， 568-592.

Muthen， B.， & Asparouhov， T. （2018）. Recent methods for the study of measurement invariance with many groups： Alignment and random effects. Sociological Methods & Research， 47（4）， 637-664.

Olckers， C.， & Koekemoer， E. （2022）. Psychometric prope-rties， measurement invariance， and construct validity of the subjective career success inventory. Australian Journal of Psychology， 74（1）， 2121177.

Pokropek， A.， Davidov， E.， & Schmidt， P. （2019）. A Monte Carlo simulation study to assess the appropriateness of traditional and newer approaches to test for measu-rement invariance. Structural Equation Modeling： A Multidisciplinary Journal， 26（5）， 724-744.

Rodriguez， A.， Reise， S. P.， & Haviland， M. G. （2016a）. Applying bifactor statistical indices in the evaluation of psychological measures. Journal of Personality Asses-sment， 98（3）， 223-237.

Rodriguez， A.， Reise， S. P.， & Haviland， M. G. （2016b）. Evaluating bifactor models： Calculating and interpreting statistical indices. Psychological Methods， 21（2）， 137-150.

Schmitt， N.， & Kuljanin， G. （2008）. Measurement invar-iance： Review of practice and implications. Human Resource Management Review， 18（4）， 210-222.

Vandenberg， R. J.， & Lance， C. E. （2000）. A review and synthesis of the measurement invariance literature： Suggestions， practices， and recommendations for organizational research. Organizational Research Methods， 3（1）， 1-70.